‧ 有關大數據，你不一定知道的幾個冷知識

leiphone 史中·方槍槍

有人說，大數據就像高中生的Sex，

每個人都在討論，

但沒人做過。

每個人都以為其他人做過，

因為每個人都聲稱自己做過。

這個比喻為尚處在萌芽幼齒階段的大數據，蒙上了一層有趣且曖昧的意味。

在本次SDCC（中國軟體發展者大會）上，一些真槍實彈地做過大數據的高中生行業精英，向小夥伴們普及了一些有趣的冷知識。

按下按鈕，心緒暴露

大數據的隱秘魅力就在於，他比你都瞭解你。你以為你每次按下手機按鍵的動作都是一樣的嗎？哈哈圖樣圖森破。

來自今日頭條的技術副總裁楊震原告訴童鞋們，他們正在測試的“黑科技”，恰恰能從你點擊按鍵的時間和手指面積，推測出你當時的情緒。你的漫不經心、憤怒或者感動，都能夠成為後臺為你推送何種消息的依據。

未來，如下場景可期：

如果你正處在被女神甩掉的悲傷中，也許用戶端會為你推送——搞基的一百種好處。如果你正處在領到本月工資飄飄欲仙的快樂中，也許用戶端會為你推送——在台北月薪兩萬何時能買一個廁所？

那麼這種“恰到好處“的情緒拿捏和大數據有什麼關係呢？實際上對你情緒的推測是建立在對你多次正常點擊的記錄之上的。這種行為資料甚至在你還未意識到的時候，就“出賣”了你的情緒。

今日頭條技術副總裁楊震原在分析一個按鈕的平均觸摸時間

你的“姿勢”，才是真的大數據

銀行每天的交易帳目流水的統計資料，並不是大數據，而每個使用者在拿號之後等待了多久才排到，有多少用戶罵娘，有多少用戶過於焦急憤而離去，這些真正的行為才是大數據。

楊震原又舉了今日頭條在應用中的另一個例子。

實際上，你在一篇文章的什麼位置停留多久，然後劃動了多遠，在新的位置停留了多久，是否看了評論，看了幾條評論，都可以按順序被記錄下來。接下來就是通過演算法評估讀者的興趣所在。

CSDN創始人蔣濤也特別提到，美國電商平臺Wish正是用大數據的方法，根據每個人的資料不同，“看人下菜碟”地推薦你可能喜歡的貨品，三年時間已經發展成北美最大的電商之一。

所以，一個悲傷的消息是：未來如果你要隱藏自己的身份，不僅僅要變裝易容偽造指紋，甚至連點擊手機，查看文章的習慣都要改變了。

大數據就是：一個都不能少

如果要想知道有多大比例的人喜歡GV，那麼只需要做好抽樣調查就可以了，沒有必要對所有人進行調查。但是如果你想要推銷宅腐的周邊智慧硬體產品，則需要逐個排查每個人“獨特”的興趣愛好。

所有資料一個都不能少，這就是所謂的“全量加工”，這些資料的製造者正是各大廠商利潤的泉源。

360商業產品首席架構師劉鵬是一名網紅，他在很多場合都強調：全量加工才是大數據。他說，涉及到個性化推薦、計算廣告、個人征信這些場景，大規模的計算就是無法避免的。

從技術角度來說，之所以大數據可以做到這麼精準，也主要得益於技術的進步。感知設備被豐富地用在五花八門的硬體上，使得以前無法記錄的資料，現在都可以被記錄了。

大數據不應該給人用

大數據應該交給機器做決策，而不是交給人做決策。

這種洋溢著對人類深深不信任感的論斷同樣來自於劉鵬。在他眼中，大數據是為機器提供的糧食。而能夠駕馭大數據的人類基本只有兩種：資料科學家和統計工作者。

IT企業中養一群科學家的可能性為零。而人類的判斷往往基於宏觀、戰略，不可能有精力做到“因事而異”。相比之下機器的判斷比人類更加細緻。比如為每個用戶比如畫像、貼標籤。所以，要想把大數據利用透徹，愚蠢的人類還是暫時靠邊站吧。

“有點錯誤”的大數據更好用

“資料”這兩個字，天然給人一種完美而且精準的感覺。在這方面，大數據要挑戰你的底線。作為數位廣告領域的大牛，劉鵬強調，大數據可以存在半一致性這樣模棱兩可的屬性。換句話說，允許資料錯誤和丟失。

納尼？錯誤的資料也是好資料嗎？沒錯。由於資料量巨大，而且分析半天往往沒什麼有用的收穫（價值密度低），分析者往往需要選取一些特徵資料做加工，而對於這些特徵資料，也許還要簡化之後再加工。所以最終大數據要達到的結果是難得糊塗，卻一針見血。

所以，如果有人向喜愛人民網的你推薦草榴的時候，先不要發火，你可能只是大數據的一個錯誤罷了。

保險公司最喜歡和大數據在一起

如果你是一個魯莽的人，最想知道這個情況的無疑是你的汽車保險公司，想必你的保費會居高不下；如果你是一個謹小慎微的人，最想知道的也是保險公司，因為它可以用打折的保費吸引你投保。

在你身上，甚至存在一個精確的“岀險率”數字。這個聽上去很驚悚的數字恰恰是保險公司利潤的來源。因為不掌握這樣大數據的個人，是無法計算自己的岀險率的。保險公司恰恰利用這種資訊不對稱，給一個岀險率是萬分之一的人開出了千分之一的保價，相當於賺了十倍的利潤。

隱私問題要靠技術改進

資料比它看上去的樣子更險惡，這是大數據業內人士的普遍共識。即使隱去了你的姓名電話等等敏感資訊，只保留你和其他人聯繫的記錄，熟悉你的人完全可以猜到你的身份。目前大數據的安全性，在他人的惡意之下，顯得力不從心。

隱私問題，制度只能解決20分，剩下的80分要靠技術進步來解決。

劉鵬如是說。期待市場倒退到前大數據時代，似乎沒有希望了。

如何精確統計出有多少人喜愛蒼井空，有多少人喜歡武藤蘭，但是又不洩露到底是誰喜歡蒼老師，誰喜歡武老師，這是目前大數據的最前沿研究。

有關大數據的政策再嚴格，沒有一套可靠的保密技術，資料的安全都是無從談起的。隱私演算法、資料脫敏、資料隔離。都是研究的方向。在此之前，各位的大數據還都在相對危險的狀態。這也是為什麼目前法律沒有禁止資料買賣，而各大巨頭卻不敢將資料出售的原因。當然，大數據庫市場價目前比較低也是一個重要的原因。