關于大數據，最近爆出的一個笑話：在電影業一次內部行業會議上，一位巨無霸級別的電影業發言人說：通過數據挖掘，我們發現不同觀眾的相關賣品偏好。比如《芳華》的觀眾比《戰狼Ⅱ》觀眾消費了更多的熱飲。這些都是之前我們不知道的，也是無法預測的。

上面這樣一個基于兩部影片的觀影數據分析得出來的結論，域名購買 directadmin購買，看似客觀正確，實則因為模型不完善（缺少觀影季節的考量）等原因，而鬧出笑話。

在近期，我們在給金融科技做盤點的時候，就發現大數據自身就是一個“尷尬”。我們找遍新聞，也沒有發現這個詞有什么特別值得說道的地方。只能靠著一點時政資料湊齊了這個關鍵詞的盤點。

2017年，大數據如此重要，卻又如此沒有料。

大數據模型不完善，是因為根基不牢大數據一直不溫不火，和他的發展缺陷有很大的關系。雖然大家極力看好它，但未能迎來行業的爆發。

和一些做大數據的朋友聊天，他們甚至會很直白地吐槽自己家的數據模型。

“那些所謂的數據模型之類的鬼東西，你只需瞄上一眼，就能頭疼一整天。模型里的數據巨大無比，線索邏輯紛繁復雜。很多數據看似很重要卻極其無聊，對結果判斷毫無意義，食之無味棄之可惜，雞肋一般的存在。”

“說實在的，根本原因不在于技術的落后，而是整個行業的發展根基太淺，無法對數據的有效性進行勘誤、歸納和合理解釋。”

“粗略地說，合理的大數據架構是，數據模型完善，能根據特定領域做出全面合理的數據精簡，去掉無關數據和干擾數據，梳理出一條合理的客觀建議，并根據數據分析師的主觀判斷和勘誤，再總結出合理的結論，對相關行業做出準確的預判。”

“現在呢？本來數據模型都存在這樣和那樣的漏洞，卻還想著數據處理的完全自動化。”

“而完全依靠客觀數據，完成所謂的人工智能演算，那都是扯淡的事兒。”

“剛才說的那個《芳華》和《戰狼Ⅱ》的笑話其實就是一個看似客觀，實則可笑的分析結論。”

“這是因為，大家一說到大數據，就太拿數據想當然了。如果只靠著這點意識去做消費金融領域的數據分析，肯定有很多投資人被坑得底兒朝天！”

“所以現在掙錢的還是那些靠著倒買倒賣用戶資料的數據公司，一個數據包，加點水分，到處賣，收益無限。”

“不過，最近似乎也沒那么容易整了，因為官方越查越嚴，有些所謂的大數據公司搞不動了，怕是要涼了。”

物聯網或許是大數據公司的真正機會“除了行業經驗的累積，還需要更多數據做線上支撐。”

“當然，并不是說數據越多越好，而是說，線上的數據越豐富，越有利于我們組織有效數據。”

“核心問題就在于，如何產生大量的有效數據。”

“有效數據，簡單了說，就某個領域，比如，消費金融領域的某一個小細分的消費品的相關數據，VPS，在合理組合和解構之后，對行業發展做出合理預判，對投資人預期負責的數據。否則，數據越大，負擔越重，越成不了事兒。”

積累經驗到什么時候才算是個頭呢？

“或許要等到物聯網時代的真正到來。”

為什么？

“物聯網可以讓更多的消費金融數據和物流數據線上化，個人消費信用信息也將進一步線上化，數據的歸集和處理將更加高效和全面。”

“不過，隨著移動支付的快速發展，更多人的金融消費能力在線上就基本被呈現了出來，包括個人的消費習慣和個人征信信息都被線上化，而由此產生的物流信息、住房、貸款信息等都在逐步完成終極線上化，這些對大數據來說，都是極好的機會。”

“大數據行業機會很大，但大數據是一個不穩定的行業，因為一切的數據都歸結到機器里，而機器由人來掌控，相關的操作風險完全看自己的風險意識和人品。行業隨時爆發大規模風險，運氣好只影響數據安全，運氣不好，很企業和個人的信用會破產。這會給行業，甚至整個社會帶來巨大的災難。”

“因此，從業企業的相關準則需要進一步細化和規范，對人也需要有個職業操守方面的管制。”

什么樣的人怎么用數據，其目的和效果都是不一樣的。

這又和一個大數據相關的段子有點關系，正好段子開頭，笑話結尾，也還算圓滿。

俺家鐘點工說：“俺兒子又被老師訓了。”俺問又咋啦？她說：學校請了個政法大學的教授來給孩子們講課，說還是個名人呢，見天在電視上忽悠。他告誡孩子們不要打架，他說他統計過，打架斗毆死了的人百分之九十五以上都是先動手那個，然后問孩子們這是為什么？俺兒子說因為沒死的說是死了的先動手的。