演讲干货丨大数据的“上半场”与“下半场”

【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》

导语：科技放大了我们的能力，但是也同时增加了我们的烦恼。我们要用数据做更精准东西的时候，会发现数据的质量非常重要。

从PC互联网到移动互联网，再到智能互联网，技术背后更多体现的是解决问题的思维方式的变革。

当大数据被广泛应用并逐渐走到下半场的时候，对于公司或产品，我们面临怎样的机会和问题，我们又当如何科学的对待?

红杉资本中国基金专家合伙人、原阿里数据委员会会长车品觉，在上月举办的第十一届艾瑞上海峰会上发表题为《大数据，颠覆存在与思维》的演讲，他说人类的经验和数据的驱动应该更好的相处。

• 不用担心当数据驱动这个世界
• 会把人类的经验消灭掉，
• 人类的经验和数据的驱动
• 两者之间是相互的。

大数据，颠覆存在与思维

我们总说，我们经历了从PC互联网时代到了移动互联网时代，还会经历智能互联网时代，但很多人不理解什么是“智能”。

那么现在到底发生了什么事情呢?以前我们很难说服公司的每个部门去主动搜集数据，甚至当我们开始做大数据的时候，我们公司里面还讨论“我应该收集什么”。

而现在，我们希望能够更准确地分析信息，更准确地做判断，通过深度学习，我们希望快速从错误的信息里找出对的东西。这些都是现在正在发生的。

当数据量特别大的时候，万物的连接，主动的数据收集，这是上半场;而下半场是怎么准确进行判断，把数据变成行动。

说的更通俗一点，从前人类想我到底能不能活得更久一点;而现在，除了这一点之外，人类在想我能不能把平均IQ提升到160，这就是上半场与下半场的区别。

需要治理的数据

最近不断有大集团打电话给我说：车总，跟我们讲讲数据治理吧，我们想知道你从头到尾是怎样思考的。这些老板提到了一个概念：数据治理。

公司数据遇到的大部分困难是公司内部的打架，因此大量数据没有办法整合在一起，可能四五年内都没有办法。100PB、200PB、300PB的数据，再不治理就真的吃不消了。因此数据治理是非常关键的点。

除了数量，数据的质量也非常重要。比如阿里金融和其他数据部门总是为了一件事争论不休，就是因为阿里金融需要的数据质量是非常高的，但是其他部门给出的数据经常没有考虑这些，这都是数据治理的问题。

其实当数据量增加的时候，你就会发现它的精准度在提升，当然数据量的增加是指来源的增加。但有些问题必须要很精准，90%准确度和95%准确度本身就是非常大的分水岭。

还有一些事情也是下半场开始出现的。比如我们身体反应出的一些数据，我们今天的表情到底是开心还是不开心?即“情感的数据”。由此可想象数据的复杂性，到了下半场你会发现你根本没有办法去找到这一类的数据。

我们除了说数据量一定要大，其实还有一点也很重要：核心数据。这意味着，当你拿到这些核心数据的时候，数据量可能并不需要那么大了。

大数据不止于“大”

你遇到的问题到底能不能用大数据来解决?

根据我们过去的经验，我们今天准备用数据解决的问题如果没有足够的发生次数，如果只是偶然或者低概率，大数据就没有办法处理。但如果它的发生次数足够多，我很快就能知道我推荐的东西到底是对还是错的。

如果想通过数据看到很准确的信息，这需要依据数据的量以及我们对这个业务的理解有多深。

有时候会有投资人拿着一家比较小的公司的数据给我说，这个公司有很大量的数据，大概MAU在1亿多，但我说这不是大数据，为什么?

***，这些数据里面有多少是可以和我匹配的?不妨想一下，如果你有100万的用户数据，那么有百分之多少的数据能覆盖?如果1亿多的量，一般超不过50%。这是***个问题;第二，如果我给你100万的数据你知道他是男的还是女的吗?准确度在90%以上吗?

如果不能回答这两个问题，那就不是大数据了。量和量之间的连接是非常重要的，在这个前提下你才可以做融合。比如一个人今天到你店里去买东西，那么你知不知道他之前去过什么店、看过什么东西?匹配、相关、全面，第四点最重要，新鲜。到底你的数据能做到有多新鲜，这是非常重要的。

挑战与机会

我们要解决的问题通常是两种：***，我们非常清楚问题是什么;第二，我们不是很清楚问题是什么。换句话说，一个问题是数据很集中;另一个问题是数据很零散。

我们现在可以做的大数据方案都是数据很集中，而且问题很清楚，否则没有办法解决。如果数据很零散，你可能要用大量的算法，但如果数据很清楚，问题很清晰，算法不重要。

但是大数据的机会反而是来自今天的离散的数据。

• ***个机会：我认为将来有很多数据的创新是来自这里：数据创新、算法创新、服务创新，把三层分开;
• 第二个机会：很多数据太零散了，所以需要有一个第三方进来整合这些数据;
• 第三个机会：今天***的问题是政府数据的开放，不是不存在，但是质量相对较差，没有标准化，比较零散。

我认为这是BAT以外***的数据量，而且可能是非常重要的一块。怎么样可以把这些数据的产能释放出来，这是一个挑战和机会。

数据的标准化

当年发现阿里数据很大的时候，我们发现大量的数据是重复的，特别是ODS层的数据，越底层的数据处理应该是越统一的。

如果不做标准化，随着公司对数据的重视，就会“百花齐放”：结果就是乱，可能需要重做。

你们做的是Data Stitching，把它连起来，让它能使用，让中间人用Machine来使用。一种是可视化分析，另外一种是用服务的产品，还有智能的东西出现。这样的东西面对的是什么呢?最终的用户是政府、公司和个人。

在世界互联网大会上联想提到以前是终端，现在中间那块做得比较厚，Data、算法、服务。尽管数据驱动非常厉害，但是依然会有经验的驱动，人还是要告诉机器“你要去哪里”。

不用担心数据驱动这个世界将会把我们人类的经验消灭掉，人类的经验和数据的驱动两者之间是互相的。