日本特黄一级-日本特黄特色aa大片免费-日本特黄特色aaa大片免费-日本特黄特黄aaaaa大片-二级特黄绝大片免费视频大片-二级片在线观看

大數據能夠比我們人類自己「更懂人類」，并且提供更優的解決方案。但是，很遺憾的是，即使大數據相關的技術已經越發的成熟，但是我們的產品和服務并沒有達到想象中的峰值。

多年以前，當我們剛剛開始頻繁聽到「大數據」這個詞的時候，很多企業和團隊的負責人開始認為，這是他們所缺少的東西，是讓產品和企業重振雄風的藍色小藥丸。直到今天，大多數人仍然相信，大數據能夠比我們人類自己「更懂人類」，并且提供更優的解決方案。但是，很遺憾的是，即使大數據相關的技術已經越發的成熟，但是我們的產品和服務并沒有達到想象中的峰值。

這到底是為什么呢?

對我而言，最有趣的情況是，我們認為借助邏輯可以作出正確的決策。過去的數據能夠幫我們更好確定未來會發生什么。更通俗的說，就是「我們從過去搜集數據以預測未來」。

其實這里存在一個重要的問題：我們無法真正有效地處理我們所獲得的大量數據，它所揭示的真實信息到底有哪些，又或者我們僅僅只是拿其中的一部分來支撐我們自己的已有的觀點甚至偏見，僅此而已。面對著海量數據，我們可能錯過了真正的機會。

量化偏見——對于可量化數據的盲目相信。

人們對于量化數據的偏好，使得對于其他的非量化內容視而不見，即便你可以展示明確的證據。人們對于量化數據是上癮的，當我們沒有辦法來掌控一件事情的時候，很容易陷入量化偏見，想盡辦法也要找一個量化的依據來證明自己。你所需要的未來，可能會藏在海量數據中的某個角落，當你正在忙于找到這個可能的未來的時候，背后的龍卷風可能已經悄然襲來。

圖中的計算，在數學上可能是正確的，但是在市場營銷、經濟學甚至設計等學科當中，從來都不遵循相同的規則。7張低素質的插畫是不等同于一張高質量的插畫。

很多東西看起來合乎邏輯，但事實并非如此。而且，僅僅因為某些東西看起來合乎某些數據邏輯，也并不意味著它是有用的。在嘗試拿來計算的時候，你可能就已經背離了它原本的用途。—— Rory Sutherland

環境對于我們行為的影響

當我們看到消費行為發生的時候，不應該直接假設這是用戶喜好的直接反映。

因為很多因素影響著用戶決策。一家酒吧對于自家的飲品隨意定價，如果一小杯Johnnie Walker 的威士忌定價30美元，并且希望客人毫不猶豫快樂地下單，這肯定是不現實的，因為大家都知道一瓶酒差不多也就這個價格了。可是，一種大家從來都沒見過的酒，假設它的名字是 Chateaux de Burgundy ，看起來也挺不錯，進貨價是 10美元一箱，一箱20瓶，在酒吧內定價為100美元一瓶，這種情況下，你「折價」買30美元一瓶，想必大家會很樂意享受這樣的優惠吧?這種效果無疑是「定價設計」和環境的雙重影響下的結果。

過去的數據并不能推導出未來的創新方向，也無法作為決定今后成敗的指標。相反，如何設計和影響用戶行為才更加重要。對我而言，人類作為社會生物這一點是最有趣的，無論是創造產品，還是在生活中做決策，都離不開人的社會屬性和行為模式。

Netflix 和 「一次看完」模式

如今大家對于 Netflix 旗下各路劇集獨特的「一次看完」模式應該已經很熟悉了。Netflix 在2014年2月進行過一次調研，這次調研數據表明，73%的用戶更加傾向于「一次看完2~6集電視劇，甚至一次看完整季」。

其實，在開啟這種新的播放模式之前，Netflix 已經搜集了大量的有待處理和使用的調研數據了，在那個階段，用戶已經開始享用Netflix 的推薦系統的紅利了，同樣的，這種基于用戶觀看歷史的推薦系統最終也使 Netflix 獲得了不少好處。因此，他們甚至不惜給出100萬美元的懸賞，讓人來提供更好的算法，不過，最終實際的結果是，這種數據算法上的改進，只能一步一步慢慢地推進，并沒有帶來翻天覆地的改變。

有一天，Netflix 聘請了一位人種學研究學者(主要針對人和文化系統進行研究)，他們透過研究發現人們對于狂歡的熱愛，對于「一次性看完」的偏好。并且，用戶并不會在這種模式下產生負疚感。Netflix 的數據研究團隊已經能夠拓展并驗證這些數據了，并且他們決定做一些簡單但是有影響力的事情。因此，他們決定向用戶推薦不同題材的相同類型的節目，并且重新設計了整個觀看體驗，鼓勵用戶進行狂歡式的觀影。這就是為什么會有用戶會在周末失蹤，甚至失蹤整周來追劇。

我們都以為 Netflix 的新模式來源于數據，但是數據僅僅只是作為驗證和支撐，真實的方向來源于其他的地方。

信奉大數據的 Nokia

人類學研究學者 Tricia Wang 在她的 TED 演講中揭示了大數據本身所存在的陷阱，在她看來，我們應該將重點放在「厚數據」上——那些來自一線人員的有價值的、無法量化的真實見解。這些東西才是真正用來作出正確商業決策的內容。

大約在2009年的時候，iPhone 問世還不算太久， Android 正在發力。身為華裔的 Tricia 剛剛移民，一邊從事人類學和技術的研究工作，一邊在網吧打工掙生活費，她在生活中搜集了許多有用的數據，最令她印象深刻的一個現象是，即使是收入最低的消費者，也愿意購買昂貴的智能手機。

但是，在那個移動端智能設備尚未定性的時期，依然還有很多現實而聰明的人認為，智能手機只是一種時尚，諸多不可控的影響因素都會導致它的衰落甚至消亡。通常大家會認為：「誰會想攜帶一部笨重而續航差的智能手機呢?更何況它還那么脆弱。」

在向 Nokia 展示了低收入民眾對于智能手機的追捧的狀況和相應的調研數據之后，她建議 Nokia 加大力度生產智能手機。當時依然處于一線品牌的芬蘭國民企業 Nokia 并沒有重視 Tricia 的建議，因為她的建議「并沒有大數據支持」。并且 Nokia 認為他們所獲得的數據也沒有支持這一觀點的跡象，而 Tricia 的調研樣板僅僅只有100人，相反 Nokia 的調研樣板高達100萬人。

但是，調研和調研的差異，并不只是數量級上的差別。Nokia 的調研非常直接，直接詢問用戶是否愿意擁有或者購買智能手機。在那個智能手機尚未普及，概念都不夠清晰的年代，絕大多數的用戶壓根不清楚調研所指的手機和他們自己所用的手機有何區別，大多數用戶面對這樣廣泛而粗略的調研，回答非常簡單，沒有興趣。

Nokia 在2013年被微軟收購，隨后又被拋棄。

一些公司傾向于認為較大的調研樣本所帶來的數據比一些小樣本調研得出的數據更有價值。——Tricia Wang

我們現在有更好的工具，毫無疑問。我們所需要做的是學會更好地使用他們，不是單純地利用數據，根本上還需要和人類本身的行為結合起來，才有可能發現新事物，改善生活，創造新的可能性。