大数据中的数据，大数据中数据

业务发展往往是不连续的，尤其是在颠覆性创新的情况下。比如传统出租车公司可以在一些稳定的趋势假设下预测客流，从而决定应该购买多少新车。但是当滴滴等网约车进入市场后，这些之前的模型和预测都将失效。所以不要过分依赖历史数据的分析结果。

周志忠

在今年美国大选结果的各种预测中，“义乌作为预测美国大选结果的旗帜”异军突起，让人看到了大数据的神奇力量。目前，我们的生活周围有各种各样的大数据，但很多人对大数据的知识仍然知之甚少。甚至有人认为大数据分析是计算机科学和统计学专业学生的技术课。如果商学院的学生学大数据分析，肯定没有他们做的好。真的是这样吗？

数据本身是中性的。

如果你手头有海量的信用卡消费数据，你能用它做什么？大意是这些数据可以对消费者的信用进行评分，判断是否提高其信用额度。但是你有没有想过，你可以利用这些数据炒股赚钱？

美国第一资本投资国际集团就发生过这样的事情:两名分析师利用公司掌握的信用卡消费数据，分析了至少170家上市零售公司的销售额，并据此预测了这些公司的销售额。然后，他们在这些上市公司公布季度财务报表之前，买入看涨期权或看跌期权，然后获取巨额利润。三年之内，他们在股市的投资回报率达到了惊人的1800%。当然这种做法是违法的，属于利用内部信息进行交易，最后被美国证券交易委员会抓住了。

有趣的是，美国证券交易委员会也以此来认定非法交易。他们使用的分析方法包括:识别异常收益，看投资者的投资回报率是否远高于采用类似投资策略的投资者。链接分析，从电话通话记录中找到社交圈，看异常投资收益是否与社交圈中的信息流有关；还可以从交易记录中发现一个小圈子，比如买卖是否在一个小团伙中进行，合谋炒作股价。相关性分析，通过交易行为的相关性找出内幕交易同谋者或头账。行为分析，看投资人的交易行为是否有异常变化，或者是否与投资经验不符，比如一个菜鸟注册的账户，但是操作行为非常老练，止盈止损的风控什么都知道，等等。

这些例子说明，大数据本身是中性的，关键在于如何使用。没有商业洞察力，大数据可能只是一堆数字。

商业洞察力是“艺术”

如果大数据分析是艺术，那么数据分析技术是艺术，商业洞察是艺术，好的商业洞察可以帮助企业超越大数据分析的技术局限。

保险行业是大量使用大数据的行业。但是如果有人伪造信息，故意制造车祸来骗保呢？可以通过添加数据，建立欺诈识别模型来应对，也可以通过人工调查来识别，但代价很大。

德国一家初创公司通过商业模式创新，解决了大数据分析难以解决的问题。在这种被称为P2P保险的商业模式中，投保人向亲朋好友发出邀请，建立保险互助关系，共同缴纳保费，加入保险互助网络。如果保险产品到期时没有出险，消费者可以获得高达40%的保费返还。如果有小额支付，就由亲友缴纳保费的资金池支付。超出统筹基金的补偿由企业承担。

这种商业模式解决了大数据分析难以解决的防欺诈问题。原因是亲戚朋友都认识，不愿意和骗子绑在一起，所以骗子找不到亲戚朋友和他一起投保。同时，保险欺诈不容易被保险公司发现，却容易被亲友识破，而且欺骗亲友的道德压力比欺骗保险公司的更大。另外，让亲戚朋友代为承担自己的小损失通常比让保险公司为其服务更尴尬，所以人们不会随便挂失。

两个常见错误

在应用数据挖掘结果的过程中，有两个常见的错误需要注意。

第一，我误以为相关性代表因果关系，其实两者并不相同。管理者要根据数据挖掘的结果继续深挖因果关系，才能发现更有价值的商业洞察。比如，在移动端的用户转化率明显高于电脑端的情况下，在移动端增加广告投放可能不是唯一的办法。如果继续深挖这种现象的因果关系，可能会发现来自移动端的用户其实是公司的老客户，喜欢公司的产品，所以转化率高。来自电脑的用户基本都是新客户，在电脑上投放广告可能会更好。因此，使用相关性来帮助业务决策需要不时地进行检查。

第二，我们误以为基于数据的预测是稳定的。业务发展往往是不连续的，尤其是在颠覆性创新的情况下。比如传统出租车公司可以在一些稳定的趋势假设下预测客流，从而决定应该购买多少新车。但是当滴滴等网约车进入市场后，这些之前的模型和预测都将失效。所以不要过分依赖历史数据的分析结果，尤其是在做战略决策的时候，商业洞察力发挥的作用更大。

总之，在海量数据容易获取的时代，大数据分析是帮助企业决策的重要工具，但管理者的商业洞察力和智慧仍然是不可或缺的因素。

(作者是上海交通大学安泰经济与管理学院副教授)

温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。

原文地址"大数据中的数据，大数据中数据"：http://www.guoyinggangguan.com/xedk/108503.html。