这些年来，大数据(big data)的研究者像一个大写的直男癌晚期患者，一直没说过几句人话，奉行精英主义，脱离大众。
大数据是基于每个样本提供少量数据，样本量和采样次数极大导致数据量大的情境产生的数据分析行业。现在真正能说掌握大数据、有分析大数据的技术的公司不过Google、阿里巴巴等极少数的几家公司。比如用户规模以亿计的阿里巴巴从每个用户处采集数据，每次采样的有效数据量应当不会超过KB级别，再把原本的数据里包含的用户行为信息以更加清晰的方式呈现出来，比如用户买了什么、买了多少、多长时间来买一次、每次花多少钱。
如果把大数据对应到海量的数据，那也相当于变成信息的同义词，显然也就很难回答信息到底能干什么这样的问题。
著名商业思想家纳西姆?塔勒布(NassimTaleb)在《黑天鹅：如何应对不可知的未来》中曾提出，我们掌握的数据越来越多，可以发现的统计上显著的相关关系也就越来越多。这些相关关系中，有很多都是没有实际意义的，在真正解决问题时很可能将人引入歧途。这种欺骗性会随着数据的增多而呈指数级地增长。在这个庞大的“干草垛”里，我们要找的那根针被越埋越深。
使用数据分析、人工智能的人类，需要找的那根针到底是什么?
用数据驱动运营每个环节，提升效率。
然而，除了孕育出大数据本身的几个领域比如搜索类“地主”以及一些卖消费者数据的平台，买家们却并没有从大数据中获得可见的收益。但这些泥古不化的人们啊，大数据的商业从业者依然沉浸在乐此不疲的收集消费者在各维度的行为数据，再集合起来做数据挖掘、数据分析。技术大牛带着一帮程序猿在各种算法与公式的背后想一探究竟。他们疯狂得在论证“此数据”与“彼数据”应如何连接，再从中做各种分析，以“客观、权威、精准”得算出来消费者行为的起心动念，试图教育商家应该如何吸引消费者。
正如哥德尔第一定律所说，任何一个体系凡是自洽的，必是不完全的。一个运转有效的体系，其内部必定逻辑自洽，但凡是逻辑自洽的体系就一定有边界。落实到企业上就是当一个企业在某个点上做的很强，其背后就必然会有一种价值网络来为此做支撑，这种价值网络也就决定了这个企业的能力边界，边界之外就是这企业的盲区。
我们需要逃逸原有价值网，去思考边界在哪儿，应该如何改变以提升数据的应用。
我们并不曾见雷军在开始小米集团的千秋大业前发起一个全国大调研。他只是开了一个小米论坛，聚拢了一帮屌丝消费者与技术宅，问问用户你们对当前手机有何不满，还派小米技术大牛亲临论坛撩拨几下，再让消费者吐露心声。
我们假设雷总是京东买了数据，那他会发现4000元以上的的消费力是买iPhone的， 1000-2000元的消费力中，男性消费者最爱的是华为低配机，女性消费者最爱的是oppo音乐手机。
天呐，要是雷老板将目标或竞品锁定为中华酷联(中兴、华为、酷派和联想)，我们就不会看到今天的小米了。
雷老板并没有从过去的消费者购买行为数据中分析消费者最爱的是什么，他直接去问了。
他敏锐的发现不论消费者在抱怨联想手机丑还是技术宅在骄傲的拆解苹果手机中“不适合国人“的非人性化设置，他们闪烁的大眼睛都在说：“我挺看不惯苹果装逼一族，但是我也想装逼，怎么办?“。
于是，我们有了小米，不仅在功能上超出用户预期(注意，不是自己设置的功能目标，也不是超越竞争对手的功能目标，而是满足了用户心里想要的)，且为手机赋予了“发烧友专属”、“励志”、“酷”等诸多情感属性。小米的重点不是更大的屏幕，信号更好的双卡双带，更持久的电池，而是年轻人的手机，成功得将屌丝机变成了青春机，给用户超出商业价值的、强烈的情感体验。
作为一个调研、数据行业的十年多创业者，我不得不说，多亏雷军没去做数据分析才打破了国产手机的Low逼局面。
我们原有的价值网是从各行为数据中得出结论，应用于经营分析管理和营销运营推广，即使这类分析通常很艰难。而且从一定量级的数据收集到庞杂的数据分析来看，他们的商业应用注定是要付出很高的成本的。然而，为什么大家如此依赖并全盘相信这套体系?
因为分析师告诉你，这些数据是“客观、权威、精准”的。
正如我前面所言，逻辑自洽的体系必然有他的边界。《原始数据只是一种修辞》书中早已指出：数据从来都不可能是“原始”的，数据总是依照某人的倾向和价值观念而被构建出来的。
这可能是大部分数据从业人员不愿意承认也不愿意告诉傻白甜的商家们。在自认为客观的数据背后，其实掩盖了消费者价值观念。他们为什么买了这个，买的时候是因为很喜欢就立刻买了，还是因为没得买于是不得不选择呢，买了后还喜欢吗?
小米抢来的消费者之前没得买只能买“中华酷联“，他们本身就不是”中华酷联“的big fan。小米不能因为“中华酷联“的购买者占了千元机的80%，就去做一个高10个级别的“中华酷联“，做着火遍全国的美梦。雷老板因为弄清楚了消费者的价值观念，他做的是低100个等级的苹果，于是成为了年轻人的dream phone。
数据分析的结果看似客观公正，但其实价值选择贯穿了从构建到解读的全过程。我们更应该注重的是如何弄清楚消费者的价值选择，行为背后的态度，态度背后的成因。
当我们这些调研及数据分析的行业内人士可以正视目前大数据分析的边界，并尝试做一些改变，那从IT时代迈入DT时代，就不远了。
