“大數(shù)據(jù)”仨字已經被喊爛了，“大數(shù)據(jù)分析”也經常被人提起。可到底咋完全是“大數(shù)據(jù)分析”？為啥大家喊得很多，平時工作中很少感受得到？今天系統(tǒng)講解一下。
?一、普通人理解的“大數(shù)據(jù)”
普通人理解的大數(shù)據(jù)可謂千奇百怪，比如：
1、一個excel文件 200M，多大的數(shù)據(jù)呀！2、我國人口14億，這個數(shù)據(jù)好大呀！3、臥槽，我剛看了車，就有4S店推廣電話，肯定收集了我的大數(shù)據(jù)……
這些千奇百怪的理解，都是來自對“數(shù)據(jù)”本身不夠了解導致的。想整明白“大數(shù)據(jù)”真正的含義，得從數(shù)據(jù)是從哪里來的講起。
二、先理解“小數(shù)據(jù)”，再談“大數(shù)據(jù)”
最原始的數(shù)據(jù)采集方式就是：問卷。由專門的調查人員，借助一張張調查問卷，通過現(xiàn)場詢問、測量等方式獲得數(shù)據(jù)。這種方法已經沿用了400多年，經典的統(tǒng)計學、管理學理論都是建立在此之上的（如下圖）。
小數(shù)據(jù)有沒用？有用！非常有用！
能采集到某個地區(qū)的數(shù)據(jù)，代表著政府對這個地區(qū)有統(tǒng)治力。能采集到越多的數(shù)據(jù)，中央就能掌握地方情況，從而加強管理。
數(shù)據(jù)是如此重要，以至于歷史上很長一段時間，統(tǒng)計任務歸屬于政府、軍隊、情報機關。我國的第一家調查公司還是在90年代初，在寶潔強烈要求下成立的。
但是，調研做法有三個明顯的問題：
1、非常耗費人力。訪問員、督導、審核、錄入、數(shù)據(jù)處理……都是人
2、非常耗費時間。設計問卷、填寫、回收、都是時間
3、準確度低?，F(xiàn)場測量的數(shù)據(jù)會相對準，但口頭問回來的大部分都不準
這些問題，導致了問卷時代的數(shù)據(jù)采集，只能有抽樣式的，不能是全量采集。也因此衍生出了專門的抽樣理論和方法。但無論數(shù)據(jù)方法怎么改進，在業(yè)務上，抽樣，始終是一個難以逾越的梗阻。決策者總會覺得：
1、是不是樣本量太少2、是不是代表性不夠3、沒有覆蓋的樣本是不是真的一致
只要是抽樣數(shù)據(jù)，就一定會被質疑，就總是充滿懷疑。這也是最初“小數(shù)據(jù)”的說法來源，后續(xù)所有“大數(shù)據(jù)”其實都是圍繞“小數(shù)據(jù)”問題而來。
數(shù)據(jù)變大第一步：系統(tǒng)采集數(shù)據(jù)從小變大的第一步，從系統(tǒng)采集開始。比如企業(yè)擴大規(guī)模，要在各地建連鎖店，第一步做得就是裝POS機，把交易數(shù)據(jù)采集進來，替代紙質訂貨單/出貨單。此時想了解銷售數(shù)據(jù)，是可以基于POS機收集的數(shù)據(jù)全量查看的（如下圖）。
從抽樣數(shù)據(jù)到全量數(shù)據(jù)，是一個質的變化。基于全量數(shù)據(jù)，可以直接管理到各個終端門店，直接基于數(shù)據(jù)作出經營決策。因此大部分企業(yè)的銷售分析、經營分析、業(yè)務分析體系，都是在此基礎之上建立起來的。
但是這個階段的局限也是很明顯的：POS機只能記錄交易結果，對過程一概不知。誰在買，買了多少，為啥買，通通不清楚。
這個階段的分析，是典型的知其然，不知其所以然的分析，大部分分析只能通過成交結果去猜。如果只有這個階段的數(shù)據(jù)，想做深入分析，還是得依靠調研。比如傳統(tǒng)企業(yè)想了解門店成交流程，會做門店調查，研究消費者在門店的動線，詢問消費者體驗。
數(shù)據(jù)變大第二步：主動采集有了系統(tǒng)采集以后，大家自然地會想：除了交易數(shù)據(jù)，其他數(shù)據(jù)也能通過系統(tǒng)化采集。比如最簡單的形式：讓用戶自己交身份證，通過圖像識別錄入。這樣既能采集到用戶數(shù)據(jù)，又能避免手動填寫的錯誤。
但是問題來了：憑啥要交身份證給你呀！于是傳統(tǒng)采集，只有銀行、航空、通訊等有國家背景+法律規(guī)范要求的地方，才能相對準確的采集這些真實數(shù)據(jù)。
不過這些困難并沒有阻擋住企業(yè)采集信息的熱情。常見的手段，比如：勾引用戶辦會員卡，給生日禮遇讓用戶填寫生日。用戶完成信息給積分獎勵之類。更激進的，甚至有常識在門店裝人臉識別、裝眼動儀跟蹤設備來采集數(shù)據(jù)（當然，成本很高）。
為什么企業(yè)會孜孜不倦追求這些數(shù)據(jù)，因為這些數(shù)據(jù)真的有用。至少能把數(shù)據(jù)具體到一個人的身上，能識別出誰是高端用戶，誰是沉睡用戶，從而精細化運作（如下圖）
真正低成本的、解決采集消費者行為數(shù)據(jù)的問題，還得靠互聯(lián)網(wǎng)產品。
數(shù)據(jù)變大第三步：行為加入互聯(lián)網(wǎng)產品的最大優(yōu)勢，在于App/小程序/H5本身就是數(shù)字化產品。此時不但有條件記錄到用戶的點擊、登錄等行為數(shù)據(jù)，而且能將用戶ID、手機號等信息整合成統(tǒng)一ID，效率比依賴線下紙質單張申請的流程強無數(shù)倍。
還能將視頻、圖片、文章等內容打標簽，通過用戶點擊、轉發(fā)次數(shù)，瀏覽時長，反推用戶需求。對于經歷過傳統(tǒng)企業(yè)數(shù)據(jù)的人來說，互聯(lián)網(wǎng)產品的數(shù)據(jù)簡直就是鳥槍換炮。
相較之傳統(tǒng)的會員基礎信息、消費流水數(shù)據(jù)，用戶行為數(shù)據(jù)量特別、特別的大，大家想想自己在淘寶逛多久才買一件東西就知道了?？赡苤皫装俅吸c擊瀏覽，最后才有一單交易。
因此，需要專門的大數(shù)據(jù)架構來支持這些數(shù)據(jù)的存儲和計算。狹義上的大數(shù)據(jù)技術，特指對大量的用戶行為數(shù)據(jù)、非結構化數(shù)據(jù)的存儲和計算。
有了這些數(shù)據(jù)，才有現(xiàn)在我們流行的互聯(lián)網(wǎng)分析方法，比如漏斗分析法（如下圖）。
基于這些基礎數(shù)據(jù)采集，還能延伸出更多數(shù)據(jù)應用，比如：
1、模型類：行為預測、推薦算法
2、測試類：產品ABtest
3、畫像類：用戶畫像
雖然這些方法，基于交易數(shù)據(jù)也能做，但是數(shù)據(jù)量多寡，直接決定了結果準確度。從而影響到業(yè)務端使用。在傳統(tǒng)時代，只有銀行、運營商、航空公司獨享的分析方法，成為現(xiàn)在互聯(lián)網(wǎng)公司的標配。
然而即使這樣，既然有一些問題不能解決
●用戶數(shù)據(jù)分散在若干平臺，導致單一平臺數(shù)據(jù)不足
●用戶心理無法直接反應為數(shù)據(jù)，沖動型行為會干擾正常數(shù)據(jù)判斷
●信息安全法規(guī)要求越發(fā)嚴格，對數(shù)據(jù)采集/使用限制在增多
?
因此，如何合法合規(guī)、持續(xù)利用大數(shù)據(jù)資源，依然是今天一個重要議題。
三、上不了臺面的“變大”方法
當然，還有一些灰色/黑色的方法，讓數(shù)據(jù)變大
1、直接從“有數(shù)據(jù)”的人手上，買數(shù)據(jù)！
2、爬蟲、撞庫，硬撈用戶數(shù)據(jù)
3、通過設備，默默收集用戶數(shù)據(jù)
這就是各種騷擾電話、垃圾短信的源頭。當然，隨著國家對信息安全保護要求越來越嚴格，這些玩意生存空間也是逐步被壓縮，所以不談也罷。
四、“大數(shù)據(jù)有啥用”的終極答案
縱觀數(shù)據(jù)從小到大的整個過程可以看出：數(shù)據(jù)從來都有用。即使最簡單、最不準的數(shù)據(jù)，也能反應管理上的問題。因此決策者們對于數(shù)據(jù)的追求，永遠是孜孜不倦的，永遠是不滿足的。（如下圖）
那么，為什么還有這么多人在問“大數(shù)據(jù)有啥用”呢？
因為并非所有人都理解“數(shù)據(jù)”的用途，別說大數(shù)據(jù)了，小數(shù)據(jù)丫也照樣不會用。
截止到2021年，依然有人是拍腦袋決策，拍胸脯保證；依然有人沉迷于“老夫從業(yè)十年，我說的就是對的”；依然有人覺得大數(shù)據(jù)包治百病，代碼一敲，鈔票從電腦屏幕里噴薄而出；依然有人迷信“底層邏輯”“核心思維”，苦練內功心法。
總之，想用好數(shù)據(jù)，就得深入業(yè)務流程，具體了解數(shù)據(jù)采集方式，這樣才能讀懂數(shù)據(jù)背后的業(yè)務含義，才能把自己面臨的具體問題轉化為數(shù)據(jù)問題，才能解出正確答案。
采集和計算數(shù)據(jù)，是一門科學
應用數(shù)據(jù)產生價值，是一種藝術
差別大致如此。
?接地氣的陳老師，985名校數(shù)學科學、企業(yè)管理碩士，數(shù)據(jù)科學管理專家，有11年數(shù)據(jù)總監(jiān)、高級咨詢顧問的豐富經驗。