一、大數(shù)據(jù)可以幫助我們?nèi)?/p>
第一，發(fā)現(xiàn)規(guī)律。你察覺不到的規(guī)律，大數(shù)據(jù)能察覺到；我是從事政務服務行業(yè)的，我們也跟一些數(shù)據(jù)分析公司管理咨詢公司來合作，對所有來政務服務大廳辦理業(yè)務的市民相關的事項辦理情況進行分析，然后發(fā)現(xiàn)這些業(yè)務的一些相關性，比如說大多數(shù)的人在辦a事項時，一般也需要把b,c事項一塊辦，所以就做了一個這樣的相關關系分析以后主動推送相關的信息給來辦事的市民。在規(guī)律的發(fā)現(xiàn)上面，還可以做很多的數(shù)據(jù)分析挖掘，從而挖掘出很多主動服務的需求。
第二，評估效應。你察覺到了的效應，大數(shù)據(jù)能評估這個效應的大小。判斷一個大數(shù)據(jù)公司的一個數(shù)據(jù)分析挖掘能力有這么一個標準“你們的用戶畫像有多少個標簽，具體是什么？”。
第三，提供真相。更重要的是，大數(shù)據(jù)能得出一些跟我們的直覺相反，但卻是更可信的結(jié)論。就像所謂的NBA單親家庭來源比較多，為什么會有這樣的一個感覺，就是因為他們平常曝光多。還有一個可能不是很恰當?shù)睦樱f軍隊想對飛機容易受損的部位進行加固，結(jié)果分析了以后，發(fā)現(xiàn)受損部位最多的是機翼，后來才發(fā)現(xiàn)很多的飛機，其實最容易中彈的并不是這些地方，而是機頭機尾部分，只不過被打中了，掉下去了，沒有飛回來，所以就沒有進入分析的樣本里面。
二、快變量和慢變量是大數(shù)據(jù)分析的重點領域
數(shù)據(jù)分析的一個關鍵是看哪些看似關系不大的新型數(shù)據(jù)。這特別要在快變量和慢變量兩個領域里面找。
我們每天會遇到很多快變量，要適應這個快變量，就必須發(fā)揮大數(shù)據(jù)的優(yōu)勢。大數(shù)據(jù)優(yōu)勢在于強大的數(shù)據(jù)分析能力，但是它并不具備主動性和創(chuàng)造性，需要你賦予指令，它才能有效發(fā)揮作用。如果你知道看什么，對事物間的相關性有方向性，那么新數(shù)據(jù)就可以給你提供更精準的信息。
但是，決定大趨勢的往往是慢變量。慢變量就在我們身邊，但卻不容易被人察覺。我們的認知模式會本能地低估慢變量的影響。比如海上波浪固然跟這個天氣風力等等有關系，但是最根本的是月球和地球之間的引力關系所引起的潮汐。
不過大數(shù)據(jù)只是一個客觀事實，數(shù)據(jù)分析只是一個工具，它本身并沒有傾向性。所以無論面對的是快變量還是慢變量，只要這個工具能夠用好，能夠抓住這些變量的重點代表性指標，那你就能如虎添翼。
三、你得掌握數(shù)據(jù)分析的最先進方法和工具
所謂能否更上一個臺階，很重要的都要靠你是否掌握了當時的最先進的技術(shù)。
現(xiàn)在鋪天蓋地的大數(shù)據(jù)、云計算，那么普通人怎么利用大數(shù)據(jù)改善自己的工作，獲得新的認知，縮小與其他人的認知差距，更上一個階層？這里面我覺得要做到兩點，第一得知道去哪找。搜索，閱讀學術(shù)論文，最不濟的平時看看新聞。第二，要主動掌握一些效率工具在大數(shù)據(jù)的時代，一些效率工具，比如說你有沒有意愿和毅力去掌握python這一類的編程工具，比如英語這樣的一種通用能力，能幫助你掌握西方最前沿的資訊。最后，不要一本通書讀到老，你還得適應變化，掌握類似貝葉斯方法等一些方法論，根據(jù)事實來改變你的觀點。
最后，需要強調(diào)一點，大數(shù)據(jù)和意會是不可或缺的。
“意會”的意思，就是“對人和人之間有意義的區(qū)別，具備一個敏感度”。有意義的區(qū)別，就是不能簡單用*數(shù)字*描述的東西，所以叫“意會”。在算法大行其道的時代，正如麥茲伯格所說，真正的重大決策還是得靠人，靠“意會”。
意會和大數(shù)據(jù)，陰陽兩面。不要光看起來是相反的，就把他們都否掉了。關鍵是要弄明白每一個方法的適用的范圍。怎么樣來用用在什么范圍，這里面都有規(guī)矩，都有一套一套的東西。而不是簡單的在外人看起來就是什么所謂相反的想法，正常的行動能力。
特別是你要給出大數(shù)據(jù)分析的若干重要指標，雖然是個主觀偏見，但本質(zhì)上就是一個很有價值的意會或者認知差異。正是由于大數(shù)據(jù)本身不能自動展現(xiàn)真實，所以誰能有一個有價值的主觀偏見來使用它，誰就占領了認識的制高點，最大限度地兌現(xiàn)了自己的認知差異的價值。
