關於大數據，最近爆出的壹個笑話：在電影業壹次內部行業會議上，壹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》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。
上面這樣壹個基於兩部影片的觀影數據分析得出來的結論，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壹個“尷尬”。我們找遍新聞，也沒有發現這個詞有什麽特別值得說道的地方。只能靠著壹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壹直不溫不火，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。
和壹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，妳只需瞄上壹眼，就能頭疼壹整天。模型裏的數據巨大無比，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，雞肋壹般的存在。”
“說實在的，根本原因不在於技術的落後，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，去掉無關數據和幹擾數據，梳理出壹條合理的客觀建議，並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》的笑話其實就是壹個看似客觀，實則可笑的分析結論。”
“這是因為，大家壹說到大數據，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，壹個數據包，加點水分，到處賣，收益無限。”
“不過，最近似乎也沒那麽容易整了，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，並不是說數據越多越好，而是說，線上的數據越豐富，越有利於我們組織有效數據。”
“核心問題就在於，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，消費金融領域的某壹個小細分的消費品的相關數據，在合理組合和解構之後，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。”
積累經驗到什麽時候才算是個頭呢?
“或許要等到物聯網時代的真正到來。”
為什麽?
“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壹步線上化，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，但大數據是壹個不穩定的行業，因為壹切的數據都歸結到機器裏，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壹步細化和規範，對人也需要有個職業操守方面的管制。”
什麽樣的人怎麽用數據，其目的和效果都是不壹樣的。
這又和壹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。