大數據，別拽上天了(2)_數據分析師

要知道，按常態理解來看，食鹽這種商品是沒理由出現大規模銷量暴漲的，但是，系統匯總全國用戶的購買信息繪制出的銷量圖是基本不會出錯的。

但問題就在于，如果按銷量圖預判的未來趨勢采購食鹽，但銷量卻突然下滑，那么，付出的物流倉儲成本是不小的。

這個案例透露出什么?大數據在運用過程中，有他的天然短板。這個短板是什么呢?是他不夠“大”。就像案例所說，常態情況，食鹽這種商品是沒理由大規模銷量暴漲的，但你的銷售系統提供的圖表，清晰顯示這段時間以及未來的食鹽銷量趨勢不斷增長。而你，即使看到了數據，也斷然不敢輕易做采購決定。

為什么，因為即使銷量統計圖給了你一個可能的增長信息，但這違背了你腦海中的預判邏輯。所以，你會猶豫不決。除非，這個大數據能“大”到把一切變量全部涵蓋

那么我們再換一個案例，從另一個角度來說

根據某公司調查，中國人均工資平均每年上漲百分之七，勉強應對通貨膨脹。此數據精確可靠，是此公司通過全國各地工資收入情況匯總后，由系統精算得出

不知道大家看到這條信息什么感覺?如果你不是政府官員，只是一個打工仔。相信你十有八九會覺得，一堆廢話。為什么。因為你在乎的不是工資上漲的百分比的統計。而是怎么讓自己的工資上漲。因為，如果要算工資漲多少，你自己把這幾年領到的錢加減乘除，輕輕松松就算出來了。

而這透露出什么。透露出大數據的相對“無效性”。即即使你用大數據能得出一些東西，但你得出的東西對我而言是毫無價值的。那么，管你大數據還是小數據。多看一眼都是耽誤時間。

(官方機構統計“下館子”人群越來越多的信息，對部分地理位置不那么好的小飯店無用也是類似機理)

那么，以上兩個案例如果匯總，我們客觀總結一下大數據的缺陷

一：如果某個事務的關聯信息不能完全容納進“大數據”系統，則大數據的可靠性，實用性將天然減弱。

二：很多東西，我們根本不需要大數據來告訴我們。因為我們本就知道。我們苦惱的，是如何解決當下面臨的困境。而大數據顯然無法在中短期給我們提供幫助。

因此，某種程度我們可以說：大數據，也就是一個參考價值相對更高一丁點的數據而已。如果你所處的行業變數太多或者本就是早已知道原因只不過能力不足才面臨困境的話。大數據對你而言，其實沒那么大的價值。

那些動不動就大數據的人，其實，很可能不那么了解大數據的運作機理