大数据能不能“预测”所有问题？

大数据已经在生活中无处不在：早上出门查天气,点外卖(一般选销量最高)，投简历(有自动生成的竞争分析)...我们似乎就是生活在满天飞舞的数字串信息世界里。

根据人类技术学专家 Tricia Wang 的调查，尽管大数据是世界上高达1220亿的投资产业，但73%的数据没有任何回报。大数据的投入越来越高，但是能帮助我们做出理想的决策，却越来越难。甚至相反。比如诺基亚。

2009年，正是诺基亚处于巅峰的时候，苹果刚刚出，随后紧跟安卓。诺基亚拥有全球最庞大的用户数据，从美洲，欧洲，到印度，中国，他们甚至能预测到哪些人在多少时间内会买一台手机。

但是，结果出人意料，苹果，安卓进入智能机领域不到两三年工夫，诺基亚迎来了毫无征兆的滑铁卢。

Tricia Wang为了了解大数据背后的问题，亲自来到中国同吃同住，深入民间。她惊讶的发现，在中国即时是三四线的小城市，连吃饭都成问题的人，都会想办法买一台智能手机，即使是山寨。智能手机已经深入人心。她看到了这个大数据忽略的问题：智能手机，必将成为不可阻挡的趋势。

但这一切，诺基亚并不买账。诺基亚官方对手里的大数据很有信心。后来，就没有后来了。诺基亚成为了历史。

这就是大数据带来的量化偏误（Quantification Bias ）。在大数据面前，我们常常忽略了真相，而增加了以为知道一切的假象。

因为数据分析在精细，一旦涉及到人性本身，就再难”预测“了。建模本身不是万能的。人如此复杂，再加上外界事物几乎层出不穷，瞬息万变。人性的不可测加上诸多难测的变化因素，让大数据不但可能测不出，而且还导致我们不能察觉的错上加错。

不知道怎么用，是大数据分析的难题。

而网飞公司（Netflix）就是一个典型成功的案例。网飞刚注册的主要业务是租赁影碟，做的风生水起，但是当时很火的租赁却又一个弊端，用户如果不小心逾期，就不得不交高昂的违约费。而这正是大部分影碟商的主要经济来源。网飞从中看到了商机，并且手中也拥有庞大的用户数据。他请来一位专家Brant McCracken做了分析，发现用户特别喜欢连续看片。于是网飞请来了技术团队，重新改革了以前的模式：不在出各种不同类型，不同题材的片子，转而专工同一系列，让用户一次性可以看完整部。

仅仅因为这一洞见，一举颠覆了美剧的消费方式。网飞的股价再次起飞。这就是大数据和厚数据(Thick Data)结合后的完美结合。

所以我们不仅需要像对基因组，用户体验这样的大数据（Big Data）分析，更需要有对实际考察后，结合人的发展变化等因素的更精细化的数据（Thick Data）,指明方向，纠正单纯大数据带来的偏误。这样才能把数据+人完美结合起来。

量化偏误实在是一个不小的Bug,最要命的是，“偏误”，就意味着，我们并不知道。大数据让世界更自动化，数字化，信息化，但是同时也不知不觉忽略了“人性”这个最核心的因素，光靠大数据分析出来的一个“结果”真的可靠吗？如果没有加入对于人性这一方面更具体的结合，这样得出的机械性的结论会不会只是加大了量化偏误呢？

家家云，让世界更懂你