大數據的常見誤解

數據不代表信息，更不代表智慧

我時常聽創業者説自己的公司每天會生產/記錄很多的數據，雖然他們暫時還沒想明白怎麼用這些數據，但把這些數據都先存起來了。他們經常還説，通過這些數據他們的產品/服務將得到很大的提升，彷彿這些數據就是公司的救世主一樣。我不想討論這種觀點正確與否，但想在這裏解釋兩個關於大數據的常見誤解：

一、數據不等於信息

經常有人把數據和信息當作同義詞來用。其實不然，數據指的是一個原始的數據點(無論是通過數字，文字，圖片還是視頻等等)，信息則直接與內容掛鈎，需要有資訊性(informative)。數據越多，不一定就能代表信息越多，更能不能代表信息就會成比例增多。我們來看兩個簡單的例子：

備份。很多人如今已經會定期的對自己的硬盤進行備份。這個沒什麼好多解釋的，每次備份都會創造出一組新的數據，但信息並沒有增多。

多個社交網站上的信息。我們當中的很多人在多個社交網站上活躍，隨着我們上的社交網站越多，我們獲得的`數據就會成比例的增多，我們獲得的信息雖然也會增多，但卻不會成比例的增多。不單單因為我們會互相轉發好友的微博(或者其他社交網站上的內容)，更因為很多內容會十分類似，有些微博雖然具體文字不同，但表達的內容十分相似。

二、信息不等於智慧(Insight)

好吧，現在我們去除了數據中所有重複的部分，也整合了內容類似的數據，現在我們剩下的全是信息了，這對我們就一定有用嗎?不一定，信息要能轉化成智慧，至少要滿足一下三個標準：

可破譯性。這可能是個大數據時代特有的問題，越來越多的企業每天都會生產出大量的數據，卻還沒想好怎麼用，因此，他們就將這些數據暫時非結構化(unstructured)的存儲起來。這些非結構化的數據卻不一定可破譯。比如説，你記錄了某客户在你網站上三次翻頁的時間間隔：3秒，2秒，17秒，卻忘記標註這三個時間到底代表了什麼，這些數據是信息(非重複性)，卻不可破譯，因此不可能成為智慧。

關聯性。我們曾經對關聯性的重要性進行過解釋。這裏不再贅述了，無關的信息，至多隻是噪音。

新穎性。這個和我前文舉的那個社交網站的例子類似，不同的是，這裏的新穎性很多時候無法僅僅根據我們手上的數據和信息進行判斷。舉個例子，某電子商務公司通過一組數據/信息，分析出了客户願意為當天送貨的產品多支付10塊錢，然後又通過另一組完全獨立的數據/信息得到了同樣的內容，這樣的情況下，後者就不具備新穎性。不幸的是，很多時候，我們只有在處理了大量的數據和信息以後，才能判斷它們的新穎性。

説了這麼多，是想表達，其實我們手上有用的數據並沒有我們想象的那麼多大數據本身就是個耍噱頭的詞。在如今這個年代，一個普通的創業公司每天就能生產1GB以上的數據，稍微大一點的公司每天生產的數據都以TB來技術。但在花錢進行大數據分析之前，我們要意識到，數據不代表信息，更不代表智慧。