國(guó)內(nèi)有一家民營(yíng)航空公司，會(huì)員不下數(shù)百萬(wàn)，會(huì)員的一個(gè)重要信息是郵箱地址。另外一邊，微博賬號(hào)申請(qǐng)也需要一個(gè)郵箱地址。通常來(lái)說(shuō)，同一個(gè)郵箱地址意味著航空公司里的會(huì)員和微博里的會(huì)員，應(yīng)該是同一個(gè)人。公司做了一個(gè)篩選，合并出十萬(wàn)個(gè)用戶(hù)來(lái)。

然后一家第三方公司的數(shù)據(jù)部門(mén)介入，主要任務(wù)是看這十萬(wàn)航空公司會(huì)員的微博用戶(hù)，在社會(huì)化媒體上的行為，比如“說(shuō)”些什么，比如喜歡介入什么樣的話題去轉(zhuǎn)發(fā)評(píng)論，比如喜歡關(guān)注什么樣的商業(yè)賬號(hào)。研究這類(lèi)事的原因在于：這個(gè)航空公司很想知道它在社會(huì)化媒體上發(fā)起什么樣的活動(dòng)(以及活動(dòng)所配備的禮品刺激)會(huì)吸引到這十萬(wàn)會(huì)員參加，成為earned media。

這個(gè)案例并非嚴(yán)格意義上的大數(shù)據(jù)，因?yàn)閿?shù)據(jù)還是不夠海量。不過(guò)，它的原理和大數(shù)據(jù)營(yíng)銷(xiāo)有關(guān)：尋求相關(guān)性。

相關(guān)性不是因果，很難得出這樣的結(jié)論：因?yàn)榻?jīng)常坐某某航空公司的班機(jī)，所以喜歡參與某某活動(dòng)(反過(guò)來(lái)也不成立)。但這兩個(gè)變量之間，從普遍意義上講，存在一定的關(guān)聯(lián)。這個(gè)道理就像穿紅襪子和炒股票的關(guān)系，或許有一定的關(guān)聯(lián)系數(shù)，但絕不是因果關(guān)系。相關(guān)搞成了因果，差不多和“迷信”就沒(méi)有區(qū)別了。

商業(yè)應(yīng)用上，其實(shí)不太需要拼命挖掘因果。你只要知道坐該航空公司班機(jī)和參加特定活動(dòng)之間存在一定概率就行了，至于究竟是為什么，可以暫時(shí)忽略之。對(duì)于營(yíng)銷(xiāo)業(yè)者而言，這個(gè)概率哪怕能幫助到營(yíng)銷(xiāo)活動(dòng)提高10%參與度，都是不小的成效。

但問(wèn)題在于，很多人把相關(guān)等同于因果，這樣的做法會(huì)形成很有些誤導(dǎo)性的結(jié)論。比如說(shuō)，當(dāng)在這個(gè)十萬(wàn)航空公司用戶(hù)中發(fā)現(xiàn)，他們特別喜歡某類(lèi)活動(dòng)，這個(gè)結(jié)論是不具有推廣性質(zhì)的。再新增五萬(wàn)航空公司微博用戶(hù)時(shí)，你很難把上述那個(gè)結(jié)論也放他們頭上。因?yàn)檫@里面沒(méi)有因果關(guān)系。要確認(rèn)因果關(guān)系，必須經(jīng)過(guò)一個(gè)很復(fù)雜的觀察和思考過(guò)程，排除所謂“隱性變量”。這不是那么簡(jiǎn)單的做一些數(shù)據(jù)分析就可以的。相關(guān)性是因果的前提，但是不等于因果。

于是，大數(shù)據(jù)出現(xiàn)了。

大數(shù)據(jù)尋求的是海量數(shù)據(jù)，海量到什么份上?就是全樣本。全樣本和抽樣顯然是不同的。過(guò)去的研究，由于操作性的關(guān)系，很難做到全樣本，需要去抽樣。抽樣的科學(xué)做法是“隨機(jī)”——不過(guò)這一點(diǎn)聽(tīng)著容易，做起來(lái)相當(dāng)困難。真正的隨機(jī)抽樣需要花很多錢(qián)(利用社交網(wǎng)絡(luò)關(guān)系，通過(guò)一個(gè)用戶(hù)做問(wèn)卷再發(fā)動(dòng)這個(gè)用戶(hù)找更多的人來(lái)做問(wèn)卷，一點(diǎn)都不隨機(jī))，而且一個(gè)無(wú)法繞過(guò)的弊端在于：如果你使用調(diào)查問(wèn)卷的方法，你很難排除回答者的語(yǔ)言回答一定就是ta心中真正的想法或者實(shí)際上的真正行為。

大數(shù)據(jù)首先不是抽樣，它獲得的數(shù)據(jù)是全體樣本數(shù)據(jù)，其次它不是在讓用戶(hù)回答問(wèn)題，而是實(shí)打?qū)嵉厝カ@取用戶(hù)的“行為”。用戶(hù)聲稱(chēng)對(duì)某活動(dòng)會(huì)有興趣和用戶(hù)是否參加了某活動(dòng)，顯然后者更能說(shuō)明問(wèn)題。

最重要的一點(diǎn)，大數(shù)據(jù)分析和抽樣分析的核心區(qū)別在于：前者是動(dòng)態(tài)的，后者是靜態(tài)的。

前文提到，隨機(jī)抽樣方法是成本很高的，故而它很難每天都去做一次——事實(shí)上，為某個(gè)特定的問(wèn)題一個(gè)月乃至一個(gè)季度做一次隨機(jī)抽樣，都很難實(shí)施。于是，一個(gè)隨機(jī)抽樣所形成的結(jié)論，其實(shí)是靜態(tài)的，它只能說(shuō)明在做那次調(diào)研時(shí)的一些相關(guān)性。當(dāng)有新的用戶(hù)(樣本)加入時(shí)，很難再說(shuō)明過(guò)去的相關(guān)性是否能夠成立——除非，你能找到真正的排除了各種隱形變量后的因果關(guān)系。

如果試圖減少成本去做非隨機(jī)抽樣，那么，它的結(jié)論就更沒(méi)有推廣意義(學(xué)術(shù)一點(diǎn)稱(chēng)之為外部效度性，非隨機(jī)抽樣外部無(wú)效度)。當(dāng)新用戶(hù)加入后，非隨機(jī)抽樣的結(jié)論基本不能適用。

但大數(shù)據(jù)的分析卻是動(dòng)態(tài)的，每秒都有可能產(chǎn)生一個(gè)新的結(jié)論。讓我們用最常見(jiàn)的亞馬遜頁(yè)面上的“購(gòu)買(mǎi)此商品的顧客也同時(shí)購(gòu)買(mǎi)”來(lái)舉例。

這個(gè)部分里的商品是活動(dòng)的，由于新購(gòu)買(mǎi)的產(chǎn)生，會(huì)導(dǎo)致這個(gè)模塊里的商品可能會(huì)產(chǎn)生變化。不過(guò)，這個(gè)模塊也有可能是導(dǎo)致商品集中化購(gòu)買(mǎi)的重要原因：用戶(hù)看到了這個(gè)模塊里推薦的商品而產(chǎn)生購(gòu)買(mǎi)的可能是很大的(也許ta本來(lái)就沒(méi)有任何購(gòu)買(mǎi)的念頭，甚至連這個(gè)商品都不曉得)。但對(duì)于大數(shù)據(jù)來(lái)說(shuō)，原因是什么一點(diǎn)也不重要，它要做的——至少在電子商務(wù)領(lǐng)域——無(wú)非是提高客單價(jià)罷了。買(mǎi)了A書(shū)和買(mǎi)了B書(shū)之間的因果研究，那是學(xué)者們的事，不是商人關(guān)心的事。

大數(shù)據(jù)處理的方式不是探幽細(xì)究型的，挖空心思去想究竟原因?yàn)楹螞](méi)有這個(gè)必要，不過(guò)拿出一些結(jié)論來(lái)演繹也是會(huì)鬧笑話的：比如吃海參有助于提高智商。大數(shù)據(jù)其實(shí)不需要做什么演繹，它的任務(wù)只是讓你在某一時(shí)刻能做到提升成功率的事，哪怕只有1%。量一大，1%都是極其可觀的。

回到航空公司的具體案子來(lái)。10萬(wàn)同時(shí)擁有航空公司會(huì)員和微博會(huì)員的人，并非隨機(jī)抽樣而得，故而這10萬(wàn)對(duì)于整體數(shù)百萬(wàn)航空公司會(huì)員而言，沒(méi)有代表性。但我們的目標(biāo)不是想尋求坐這家航空公司班機(jī)的人和參與某網(wǎng)絡(luò)活動(dòng)的因果關(guān)系，我們只是想提升一下參與活動(dòng)概率并希望看到更多人會(huì)去轉(zhuǎn)發(fā)某個(gè)活動(dòng)罷了。故而，10萬(wàn)微博用戶(hù)，夠了。

在某一個(gè)時(shí)點(diǎn)，跑了一下數(shù)據(jù)，大致能看到一些相關(guān)性，于是我們開(kāi)始設(shè)計(jì)某種活動(dòng)，并有針對(duì)性地讓這10萬(wàn)微博用戶(hù)知道，這次獲得的參與度和轉(zhuǎn)發(fā)率，比毫無(wú)數(shù)據(jù)支撐背景下的胡亂策劃，成功率應(yīng)該會(huì)高一點(diǎn)。同樣的人力投入，得到了相對(duì)而言的較高效果，這就是數(shù)據(jù)分析的好處。

過(guò)了三個(gè)月后，又有需要策劃的活動(dòng)，注意，這一次依然需要再跑一次數(shù)據(jù)。因?yàn)闃颖究赡懿皇侵挥?0萬(wàn)了，也許15萬(wàn)，也許運(yùn)氣不好有2萬(wàn)微博用戶(hù)已經(jīng)“死亡”，只剩8萬(wàn)。另外一個(gè)可能是有某些新的外部變量加入，比如出來(lái)一種新的商品讓很多人趨之若鶩高度關(guān)注。這個(gè)時(shí)候拿上一次的數(shù)據(jù)來(lái)指導(dǎo)策劃，又是盲人騎瞎馬，夜半臨深淵了。

不同的時(shí)點(diǎn)，或者目標(biāo)不同的活動(dòng)，都需要再次跑數(shù)據(jù)，這可能是大數(shù)據(jù)分析的麻煩之處。不過(guò)，計(jì)算機(jī)的長(zhǎng)處就是計(jì)算，花上一兩個(gè)小時(shí)設(shè)計(jì)幾個(gè)公式或模型，相對(duì)于過(guò)去動(dòng)不動(dòng)要搞隨機(jī)抽樣，便利性提高很多倍，值得嘗試。

更宏大一點(diǎn)的就是真正意義上的“大數(shù)據(jù)”了。今年年頭互聯(lián)網(wǎng)圈阿里要并購(gòu)新浪微博，從商業(yè)邏輯上講，一個(gè)是中國(guó)最大的消費(fèi)平臺(tái)，一個(gè)是中國(guó)最大的碎片化言論平臺(tái)，兩者數(shù)據(jù)的合并，是頗能挖出更多的相關(guān)性來(lái)。

當(dāng)你發(fā)表一條微博時(shí)，忽然配套出來(lái)了一條廣告。是的，你很煩，感覺(jué)又被騷擾了。但從商業(yè)角度而言，如果你過(guò)去的煩是一萬(wàn)次廣告推送才會(huì)有一次點(diǎn)擊，現(xiàn)在變成九千次一次點(diǎn)擊，都是了不得的進(jìn)步。一萬(wàn)次為什么會(huì)變成九千次?因?yàn)橐粋€(gè)人的言論和ta的消費(fèi)傾向，的確是存在一定相關(guān)性的。

廣告圈里一句名言：我知道我的廣告浪費(fèi)了一半，但我不知道浪費(fèi)了哪一半。一些營(yíng)銷(xiāo)業(yè)者鼓吹說(shuō)他們可以讓你不浪費(fèi)那一半。不要相信他們。對(duì)于廣告來(lái)說(shuō)，從浪費(fèi)50%到浪費(fèi)49%，都是很值得去投入的事。建立在相關(guān)性而非因果上的大數(shù)據(jù)營(yíng)銷(xiāo)，不可能讓廣告主從此不再浪費(fèi)廣告，它只能做到：浪費(fèi)得少一點(diǎn)。

這就夠了。