看那些大数据的猪在跑~

程序员：微软，CSDN，Momenta，业余时间讲课。

最近几年来，市面上有不少关于大数据的宣传，凡有饮水处，都能听到 “big data“， ”data driven decision making” 等等高大上的词汇。我在中关村街头看见有人在遛大数据的猪，也吃过大数据的猪肉，饱食终日，也想分享一些零碎的感想。

0. 大数据的好处

【此处略去 250 万字】

1. 古已有之。很多现在流行的道理，国人往往说古已有之。 “数据驱动决定”也不例外：

... ...先诳之曰：“与若芧，朝三而暮四，足乎？”众狙皆起怒。俄而曰：“与若芧，朝四而暮三，足乎？”众狙皆伏而喜。—— 《列子》

虽然都是七个“芧”，但是朝四暮三会导致用户爽，那一定是有道理的！

2. 自己的数据和别人的数据

大部分人对自己的如雷鼾声听而不闻，倒是别处有什么小响动，就坐卧不宁，说影响自己休息。一些大公司的经理经常转发一些其他产品的成败分析，最新动向，谣言等等，但是自己产品的用户发邮件来抱怨，却没人处理。

3. 数据的可见性和成本

当我们谈大数据的时候，很多人的第一反应是，希望看到更多的数据，甚至所有的数据，因为看到了所有的数据，就能做决定了。

例如，两个人在下陆战棋，你不知道对方的具体兵力部署，的确不好做决定。但是，要看到对方的数据，需要多少成本呢？你可以用排长，连长，营长去实验，但是这样的实验是有成本的。

有时候自己人传递数据，处理数据也是有成本的，我们以前小伙伴们在学桥牌的时候，如下图，本来南北双方已经叫到4黑桃了，不料南方又叫了一个新花色 “5 草花”！后来双方总结的时候，南说 “我想表达一下我的草花也挺好...” 但是，表达是有成本的，这意味着双方又要为此在 5 阶上面寻找合适的定约，增加了许多没必要的风险，最后牌局打宕了。

(下图只是一个示意)

大家都希望看到所有数据，那好，下图给你看所有的数据，这回所有的棋子都没有遮掩，双方的信息都是公开的。那么，这些数据展现了什么规律？下一步黑棋应该怎么走？

（这是最高等级的决赛，请读者慎重考虑。实战中，黑棋的下一手考虑了 2 小时 57 分钟，然后一招制敌。这位棋手的大脑在将近 3 小时的时间里收集了什么新数据？计算了什么？）

4. 大数据和第一感

一叶落而知天下秋。这是大数据么？如果大数据的专家坐镇，要看到多少落叶，到什么时候才做出 “data driven” 的判断 -- 秋天到了！
大数据，有人觉得大和纷乱，有人第一感就能看到问题的实质。例如 @winter 讲的故事：

为什么寒冬的同学能看到 1048576 是一个整数？他的第一感从哪里来的？从娘胎里来？背诵某个原则而来？不，因为他动手、用心处理了很多计算机相关的数字。

5. 大数据、把握和时间

如果有时间，我们总是可以得到更多的数据。有积极的员工提出新想法，建议在某一个局部先试验，当然这需要资源。其他人反对说， 你有100% 的把握么？ 哦，没有？不然继续收集数据，等到有了我们再讨论。

等到有充分数据的时候，就是竞争对手已经占领市场，大势已定，各路专家都写文章分析它的成功经验的时候。这时，你拿了数据给领导看。领导说，嗯，有道理啊，当然，我们这个时候再进入这个市场显然已经太晚了。。。

篮球场上，有队员要投篮，他的队友不是各自做好准备抢篮板，或者补位，而是问你， 你有100% 的把握投进么？ 如果没有，那就传一会球吧，千万别 “风投”。。。篮球比赛有24 秒的进攻时间限制。大公司往往没有这样的限制，在大公司工作的人可以永远头脑风暴，收集数据，分析数据，把传球过去，别人又传过来，这样就能度过好几年。事实上，别人在市场上已经打了好几个来回了。

6. 记一次 SMART 的大数据项目

王屋村进驻了几个大数据专业的实习生，他们品尝了当地特产芝麻烧饼之后，都赞这些烧饼外焦里嫩，焦得金黄，带有芝麻的香味。吃完好多烧饼之后，大家打着饱嗝，看着桌面上的芝麻粒儿，决定要对它进行大数据的剖析和改进。首先，最容易数据化的，是芝麻粒儿。“最关键的，是要问出好问题”， 他们从课堂笔记中画重点的字句里抽出这句话，开始了一系列当地人从来没问过的问题：

一个烧饼表面附着有多少个芝麻？
当烧饼没有附着任何芝麻的时候，是不能叫“芝麻烧饼”的，当烧饼的芝麻数到了N 个，用户就会说这是“芝麻烧饼”，那么，N 是多少？
小组的目标是：求出N，并优化。

他们从MBA 和大数据的教材中，论证了这个项目是SMART 的：

Specific: 针对一个具体的问题，避免过于宽泛的 - 王屋村新农业改革前景展望，等问题。
Measurable：可以衡量的，而不是笼统的 “好吃”，“有嚼劲”。
Actionable: 可以具体操作的 - 增加或减少芝麻的数量，非常可操，操的过程可跟踪，可衡量。
Result: 有结果的，这个活动可以优化资源，减少芝麻的浪费。
Time: 有期限的，实习期三个月就要搞定。

他们看到这个项目是SMART 的，于是就报告领导，领导看到的确是SMART 的，就认为是好的。开始行动。他们在三个月的时间内实验（吃）了各种芝麻量的烧饼，并采访用户，衡量用户味蕾打开程度，做广泛的用户调查，跟踪芝麻在消化系统的生命流程，等等。

最后，他们用最高级的 Mac 笔记本电脑上的 Keynote 软件分享了他们的大数据芝麻烧饼的建议：

N = 7.5

只要七颗半芝麻，用户即认同这个烧饼是 “芝麻烧饼”。为何要有半粒芝麻？
因为大数据的平均值就是这样，同时，我们要做到极致，让用户看到烧饼上的半粒芝麻尖叫！

然后他们带着感恩的心，用技术了改变世界的的喜悦离开了王屋村，还打包了很多烧饼。

7. 大数据是手段还是目的

有些读者可能以为上面的例子太极端，其实在现实生活中，比这多彩的例子多了去了。数据是我们的手段还是目的？

曾经有一个小软件，这个小软件可以出现在PC 桌面的不同位置，给用户带来一些价值，用户反馈还不错，但是还可以做更多的事情。后来产品组的PM们想通过各种实验来了解不同位置对用户的变化

界面初始是隐藏的 | 不隐藏
在任务栏中显示 | 不显示
有时主动弹出窗口 | 永远不弹出

人们用常识就可以知道，如果这个App 不断地出现在用户的视野中，用户就会用得更多，但是也有用户会觉得烦，而卸载这个App。但是好奇的PM们想知道究竟是多少，于是我们做了各种试验，过了好几个月，好了，我们知道了具体的百分比，的确是和常识差不多。

那现在怎么样呢？下一步怎么办？怎么赢得用户？

大家讨论了一会，没有什么办法，最后这个项目也不做了。如果我们把做各种实验的时间花到给用户提供更多价值上面，是否会更好？

我们做软件的目的是赢得用户，不服务这个目标的东西都是耍流氓！

8. 当你有很多数据，但是没有洞察力的时候

KK说 - 当你对互联网一无所知，却试图通过数据来弄懂互联网，那么你很自然地会得出结论：互联网是用来传输广告和黄色内容的。

(凯文·凯利（Kevin Kelly ）访谈－－想法来自何处？)

很多人天天读报，但是读出了下面的洞察力了吗？

-- 《1978，中国命运大转折：邓小平改变中国》，叶永烈著，江西人民出版社，2008年5月

9. 如何搞到数据和洞察力

在一个平行世界中，亨利福特在研发汽车的时候，他去找当时的主流用户 -- 马车夫 -- 做大数据研究。

他和马车夫同吃同住同生活，他收集大量的数据，例如马粪。他在深夜和众多马车夫喝酒，开头脑风暴会议，分享了无数劳动人民的黄色笑话。马车夫杰克的畅想深深地打动了他 —— 如果马又能跑，又不会吃草，就好了。福特先生在实践中是怎么做的呢？

1936年，30岁不到的彪哥已经在创业公司干了9年，主管一个大产品团队。他如何搞到数据的呢？是靠新招来的项目经理写PPT 么？请看：

来自《岁月艰难吴法宪回忆录》131页。

接地气，和层层外包的地气

当我开始做互联网产品的时候，我对互联网威力还是相当期待的。我们的紧密合作伙伴有一个微博账号，显示有20万粉丝，我们想这一定能大大地帮助我们的产品推广，并收集反馈。后来，这个账号发布一些产品消息的时候，下面的确有一些转发，我一个一个地看过去，这些转发的文字说的也是中文，几乎没有负面反馈，但绝不是用我们习惯的语气，看了几回，我不得不相信 -- 这些都是营销账号写的。

后来我和真人聊了几次，真实的故事很可能是这样的：

某公司说 - 要有社交网络的账户！收集大数据！
-负责的经理说，我太忙，要整天思考产品的方向，把账号外包出去吧！
----于是某外包公司接过了这个工作，KPI 是要有20万粉丝，发帖平均有20 个回帖。
-------外包公司的目的很明确，如何用最少的成本，达到这些KPI?
---------于是把这个再次包给一些廉价的 ”枪手“。

后来这些KPI 都达到了。但是真实的产品反馈，和真实的数据呢? KPI 没有要求啊。

10. 没有数据的地方

跟着数据跑，有这么大的错误么？不至于吧？！数据在哪里，公司的生意就在哪里，这有错么？

这当然是有价值的，我在第 0 条就说了大数据的 250万字的好处。你看小朋友们踢足球，球在哪里，他们就聚集在哪里。这至少给大家一种参与感。那么职业的选手怎么踢球呢？

我们看看 98 年世界杯荷兰 vs. 阿根廷的比赛：

荷兰队球员弗兰克-德波尔开了一脚长传，他传球计划的落点上，没有自己的队友，也没有防守队员，那是一个没有数据的地方。但是，当球落下的时候，自己的队友就到了。