【摘要】如何缓解大数据带来的尴尬关于大数据，最近爆出的一个笑话：在电影业一次内部行业会议上，一位巨无霸级别的电影业发言人说：通过数据挖掘，

如何缓解大数据带来的尴尬

关于大数据，最近爆出的一个笑话：在电影业一次内部行业会议上，一位巨无霸级别的电影业发言人说：通过数据挖掘，我们发现不同观众的相关卖品偏好。比如《芳华》的观众比《战狼》观众消费了更多的热饮。这些都是之前我们不知道的，也是无法预测的。

上面这样一个基于两部影片的观影数据分析得出来的结论，看似客观正确，实则因为模型不完善(缺少观影季节的考量)等原因，而闹出笑话。

在近期，我们在给金融科技做盘点的时候，就发现大数据自身就是一个“尴尬”。我们找遍新闻，也没有发现这个词有什么特别值得说道的地方。只能靠着一点时政资料凑齐了这个关键词的盘点。

2017年，大数据如此重要，却又如此没有料。

大数据模型不完善，是因为根基不牢大数据一直不温不火，和他的发展缺陷有很大的关系。虽然大家极力看好它，但未能迎来行业的爆发。

和一些做大数据的朋友聊天，他们甚至会很直白地吐槽自己家的数据模型。

“那些所谓的数据模型之类的鬼东西，你只需瞄上一眼，就能头疼一整天。模型里的数据巨大无比，线索逻辑纷繁复杂。很多数据看似很重要却极其无聊，对结果判断毫无意义，食之无味弃之可惜，鸡肋一般的存在。”

“说实在的，根本原因不在于技术的落后，而是整个行业的发展根基太浅，无法对数据的有效性进行勘误、归纳和合理解释。”

“粗略地说，合理的大数据架构是，数据模型完善，能根据特定领域做出全面合理的数据精简，去掉无关数据和干扰数据，梳理出一条合理的客观建议，并根据数据分析师的主观判断和勘误，再总结出合理的结论，对相关行业做出准确的预判。”

“现在呢?本来数据模型都存在这样和那样的漏洞，却还想着数据处理的完全自动化。”

“而完全依靠客观数据，完成所谓的人工智能演算，那都是扯淡的事儿。”

“刚才说的那个《芳华》和《战狼》的笑话其实就是一个看似客观，实则可笑的分析结论。”

“这是因为，大家一说到大数据，就太拿数据想当然了。如果只靠着这点意识去做消费金融领域的数据分析，肯定有很多投资人被坑得底儿朝天!”

“所以现在挣钱的还是那些靠着倒买倒卖用户资料的数据公司，一个数据包，加点水分，到处卖，收益无限。”

“不过，最近似乎也没那么容易整了，因为官方越查越严，有些所谓的大数据公司搞不动了，怕是要凉了。”

物联网或许是大数据公司的真正机会“除了行业经验的累积，还需要更多数据做线上支撑。”

“当然，并不是说数据越多越好，而是说，线上的数据越丰富，越有利于我们组织有效数据。”

“核心问题就在于，如何产生大量的有效数据。”

“有效数据，简单了说，就某个领域，比如，消费金融领域的某一个小细分的消费品的相关数据，在合理组合和解构之后，对行业发展做出合理预判，对投资人预期负责的数据。否则，数据越大，负担越重，越成不了事儿。”

积累经验到什么时候才算是个头呢?

“或许要等到物联网时代的真正到来。”

为什么?

“物联网可以让更多的消费金融数据和物流数据线上化，个人消费信用信息也将进一步线上化，数据的归集和处理将更加高效和全面。”

“不过，随着移动支付的快速发展，更多人的金融消费能力在线上就基本被呈现了出来，包括个人的消费习惯和个人征信信息都被线上化，而由此产生的物流信息、住房、贷款信息等都在逐步完成终极线上化，这些对大数据来说，都是极好的机会。”

“大数据行业机会很大，但大数据是一个不稳定的行业，因为一切的数据都归结到机器里，而机器由人来掌控，相关的操作风险完全看自己的风险意识和人品。行业随时爆发大规模风险，运气好只影响数据安全，运气不好，很企业和个人的信用会破产。这会给行业，甚至整个社会带来巨大的灾难。”

“因此，从业企业的相关准则需要进一步细化和规范，对人也需要有个职业操守方面的管制。”

什么样的人怎么用数据，其目的和效果都是不一样的。

这又和一个大数据相关的段子有点关系，正好段子开头，笑话结尾，也还算圆满。