大数据这么神奇可为什么不能指明设计的方向

　　大多数人仍然相信，大数据能够比我们人类自己更懂人类，并且提供更优的解决方案。但是，很遗憾的是，即使大数据相关的技术已经越发的成熟，但是我们的产品和服务并没有达到想象中的峰值。
　　多年以前，当我们刚刚开始频繁听到大数据这个词的时候，很多企业和团队的负责人开始认为，这是他们所缺少的东西，是让产品和企业重振雄风的蓝色小药丸。
　　直到今天，大多数人仍然相信，大数据能够比我们人类自己更懂人类，并且提供更优的解决方案。但是，很遗憾的是，即使大数据相关的技术已经越发的成熟，但是我们的产品和服务并没有达到想象中的峰值。
　　这到底是为什么呢？
　　对我而言，最有趣的情况是，我们认为借助逻辑可以作出正确的决策。过去的数据能够帮我们更好确定未来会发生什么。更通俗的说，就是我们从过去搜集数据以预测未来。
　　其实这里存在一个重要的问题：我们无法真正有效地处理我们所获得的大量数据，它所揭示的真实信息到底有哪些，又或者我们仅仅只是拿其中的一部分来支撑我们自己的已有的观点甚至偏见，仅此而已。面对着海量数据，我们可能错过了真正的机会。
　　量化偏见对于可量化数据的盲目相信。
　　人们对于量化数据的偏好，使得对于其他的非量化内容视而不见，即便你可以展示明确的证据。人们对于量化数据是上瘾的，当我们没有办法来掌控一件事情的时候，很容易陷入量化偏见，想尽办法也要找一个量化的依据来证明自己。
　　你所需要的未来，可能会藏在海量数据中的某个角落，当你正在忙于找到这个可能的未来的时候，背后的龙卷风可能已经悄然袭来。
　　图中的计算，在数学上可能是正确的，但是在市场营销、经济学甚至设计等学科当中，从来都不遵循相同的规则。7张低素质的插画是不等同于一张高质量的插画。
　　很多东西看起来合乎逻辑，但事实并非如此。而且，仅仅因为某些东西看起来合乎某些数据逻辑，也并不意味着它是有用的。在尝试拿来计算的时候，你可能就已经背离了它原本的用途。
　　RorySutherland
　　环境对于我们行为的影响
　　当我们看到消费行为发生的时候，不应该直接假设这是用户喜好的直接反映，因为很多因素影响着用户决策。
　　一家酒吧对于自家的饮品随意定价，如果一小杯JohnnieWalker的威士忌定价30美元，并且希望客人毫不犹豫快乐地下单，这肯定是不现实的，因为大家都知道一瓶酒差不多也就这个价格了。
　　可是，一种大家从来都没见过的酒，假设它的名字是ChateauxdeBurgundy，看起来也挺不错，进货价是10美元一箱，一箱20瓶，在酒吧内定价为100美元一瓶。这种情况下，你折价买30美元一瓶，想必大家会很乐意享受这样的优惠吧？这种效果无疑是定价设计和环境的双重影响下的结果。
　　过去的数据并不能推导出未来的创新方向，也无法作为决定今后成败的指标。相反，如何设计和影响用户行为才更加重要。对我而言，人类作为社会生物这一点是最有趣的，无论是创造产品，还是在生活中做决策，都离不开人的社会属性和行为模式。
　　Netflix和一次看完模式
　　如今大家对于Netflix旗下各路剧集独特的一次看完模式应该已经很熟悉了。Netflix在2014年2月进行过一次调研，这次调研数据表明，73的用户更加倾向于一次看完26集电视剧，甚至一次看完整季。
　　其实，在开启这种新的播放模式之前，Netflix已经搜集了大量的有待处理和使用的调研数据了，在那个阶段，用户已经开始享用Netflix的推荐系统的红利了。同样的，这种基于用户观看历史的推荐系统最终也使Netflix获得了不少好处。
　　因此，他们甚至不惜给出100万美元的悬赏，让人来提供更好的算法，不过，最终实际的结果是，这种数据算法上的改进，只能一步一步慢慢地推进，并没有带来翻天覆地的改变。
　　有一天，Netflix聘请了一位人种学研究学者（主要针对人和文化系统进行研究），他们透过研究发现人们对于狂欢的热爱，对于一次性看完的偏好。并且，用户并不会在这种模式下产生负疚感。
　　Netflix的数据研究团队已经能够拓展并验证这些数据了，并且他们决定做一些简单但是有影响力的事情。因此，他们决定向用户推荐不同题材的相同类型的节目，并且重新设计了整个观看体验，鼓励用户进行狂欢式的观影。这就是为什么会有用户会在周末失踪，甚至失踪整周来追剧。
　　我们都以为Netflix的新模式来源于数据，但是数据仅仅只是作为验证和支撑，真实的方向来源于其他的地方。
　　信奉大数据的Nokia
　　人类学研究学者TriciaWang在她的TED演讲中揭示了大数据本身所存在的陷阱，在她看来，我们应该将重点放在厚数据上那些来自一线人员的有价值的、无法量化的真实见解。这些东西才是真正用来作出正确商业决策的内容。
　　大约在2009年的时候，iPhone问世还不算太久，Android正在发力。身为华裔的Tricia刚刚移民，一边从事人类学和技术的研究工作，一边在网吧打工挣生活费，她在生活中搜集了许多有用的数据。最令她印象深刻的一个现象是，即使是收入最低的消费者，也愿意购买昂贵的智能手机。
　　但是，在那个移动端智能设备尚未定性的时期，依然还有很多现实而聪明的人认为，智能手机只是一种时尚，诸多不可控的影响因素都会导致它的衰落甚至消亡。通常大家会认为：谁会想携带一部笨重而续航差的智能手机呢？更何况它还那么脆弱。
　　在向Nokia展示了低收入民众对于智能手机的追捧的状况和相应的调研数据之后，她建议Nokia加大力度生产智能手机。当时依然处于一线品牌的芬兰国民企业Nokia并没有重视Tricia的建议，因为她的建议并没有大数据支持。并且Nokia认为他们所获得的数据也没有支持这一观点的迹象，而Tricia的调研样板仅仅只有100人，相反Nokia的调研样板高达100万人。
　　但是，调研和调研的差异，并不只是数量级上的差别。Nokia的调研非常直接，直接询问用户是否愿意拥有或者购买智能手机。在那个智能手机尚未普及，概念都不够清晰的年代，绝大多数的用户压根不清楚调研所指的手机和他们自己所用的手机有何区别，大多数用户面对这样广泛而粗略的调研，回答非常简单，没有兴趣。
　　Nokia在2013年被微软收购，随后又被抛弃。
　　一些公司倾向于认为较大的调研样本所带来的数据比一些小样本调研得出的数据更有价值。
　　TriciaWang
　　我们现在有更好的工具，毫无疑问。我们所需要做的是学会更好地使用他们，不是单纯地利用数据，根本上还需要和人类本身的行为结合起来，才有可能发现新事物，改善生活，创造新的可能性。