這些年來，大數據(big data)的研究者像一個大寫的直男癌晚期患者，一直沒說過幾句人話，奉行精英主義，脫離大眾。

大數據是基于每個樣本提供少量數據，樣本量和采樣次數極大導致數據量大的情境產生的數據分析行業。現在真正能說掌握大數據、有分析大數據的技術的公司不過Google、阿里巴巴等極少數的幾家公司。比如用戶規模以億計的阿里巴巴從每個用戶處采集數據，每次采樣的有效數據量應當不會超過KB級別，再把原本的數據里包含的用戶行為信息以更加清晰的方式呈現出來，比如用戶買了什么、買了多少、多長時間來買一次、每次花多少錢。

如果把大數據對應到海量的數據，那也相當于變成信息的同義詞，顯然也就很難回答信息到底能干什么這樣的問題。

著名商業思想家納西姆?塔勒布(NassimTaleb)在《黑天鵝：如何應對不可知的未來》中曾提出，我們掌握的數據越來越多，可以發現的統計上顯著的相關關系也就越來越多。這些相關關系中，有很多都是沒有實際意義的，在真正解決問題時很可能將人引入歧途。這種欺騙性會隨著數據的增多而呈指數級地增長。在這個龐大的“干草垛”里，我們要找的那根針被越埋越深。

使用數據分析、人工智能的人類，需要找的那根針到底是什么?

用數據驅動運營每個環節，提升效率。

然而，除了孕育出大數據本身的幾個領域比如搜索類“地主”以及一些賣消費者數據的平臺，買家們卻并沒有從大數據中獲得可見的收益。但這些泥古不化的人們啊，大數據的商業從業者依然沉浸在樂此不疲的收集消費者在各維度的行為數據，再集合起來做數據挖掘、數據分析。技術大牛帶著一幫程序猿在各種算法與公式的背后想一探究竟。他們瘋狂得在論證“此數據”與“彼數據”應如何連接，再從中做各種分析，以“客觀、權威、精準”得算出來消費者行為的起心動念，試圖教育商家應該如何吸引消費者。

正如哥德爾第一定律所說，任何一個體系凡是自洽的，必是不完全的。一個運轉有效的體系，其內部必定邏輯自洽，但凡是邏輯自洽的體系就一定有邊界。落實到企業上就是當一個企業在某個點上做的很強，其背后就必然會有一種價值網絡來為此做支撐，這種價值網絡也就決定了這個企業的能力邊界，邊界之外就是這企業的盲區。

我們需要逃逸原有價值網，去思考邊界在哪兒，應該如何改變以提升數據的應用。

我們并不曾見雷軍在開始小米集團的千秋大業前發起一個全國大調研。他只是開了一個小米論壇，聚攏了一幫屌絲消費者與技術宅，問問用戶你們對當前手機有何不滿，還派小米技術大牛親臨論壇撩撥幾下，再讓消費者吐露心聲。

我們假設雷總是京東買了數據，那他會發現4000元以上的的消費力是買iPhone的， 1000-2000元的消費力中，男性消費者最愛的是華為低配機，女性消費者最愛的是oppo音樂手機。

天吶，要是雷老板將目標或競品鎖定為中華酷聯(中興、華為、酷派和聯想)，我們就不會看到今天的小米了。

雷老板并沒有從過去的消費者購買行為數據中分析消費者最愛的是什么，他直接去問了。

他敏銳的發現不論消費者在抱怨聯想手機丑還是技術宅在驕傲的拆解蘋果手機中“不適合國人“的非人性化設置，他們閃爍的大眼睛都在說：“我挺看不慣蘋果裝逼一族，但是我也想裝逼，怎么辦?“。

于是，我們有了小米，不僅在功能上超出用戶預期(注意，不是自己設置的功能目標，也不是超越競爭對手的功能目標，而是滿足了用戶心里想要的)，且為手機賦予了“發燒友專屬”、“勵志”、“酷”等諸多情感屬性。小米的重點不是更大的屏幕，信號更好的雙卡雙帶，更持久的電池，而是年輕人的手機，成功得將屌絲機變成了青春機，給用戶超出商業價值的、強烈的情感體驗。

作為一個調研、數據行業的十年多創業者，我不得不說，多虧雷軍沒去做數據分析才打破了國產手機的Low逼局面。

我們原有的價值網是從各行為數據中得出結論，應用于經營分析管理和營銷運營推廣，即使這類分析通常很艱難。而且從一定量級的數據收集到龐雜的數據分析來看，他們的商業應用注定是要付出很高的成本的。然而，為什么大家如此依賴并全盤相信這套體系?

因為分析師告訴你，這些數據是“客觀、權威、精準”的。

正如我前面所言，邏輯自洽的體系必然有他的邊界。《原始數據只是一種修辭》書中早已指出：數據從來都不可能是“原始”的，數據總是依照某人的傾向和價值觀念而被構建出來的。

這可能是大部分數據從業人員不愿意承認也不愿意告訴傻白甜的商家們。在自認為客觀的數據背后，其實掩蓋了消費者價值觀念。他們為什么買了這個，買的時候是因為很喜歡就立刻買了，還是因為沒得買于是不得不選擇呢，買了后還喜歡嗎?

小米搶來的消費者之前沒得買只能買“中華酷聯“，他們本身就不是”中華酷聯“的big fan。小米不能因為“中華酷聯“的購買者占了千元機的80%，就去做一個高10個級別的“中華酷聯“，做著火遍全國的美夢。雷老板因為弄清楚了消費者的價值觀念，他做的是低100個等級的蘋果，于是成為了年輕人的dream phone。

數據分析的結果看似客觀公正，但其實價值選擇貫穿了從構建到解讀的全過程。我們更應該注重的是如何弄清楚消費者的價值選擇，行為背后的態度，態度背后的成因。

當我們這些調研及數據分析的行業內人士可以正視目前大數據分析的邊界，并嘗試做一些改變，那從IT時代邁入DT時代，就不遠了。