大数据分析，到底分析了啥？

大数据分析到底分析了什么？大数据是否如同我们平时所说的那样简单？本篇文章中，作者从源头分析大数据，介绍了大家的误区，也系统地讲解了大数据分析究竟是什么，推荐想要了解大数据分析的读者阅读。

“大数据”这三个字已经被喊烂了，“大数据分析”也经常被人提起。可到底什么是“大数据分析”？为什么大家喊得很多，平时工作中却很少感受得到？今天来系统讲解一下。

一、普通人理解的“大数据”

普通人理解的大数据可谓千奇百怪，比如：

• 一个excel文件 200M，多大的数据呀！
• 我国人口14亿，这个数据好大呀！
• 震惊，我刚看了车，就有4S店推广电话，肯定收集了我的大数据
• ……

这些千奇百怪的理解，都是来自对“数据”本身不够了解导致的。想要明白“大数据”真正的含义，得从数据是从哪里来的讲起。

二、先理解“小数据”，再谈“大数据”

最原始的数据采集方式就是：问卷。由专门的调查人员，借助一张张调查问卷，通过现场询问、测量等方式获得数据。这种方法已经沿用了400多年，经典的统计学、管理学理论都是建立在此之上的（如下图）。

小数据有没用？有用！非常有用！

能采集到某个地区的数据，代表着政府对这个地区有统治力。

能采集到越多的数据，中央就能掌握地方情况，从而加强管理。

数据是如此重要，以至于历史上很长一段时间，统计任务归属于政府、军队、情报机关。我国的第一家调查公司还是在90年代初，在宝洁强烈要求下成立的。

但是，调研做法有三个明显的问题：

非常耗费人力。访问员、督导、审核、录入、数据处理……都是人。

非常耗费时间。设计问卷、填写、回收、消耗的都是时间。

准确度低。现场测量的数据会相对准确，但口头问回来的大部分都不准。

这些问题，导致了问卷时代的数据采集，只能有抽样式的，不能是全量采集。也因此衍生出了专门的抽样理论和方法。但无论数据方法怎么改进，在业务上，抽样始终是一个难以逾越的梗阻。决策者总会觉得：

• 是不是样本量太少？
• 是不是代表性不够？
• 没有覆盖的样本是不是真的一致？

只要是抽样数据，就一定会被质疑，也总是充满怀疑。这也是最初“小数据”的说法来源，后续所有“大数据”其实都是围绕“小数据”问题而来。

1. 数据变大第一步：系统采集

数据从小变大的第一步，从系统采集开始。比如企业扩大规模，要在各地建连锁店，第一步做得就是装POS机，把交易数据采集进来，替代纸质订货单/出货单。此时想了解销售数据，是可以基于POS机收集的数据全量查看的（如下图）。

从抽样数据到全量数据，是一个质的变化。基于全量数据，可以直接管理到各个终端门店，直接基于数据作出经营决策。因此大部分企业的销售分析、经营分析、业务分析体系，都是在此基础之上建立起来的（如下图）。

但是这个阶段的局限也是很明显的：POS机只能记录交易结果，对过程一概不知。谁在买，买了多少，为什么买，通通不清楚。

这个阶段的分析，是典型的知其然，不知其所以然的分析，大部分分析只能通过成交结果去猜。如果只有这个阶段的数据，想做深入分析，还是得依靠调研。比如传统企业想了解门店成交流程，会做门店调查，研究消费者在门店的动线，会询问消费者体验。

2. 数据变大第二步：主动采集

有了系统采集以后，大家自然地会想：除了交易数据，其他数据也能通过系统化采集。比如最简单的形式：让用户自己交身份证，通过图像识别录入。这样既能采集到用户数据，又能避免手动填写的错误。

但是问题来了：凭啥要交身份证给你呀！于是传统采集，只有银行、航空、通讯等有国家背景和法律规范要求的地方，才能相对准确的采集这些真实数据。

不过这些困难并没有阻挡住企业采集信息的热情。常见的手段，比如：吸引用户办会员卡，给生日礼遇让用户填写生日。用户完成信息给积分奖励之类。更激进的，甚至有在门店装人脸识别、装眼动仪跟踪设备来采集数据（当然，成本很高）。

为什么企业会孜孜不倦追求这些数据，因为这些数据真的有用。至少能把数据具体到一个人的身上，能识别出谁是高端用户，谁是沉睡用户，从而精细化运作（如下图）

真正低成本的、解决采集消费者行为数据的问题，还得靠互联网产品。

3. 数据变大第三步：行为加入

互联网产品的最大优势，在于App/小程序/H5本身就是数字化产品。此时不但有条件记录到用户的点击、登录等行为数据，而且能将用户ID、手机号等信息整合成统一ID，效率比依赖线下纸质单张申请的流程有效很多倍。

不仅如此，其还能将视频、图片、文章等内容打标签，通过用户点击、转发次数，浏览时长，反推用户需求。对于经历过传统企业数据的人来说，互联网产品的数据简直就是“鸟枪换炮”。

相较之传统的会员基础信息、消费流水数据，用户行为数据量特别的大，大家想想自己在淘宝逛多久才买一件东西就知道了。可能之前几百次点击浏览，最后才有一单交易。

因此，需要专门的大数据架构来支持这些数据的存储和计算。狭义上的大数据技术，特指对大量的用户行为数据、非结构化数据的存储和计算。

有了这些数据，才有现在我们流行的互联网分析方法，比如漏斗分析法（如下图）。

基于这些基础数据采集，还能延伸出更多数据应用，比如：

• 模型类：行为预测、推荐算法
• 测试类：产品ABtest
• 画像类：用户画像

虽然这些方法，基于交易数据也能做，但是数据量的多少，直接决定了结果准确度，从而影响到业务端使用。在传统时代，只有银行、运营商、航空公司独享的分析方法，成为现在互联网公司的标配。 然而即使这样，仍然还有一些问题不能解决：

• 用户数据分散在若干平台，导致单一平台数据不足
• 用户心理无法直接反应为数据，冲动型行为会干扰正常数据判断
• 信息安全法规要求越发严格，对数据采集/使用限制在增多

因此，如何合法合规、持续利用大数据资源，依然是今天一个重要议题。

三、上不了台面的“变大”方法

当然，还有一些灰色/黑色的方法，让数据变大

• 直接从“有数据”的人手上，买数据！
• 爬虫、撞库，硬捞用户数据。
• 通过设备，默默收集用户数据。

这就是各种骚扰电话、垃圾短信的源头。当然，随着国家对信息安全保护要求越来越严格，这些东西生存空间也是逐步被压缩，所以不谈也罢。

四、“大数据有啥用”的终极答案

纵观数据从小到大的整个过程可以看出：数据从来都有用。即使最简单、最不准确的数据，也能反应管理上的问题。因此决策者们对于数据的追求，永远是孜孜不倦的，永远是不满足的。（如下图）

那么，为什么还有这么多人在问“大数据有啥用”呢？

因为并非所有人都理解“数据”的用途，别说大数据了，小数据也照样不会用。

截止到2021年，依然有人是拍脑袋决策，拍胸脯保证；依然有人沉迷于“老夫从业十年，我说的就是对的”；依然有人觉得大数据包治百病，代码一敲，钞票从电脑屏幕里喷薄而出；依然有人迷信“底层逻辑”“核心思维”，苦练内功心法。

总之，想用好数据，就得深入业务流程，具体了解数据采集方式，这样才能读懂数据背后的业务含义，才能把自己面临的具体问题转化为数据问题，才能解出正确答案。

采集和计算数据，是一门科学，应用数据产生价值，是一种艺术，差别大致如此。