大數據給世界編織了一副美麗的畫面——萬事萬物皆可數據化，有數據就可以再要一個新世界。似乎人類沒能夠變成全知全能的造物主，就是因為數據不夠多、算法不夠好。

[[432192]]

這種極端的觀點一定程度反映了當下大數據行業的浮躁。《人類簡史》里說到人類一直有想成為神的欲望，大數據的過度"神化"也能看到這種欲望的影子。冷靜下來看，數據“大”有“大”的問題，數據“小”也有“小”的好處 。

大數據理念下的野蠻生長

之前工作中經常會碰到一種場景：搞大數據嘛，沒數據怎么搞，先把數據搞過來再說，越多越好，堆到一起再想怎么用。在這種思路驅動下，商業上各種解決方案投其所好，搞數據集市、數據工廠、數據生態，應用場景想不清楚沒關系，有了數據再發動大家一起想。邏輯看似很清晰，但往往投入不菲，成效不足。大數據之“大”是有成本和代價的，不考慮投入產出、不考慮約束限制的野蠻式發展，長久難以持續。

大數據應用下的信息“偏見”

互聯網推薦是目前大數據應用較為“成功”的一個場景。這種基于行為數據的推薦，基本的邏輯是"瀏覽或搜索的越多——>對這類信息越感興趣——>更需要相關的信息"，這種應用思路過度泛化的推廣到生產和工作中，會出現過度依賴相關性和經驗性數據的傾向，看似客觀數據往往帶著“偏見”。基于這種推送機制，每天被推送的信息日益雷同，無形之中，獲取的信息會局限在一個特定的認知圈中。而實際生活中，無論個人成長還是社會發展一直處在動態變化的過程中，一些看似沒有統計意義的小數據，往往會起到不可忽視的影響。這種機制下對小數據的過濾，對個人來說容易形成偏見，應用到決策則可能產生大數據"經驗主義"。

大數據語境下的數據取舍

之前一個搞了很多年大數據的客戶在發愁，大量的沉淀數據怎么處理。不維護說不定還有用，維護吧成本很高，而且還不知道猴年馬月能用一回。理想化一點，是數據都留著，花大力氣采集清理大量的數據，真到用的時候，由于采集口徑、數據質量等原因還不一定能用上。

一視同仁的對待所有數據，管理和應用效率是很低的。從業務角度，數據的價值并不相同。因此，要克服數據匱乏的焦慮，對數據進行取舍。

有時候，用的時候再去采數據，或者用人工等傳統方法處理和決策，比起“泛濫性缺乏”的大數據可能更有效率。

大數據的理念和技術無疑是先進的，值得積極探索。但是要正視大數據落地實踐中經常出現“理想豐滿，現實骨感”的無奈。不要片面認為“大”就是好的，合適的才是最好的。