有关大数据 你不一定知道的几个冷知识

大数据的隐秘魅力就在于，他比你都了解你。你以为你每次按下手机按键的动作都是一样的吗？哈哈图样图森破。

　　来自今日头条的技术副总裁杨震原告诉童鞋们，他们正在测试的“黑科技”，恰恰能从你点击按键的时间和手指面积，推测出你当时的情绪。你的漫不经心、愤怒或者感动，都能够成为后台为你推送何种消息的依据。未来，如下场景可期：

　　如果你正处在被女神甩掉的悲伤中，也许客户端会为你推送——搞基的一百种好处。如果你正处在领到本月工资飘飘欲仙的快乐中，也许客户端会为你推送——在北京月两万何时能买一个厕所？

　　那么这种“恰到好处“的情绪拿捏和大数据有什么关系呢？实际上对你情绪的推测是建立在对你多次正常点击的记录之上的。这种行为数据甚至在你还未意识到的时候，就“出卖”了你的情绪。

　　今日头条技术副总裁杨震原在分析一个按钮的平均触摸时间

　　你的“姿势”，才是真的大数据

　　银行每天的交易账目流水的统计数据，并不是大数据，而每个用户在拿号之后等待了多久才排到，有多少用户骂娘，有多少用户过于焦急愤而离去，这些真正的行为才是大数据。

　　杨震原又举了今日头条在应用中的另一个例子。

　　实际上，你在一篇文章的什么位置停留多久，然后划动了多远，在新的位置停留了多久，是否看了评论，看了几条评论，都可以按顺序被记录下来。接下来就是通过算法评估读者的兴趣所在。

　　CSDN创始人蒋涛也特别提到，美国电商平台Wish正是用大数据的方法，根据每个人的数据不同，“看人下菜碟”地推荐你可能喜欢的货品，三年时间已经发展成北美最大的电商之一。

　　所以，一个悲伤的消息是：未来如果你要隐藏自己的身份，不仅仅要变装易容伪造指纹，甚至连点击手机，查看文章的习惯都要改变了。

　　大数据就是：一个都不能少

　　如果要想知道有多大比例的人喜欢GV，那么只需要做好抽样调查就可以了，没有必要对所有人进行调查。但是如果你想要推销宅腐的周边智能硬件产品，则需要逐个排查每个人“独特”的兴趣爱好。

　　所有数据一个都不能少，这就是所谓的“全量加工”，这些数据的制造者正是各大厂商利润的源泉。

　　360商业产品首席架构师刘鹏是一名网红，他在很多场合都强调：全量加工才是大数据。他说，涉及到个性化推荐、计算广告、个人征信这些场景，大规模的计算就是无法避免的。

　　从技术角度来说，之所以大数据可以做到这么精准，也主要得益于技术的进步。感知设备被丰富地用在五花八门的硬件上，使得以前无法记录的数据，现在都可以被记录了。

　　大数据不应该给人用

　　大数据应该交给机器做决策，而不是交给人做决策。

　　这种洋溢着对人类深深不信任感的论断同样来自于刘鹏。在他眼中，大数据是为机器提供的食粮。而能够驾驭大数据的人类基本只有两种：数据科学家和统计工作者。

　　IT企业中养一群科学家的可能性为零。而人类的判断往往基于宏观、战略，不可能有精力做到“因事而异”。相比之下机器的判断比人类更加细致。比如为每个用户比如画像、贴标签。所以，要想把大数据利用透彻，愚蠢的人类还是暂时靠边站吧。

　　“有点错误”的大数据更好用

　　“数据”这两个字，天然给人一种完美而且精准的感觉。在这方面，大数据要挑战你的底线。作为数字广告领域的大牛，刘鹏强调，大数据可以存在半一致性这样模棱两可的属性。换句话说，允许数据错误和丢失。

　　纳尼？错误的数据也是好数据吗？没错。由于数据量巨大，而且分析半天往往没什么有用的收获（价值密度低），分析者往往需要选取一些特征数据做加工，而对于这些特征数据，也许还要简化之后再加工。所以最终大数据要达到的结果是难得糊涂，却一针见血。

　　所以，如果有人向喜爱人民网的你推荐草榴的时候，先不要发火，你可能只是大数据的一个错误罢了。

　　保险公司最喜欢和大数据在一起

　　如果你是一个鲁莽的人，最想知道这个情况的无疑是你的汽车保险公司，想必你的保费会居高不下；如果你是一个谨小慎微的人，最想知道的也是保险公司，因为它可以用打折的保费吸引你投保。

　　在你身上，甚至存在一个精确的“岀险率”数字。这个听上去很惊悚的数字恰恰是保险公司利润的来源。因为不掌握这样大数据的个人，是无法计算自己的岀险率的。保险公司恰恰利用这种信息不对称，给一个岀险率是万分之一的人开出了千分之一的保价，相当于赚了十倍的利润。

　　隐私问题要靠技术改进

　　数据比它看上去的样子更险恶，这是大数据业内人士的普遍共识。即使隐去了你的姓名电话等等敏感信息，只保留你和其他人联系的记录，熟悉你的人完全可以猜到你的身份。目前大数据的安全性，在他人的恶意之下，显得力不从心。

　　隐私问题，制度只能解决20分，剩下的80分要靠技术进步来解决。

　　刘鹏如是说。期待市场倒退到前大数据时代，似乎没有希望了。

　　如何精确统计出有多少人喜爱苍井空，有多少人喜欢武藤兰，但是又不泄露到底是谁喜欢苍老师，谁喜欢武老师，这是目前大数据的最前沿研究。

　　有关大数据的政策再严格，没有一套可靠的保密技术，数据的安全都是无从谈起的。隐私算法、数据脱敏、数据隔离。都是研究的方向。在此之前，各位的大数据还都在相对危险的状态。这也是为什么目前法律没有禁止数据买卖，而各大巨头却不敢将数据出售的原因。 当然，大数据库市场价目前比较低也是一个重要的原因。

　　SDCC，中国软件开发者大会。由全球最大中文IT社区CSDN于2007年创办，每年一届。主题是下一代软件开发技术趋势与对各行业的深刻影响，以谈干货实料著称。