有人說，大數據就像國王的新衣，每個人都在國王面前說著動聽的話，國王信以為真，竟然不知道自己在裸奔。用數據的人不知道大數據從哪裡來，做數據的人不知道大數據如何使用。用的人不敢用，因為大數據的真實性；做的人不知道怎麼用，因為大數據的複雜性。這一問題造成的結果就是，數據量變得愈來愈大，而且愈來愈無法有效使用。
好的問題，答案就在裡面。
在實踐中提煉數據。
讓數據（data）變成科技（technology），惠及更多人。
讓數據跟著人走。
缺乏數據品質，任何數據都是浮雲。
以「假設數據是可獲取的」去思考問題。
大數據安全，不是監管。
利用數據拿到更有用的數據。
建立數據的數據，才有進步。
讓人做人擅長做的事，讓機器做機器擅長做的事。
只會談大數據不會做
有人說，大數據就像國王的新衣，每個人都在國王面前說著動聽的話，國王信以為真，竟然不知道自己在裸奔。
的確，網路上有很多人在談大數據，但是他們只會談，不會做，因為他們根本就沒有做過，包括那些所謂的大數據專家，他們真的做過嗎？沒有。
事實上，這些人對大數據內在的問題一點兒都不了解，更別說知道大數據的水有多深了。
目前，在大數據方面，無法深入應用的原因在於，從收集到使用的大數據價值鏈出現了問題。從理論上來說，收集到使用的螺旋式循環是個巨大的渦輪，只有先數據化營運，才能營運數據。而現在的情況是，用數據的人不知道大數據從哪裡來，做數據的人不知道大數據如何使用。用的人不敢用，因為大數據的真實性；做的人不知道怎麼用，因為大數據的複雜性。這一問題造成的結果就是，數據量變得愈來愈大，而且愈來愈無法有效使用。
大數據不是免費的午餐
我先問一個數據管理上最現實的問題：「大數據如何備份？」毫不誇張地說，大數據已經這麼龐大了，如果再備份一次，你的成本起碼會增加一倍。
做大數據基本上要從大量收集數據開始，因為這些數據在未來會大有用處。但是，你不可能無止境的收集。在這裡，你已經看到了一個再清晰不過的偽命題——大數據的確能夠備份，但是成本會增加兩、三倍。然而，「以前重要的數據一定都需要備份啊，」你自然會問，「如果不能備份，我該怎麼辦？」這就是大數據管理中必然要遇到的問題。
我再問一個問題，如果你在數據使用方面一直得心應手，整個商業鏈條和數據緊密相關、相輔相成。但是，現在數據鏈忽然斷了，或不再有效，你該怎麼辦？
你需要注意的是，這個問題說的不是你有沒有使用好數據，而是說曾經你可以得到的數據現在無從獲得；或者這些數據無法在線上收集，只能從線下獲取，成本也相應提高了；抑或是，這些數據儲存在其他地方，你不能使用了。在諸如此類的情況下，你該怎麼辦？
當然，如果你對於數據的使用本來就很生疏，而且也覺得無關緊要，那麼數據鏈消失、失效、斷了，你也不會有太大煩惱。但假如你使用數據正得心應手，如果出現這樣的問題，你也只能束手無策，眼睜睜地看著機會溜走。
大數據從來不是免費的午餐。關於大數據的新問題層出不窮——大數據會夾雜虛假資訊；大數據的數據量很大，但有用的資訊不一定多，甚至還會破壞核心資訊；大數據的來源是多管道的，偏倚、隨機的誤差總是存在。
但是，我們也需要客觀認識到，大數據現在面臨的這些問題，其實就是把小數據中的一些問題放大了。小數據中難道就沒有噪音會破壞我們的核心資訊嗎？當然也有，只不過當大數據把數據量放大和變多的時候，噪音的破壞性也相應增大。小數據中難道就沒有管道偏倚和隨機的問題嗎？當然也有，但是在大數據的背景下，問題就被更明顯的放大。
大數據的斷層
說了這麼多，還沒有觸碰到如今大數據面臨的最大問題：人。
很多人都會問，大數據能帶來什麼價值？如何衡量大數據創造的價值？事實上，最直接的衡量標準就是，在經營上大數據為你賺了多少錢，帶來多少實際的利潤提升。
對於這個問題的解決，現在很多人最傾向使用的方法是計算「用了大數據之後，點擊率提高多少、轉換率提高多少」。但是，轉換率和點擊率能提高的數據，可能根本不是投資人或公司最高管理者對大數據的期望。對業務人員來說，轉換率能提升5％就已經非常好，如果將轉換率從2％提高到3％，簡直就是奇蹟，但對於公司最高管理者來說，也許這並不是他想要的大數據。
你需要認識到，斷層才是大數據所面臨最嚴重的問題。現在，收集數據的人並不清楚未來使用數據的人要做什麼，這是目前大數據的一大關鍵。
在使用大數據時，通常是先收集數據，因為我們知道在未來的某刻，這些數據對我們可能有用。不過，「未來可能有用」注定會引發一個問題——收集數據的人不知道未來使用數據的人要做什麼。這時候，如果你再問收集數據的人「如何才能更好收集數據」，數據的使用就會陷入一個僵局。
事實上，不僅是收集數據的人，就連設計數據模型的人，同樣也不清楚當前的數據如何獲得。設計數據模型是數據使用的關鍵過程，也就是根據以往的經驗，從中找尋潛在規則，再結合這些規則以解決問題。
大數據的關鍵思考
舉例來說，我現在身上只有10元，我可以買一本雜誌，也可以坐幾次公車，或者買泡麵充饑，這三種選擇在一般情況下都可行。但是，如果再加上一個「我沒有吃早餐」的場景時，在以上三種可能性中，我選擇吃泡麵的機率自然會比較大。這其實就是一個簡單的模型——輸入「擁有10元」和「沒有吃早餐，肚子餓」這兩個場景，輸出「買泡麵」這個結論，幫助我們快速選擇一條解決之路。
選擇「吃泡麵」的場景雖然看上去很簡單，但同樣是一個經驗的總結，這個經驗就是「肚子餓了要吃飯」。把設計數據模型這個過程說得更複雜或專業，就是基於很多過往的經驗總結，或者是發現舊有數據使用的規則，將經驗和數據相結合，最後輸出可以被套用的業務規則。
不過，此時負責設計數據模型的人，不一定完全清楚數據如何產生，這是客觀存在的難題。就大數據研究而言，很多時候使用他人的數據，而他人的數據又如何保證完全清楚了解？
現在，關於運用大數據，流行一個例子：我在搜尋引擎中發現某個地方搜尋「感冒藥」的頻率非常高，於是，就斷定這個地方可能出現流行性感冒。而這個數據來源從何而來？雖然知道很多人搜尋「感冒藥」，卻完全不知道在搜尋引擎中搜尋詞語的人是誰。而提供數據的人既沒有責任告訴我數據怎麼來、品質如何，更不必告知數據會不會有偏差。結果，研究數據的人完全不清楚數據的來源。
數據來源的不確定性
當使用模型的人不知道模型數據從何而來時，使用模型的角度會依情境而變。例如：今天你要到杭州的淘寶城，有人告訴你，「今天應該從文一西路過來。」你問原因，他回答說：「因為模型這樣提供路線。」他不會跟你解釋，因為下午2點到4點，從文一西路走比較快。此例就是模型使用的一個情境，選擇文一路則是模型的一項輸出。那你要不要走其他的路？走文二路或文三路？但，此選擇的結果就未知了。
模型對很多人來說是一個黑盒子，充滿神祕性和未知性。所以，即便是模型設計者將模型公開，也會因為設計者和使用者專業能力和知識背景的不同，使二者之間出現資訊不對稱的情況，使用者自然也就不知道為什麼會選用此種解決方法。也就是說，設計模型的人可能不知道此種模型效果好不好，而使用模型的人也不知道該如何回饋使用結果。如此一來，這種資訊不對稱會愈來愈嚴重。
這一問題恰恰體現了如今大數據實踐中非常嚴重的斷層問題——不只是收集數據的人不知道將來的人怎麼使用數據，就連設計模型的人也不知道自己所採用的數據在未來是否穩定，而使用模型的人也不知道數據的來源或加工過程，這些都是普遍存在且很現實的問題。
從公司管理層的角度來看，投資人了解數據的意義是什麼嗎？高階管理者對數據的期望和中階管理者之間又有什麼不同？他們知道數據能幫助企業做什麼嗎？這些問題的答案完全會因立場而異。
中階管理者大都不知道數據能幫助他們什麼，他們沒有管理者的視野，相較之下，只需要告訴他們，數據能解決什麼問題即可。相反，數據分析師可能會更加困惑不解：「我做了這麼多東西，為什麼你們不用？」
每個層級和功能部門都是個斷層，而且對數據價值的內在衡量都不一樣。所以，當我們講到數據價值時，沒有人能對此給出合理的定位，原因在於有幾個關鍵問題沒有區分清楚。一、這是誰心中的數據價值，投資人、管理者、中階管理者、數據分析師對數據的價值自然不同；二、數據的分類，不同類型數據所產生的價值各不相同。為什麼我們在大數據應用上存在障礙，一個重要的原因在於，應用人員對於數據價值和數據分類沒有明顯的界定。
更主動的管理和創新
在當下的大數據環境中，數據與商業模式密不可分，每個人都認識數據巨大的經濟價值，但今日的大數據發展趨勢之快，對很多公司而言，變得更加虛無縹緲，難以掌控，讓每個人抓狂、手足無措。
在這方面，阿里巴巴已經對數據化營運做了不少有益的嘗試。從2005年開始，淘寶有了第一個數據分析師，並一直致力於用數據說明企業營運和解決問題。但在不斷使用數據的同時，也發現了數據本身的問題——大數據需要更主動的管理，也需要更多的創新。
數據化營運就是用數據解決問題，如果想把數據做得更好，解決更多新的問題，就需要去做一件從未做過的新事情——營運數據。對於阿里巴巴來說，這件事情是從2011年才有計劃的進行，企業主動收集數據，並且以此創造更優質的新數據，讓新數據更好服務於企業的營運。這是個「從用數據到養數據」的過程；也是個「從數據化營運到營運數據」的過程；更是一個「從看到真用」的過程。
從數據化營運到營運數據是一個循環，今天的電子商務企業正走到了其中的一個節點。在經歷了起初大數據的喧囂之後，大家終於感受到，要使大數據產生真正的商業價值，我們要關注的內容並非是海量數據規模（Volume）、快速的數據流轉和動態的數據體系（Velocity）、多樣的數據類型（Variety）和高數據價值（Value）這4個V那麼簡單，應該將焦點放在如何真正落實數據，提升數據化營運至商業管理的能力。〈本文選自全書，曾琳之 整理〉
作者：車品覺
中國大陸大數據實踐的先行者、數據觀察家。現任阿里巴巴集團數據技術及產品部副總裁、數據委員會會長。
擁有十多年豐富的數據實戰經驗，在實踐中形成了獨特的數據化思考方式，對電子商務未來趨勢有獨到見解。曾先後在滙豐銀行、香港電訊盈科、微軟、eBay等多家著名跨國公司擔任總監；曾任敦煌網首席產品官，創立第一個以外貿交易平台為核心的搜索引擎。
擁有多元化與國際化的教育背景。生於香港，在美國、英國、澳洲等地接受西方教育，曾於新南威爾斯大學、史丹佛大學、歐洲工商管理學院(INSEAD)商學院及清華大學經管學院等世界一流學院進修。
「桑珠助學」公益發起人，助學團隊迄今在甘孜資助的學生已達六百餘人。
出版：天下雜誌出版
書名：大數據的關鍵思考
目錄：
推薦序 用數據解決企業問題的高手 陳嘉鐘
管理者應用大數據的態度 洪小玲
各界推薦
自 序 遍地大數據的未來黃金十年
前 言 忘掉大數據
第1部 從數據化營運到營運數據
01 只會談大數據不會做
大數據關鍵思考：問題就是答案
02 還原使用者真實需求
大數據關鍵思考：CEO關心哪三項數據
03 「活」數據才是大數據
大數據關鍵思考：別再做「碰巧遊戲」
04 大數據的顛覆者──行動數據
大數據關鍵思考：樣本的偏見
05 什麼才是核心數據
大數據關鍵思考：用傻瓜的視角觀察
06 從用數據到養數據
大數據關鍵思考：遠離「或」選擇
07負面數據的力量
大數據關鍵思考：為什麼數據會騙人
第2部 阿里巴巴的大數據秘密
08 大數據實踐
大數據關鍵思考：先開槍後瞄準
09數據化營運三訣竅──混、通、曬
大數據關鍵思考：思考，要學會關窗口
10營運數據三絕招──存、管、用
大數據關鍵思考：用化骨綿掌解決本質問題
11 未來商業的利器
大數據關鍵思考：忽略趨勢，過去的價值一文不值
結語 開啟屬於個人的大數據管理
後記 像李小龍格鬥般思考
致謝 在修行的路上，不要單打獨鬥
附錄 回應台灣讀者的七大問題大數據，跟誰都有關係
