大數據時代，數據科學的七大危險趨勢

自從大數據這個詞出來以後，數據已經成為一個非常明確的科學領域。在這當中很少有人詳細地探討數據科學的結構和它麵臨的問題，包括我們行業麵臨的問題。

數據科學有三個非常重要的層次：數據的獲取、數據的描述和數據的分析，這三件事是不同的，不要把它混淆了。

1.數據的獲取

以前數據的稀缺導致行業內出現非常大的非良性循環。

在這個過程當中，又正好趕上了一個新的時代——機器化數據橫空出世，突然之間，甚至一夜之間數據不再稀缺了。單靠獲得數據，你能拿到高額利潤的可能性微乎其微，這樣就必然導致執行公司如果要繼續作弊必死無疑，未來五年內我們可以清楚的看到，研究公司不好好做研究，也照樣是必死無疑，無論你是國際的，還是國內的，因為時代變了。所以數據獲取這一塊，要有非常清醒的認識。

在這個時候大數據，正常的講叫機器化數據已經被神話，而市場研究公司被積壓在這裏，市場研究數據的結構化，它必須滿足兩個條件，一是真的，二是價格是低的，這兩件事造成的後果是什麼，我相信業內的所有公司都會有體會。

2.數據的描述

再看數據的描述，由於整個社會大環境巨大的變化，在描述環節上出現了非常大的問題，這個問題中你會發現形成了新的、不同的非良性循環。為什麼？數據不稀缺了。而在這個時候，機器化數據出來的東西做點頻率表，做點交互表很簡單。如果數據描述能夠替代數據分析，這個世界一定會毀掉，因為數據想騙人太容易了。

接下來的過程當中，機器化數據由於資料收集簡單，整理數據的過程非常容易。所以直接麵向銷售，這個麵向銷售就出現了充滿荊棘的曆程。

再看研究公司的結構化數據，大型公司由於沒有應對，我在行業這麼多年，一直在這些時期，有機會就在唿籲洞察這個詞。實際上我們的研究員正在日益變成填數工具，而不是洞察。數據不再稀缺，你在機器化數據麵前，你填數的過程當中，數據的真假還在存疑，這時候你不敗誰敗，必然敗。而且別忘了機器化數據的成本趨近於零，所以大中型研究公司的解體、兼並、重組在不遠的將來一定會頻現，這是沒有辦法的趨勢。

現在數據科學有七大危險趨勢：

3.數據的分析

以上七個危險趨勢將直接導致數據分析中的危險，什麼是數據分析？我先從最簡單的案例說起。

案例一：簡單表格的危險

這個數據的結果，意味著什麼？老年人比年輕人更喜歡這個東西。實際的結果呢？老年人和年輕人沒有任何差異。高低文化之間有差別嗎？所有的結果都顯示高文化程度的比低文化程度的人更喜歡，總體上它就是相同的。

再看一個更加實際的案例。我們知道房價是怎麼算的，房價是加權算術平均數。現在看一看房價，房子的均價跟房子的成交價格沒有關係，跟銷售結構有關係。所以在這個時候，房價的均價大約是這樣的，我告訴大家房價在下一個季度全麵上漲10%，但是銷售結構略微有一點變化。房價下跌2.63%，大看清楚定價了嗎？任何一個地方都上漲了10%，接下來銷售結構一定會再變，房價又漲了10%，房價又下跌了，但是統計數字會告訴你下跌4%。

案例二：無關轉相關係列

這是我1998年獲寶潔論文獎的時候得到的模型，表麵上一大堆無差別、無差異的情況，導致了什麼情況呢？看起來沒有差異，一個是男的比女的喜歡，一個是女的比男的喜歡，整體上沒有差異。但是差別大嗎？規律性強嗎？

案例三：建模預測

我們在2011年用的詞叫蘋果熟透了，蘋果在一個領域發展。2012年我在互聯網大會上，在我們這個會場上我都說過華為將崛起。2013年我說過三星必然下滑，去年2014年也是一樣的，這兩個大會我都說過小米將麵臨問題，我不是神，但是模型能。2015年什麼情況？我不想對任何一個品牌現在來說，大家關注我們要發布的手機人報告，那個時候我再開會，會詳細地把這個結果告訴大家。

我讓大家看一個結果，模型的基點預測點是: