■ 文/张平
维克托·尔耶·舍恩伯格在《大数据时代:生活、工作与思维的大变革》中指出，大数据时代最大的转变就是，放弃对因果关系的追求，而关注相关关系。也就是说，只要知道“是什么”，而不必知道“为什么”。这种思维方式颠覆了长期以来人们的思维传统，为人们认知世界打开了一扇新的窗户。下面的三个故事有助于理解大数据的相关思维。
壹 “啤酒与尿布”的故事——用数据挖掘商业价值
“啤酒与尿布”的故事发生于20世纪90年代的美国沃尔玛超市，超市管理人员在分析销售数据时发现了这样一种现象：“啤酒”与“尿布”这两种看上去毫不相关的商品经常被同时购买。他们经过调查发现，这种现象多出现在年轻的男人身上。原来，在美国有婴儿的家庭中，一般是妈妈在家照看孩子，爸爸去超市买尿布。男人在买尿布的时候，往往会顺便为自己买几瓶啤酒。沃尔玛发现了这一独特的现象后，在卖场中将啤酒与尿布摆放在相同的区域，让年轻的爸爸们可以方便地同时拿到这两件商品，这样做使得沃尔玛超市提升了啤酒的销售量。 这个故事揭示了一个道理：商品之间具有相关性，也就是说，商品在卖场中不是孤立的，不同商品在销售中会形成相互影响关系。比如，对于购买尿布的年轻爸爸来说，尿布会影响啤酒的销量。其实，在卖场中，很多商品之间都存在着关联关系，比如，咖啡的销量会影响到咖啡伴侣、方糖的销售量，牛奶的销量会影响面包的销量等等。找出这种相关关系需要做深入细致的数据分析。但是，沃尔玛的卖场面积巨大，通常都是上万平方米，商品种类繁多，大多在10万种以上，所以要找出分属不同类别、分布在不同区域的商品之间的关联关系，并将这些关联关系用于商品陈列、促销等活动中，是很困难的一件事。比如，啤酒在酒类区域，尿布在婴儿用品区域，两个商品陈列区域可能很远，销售人员很难发现啤酒与尿布的关联关系。 1993年，美国学者Agrawal提出，通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系， 发现客户的购买行为规律。Agrawal从数学及计算机算法的角度提出了商品关联关系的计算方法——A prior算法。沃尔玛从上个世纪90年代开始将A prior算法引入到POS机数据分析中，并获得了成功。这个案例可以说是今天大数据产生的萌芽，商家开始注意到数据对于营销的影响。
贰 预测孕妇的故事——运用相关规律预测市场
塔吉特百货（Target）是美国的第二大超市。一天，一名男子闯入了Target店铺，他怒吼道：“你们怎么能这样！竟然给我的女儿发婴儿尿片和童车的优惠券，她才17岁啊！”店铺经理立刻向来者道歉，并极力解释说：“那肯定是个误会。”然而，这位经理不知道，公司正在运行一套数据预测系统。一个月后，那位父亲打来电话道歉，因为Target的广告并没有发错，他的女儿的确怀孕了。 原来，孕妇对于零售商来说是一个含金量很高的顾客群体，商家都希望尽早发现怀孕的女性，并掌控她们的消费。于是，Target创建了一套孕妇购买行为模型，这个模型可以通过分析女性的消费行为得到她们怀孕的信号。 Target是怎样建立起这个模型的呢？Target有一个迎婴聚会的登记表。他们对这些登记表里的顾客的消费数据进行建模分析，发现了许多有用的数据模式。比如，许多孕妇在第2个妊娠期会购买许多大包装的无香味护手霜；在怀孕的最初20周会大量购买补充钙、镁、锌的善存片之类的保健品。最后，Target选出了25种典型商品的消费数据构建了“怀孕预测指数”，通过这个指数，Target能够在很小的误差范围内预测到顾客的怀孕情况。也就是说，凡是有规律地购买这25种商品的女性极有可能是怀孕了。根据这个信息，Target就能早早地把孕妇优惠广告巧妙、隐蔽地寄发给顾客。 根据这个数据模型，Target制订了全新的广告营销方案，结果他们的孕期用品销售呈现了爆炸式的增长。他们将这项分析技术向其他各种细分客户群推广，取得了非常好的效果，从2002年到2010年间，Target的销售额从440亿美元增长到了670亿美元。 那么，Target是怎么收集数据的呢？Target会尽可能给每一位顾客编一个ID号。顾客刷信用卡、使用优惠券、填写调查问卷、邮寄退货单、打客服电话、开启广告邮件、访问官网，所有这一切行为都会记录进顾客的ID号。这个ID号还会对号入座地记录下顾客的人口统计信息：年龄、婚姻状况、子女、住址、住址离Target的车程、薪水、最近是否搬过家、信用卡情况、常访问的网址等等。Target还可以从其他相关机构那里购买顾客的其他信息，如种族、就业史、喜欢读的杂志、破产记录、婚姻史、购房记录、求学记录、阅读习惯等等。这些看似凌乱的数据信息，在Target的数据分析师手里，可能转换出巨大的能量。 这个案例揭示了人们对于数据应用的一个新阶段，人们不仅利用商品的相关性促销，进而利用事物的相关性预测消费者的消费活动。这种预测是利用事物相关规律来发现事情的变化规律的。Target并不知道孕妇开始怀孕的时间，但是，他们利用相关模型找到了她们的购物规律，并以此判断她可能怀孕了，但不能做出肯定的判断。
叁 谷歌预测流感的故事——相关预测使非专业人员取得专业预测结果
2009年,全球出现甲型H1N1流感，在短短几周之内迅速传播开来。全球的公共卫生机构都担心一场致命的流行病会蔓延开来。美国公共卫生机构要求医生在发现新型流感病例时告知疾病控制与预防中心（CDC）。但由于人们可能患病多日、实在忍不了才会去医院，同时这个信息传递回CDC也需要一段时间，因此，新流感病例的通告往往会有一两周的延迟。而且，CDC每周只进行一次数据汇总。对于一种飞速传播的疾病而言，信息滞后两周的后果是非常严重的。 在甲型H1N1流感爆发的几周前，谷歌的工程师们在《自然》杂志上发表了一篇论文，说他们能够预测冬季流感的传播：谷歌的数据分析师通过人们在网上的搜索记录来完成这个预测，因为，在网络时代，人们有了问题第一个想法就是“自己上网查一查”。 谷歌保留了多年来所有的搜索记录，而且每天都会收到来自全球超过30亿条的搜索指令，如此庞大的数据资源足以支撑和帮助它完成这项工作。 谷歌用几十亿条检索记录，处理了4.5亿个不同的数字模型，结果证明，他们的预测与官方数据的相关性高达97%。和CDC那样，他们也能判断出流感是从哪里传播出来的，而且他们的判断非常及时，不像CDC那样要在流感爆发一两周后才可以做到。 所以，2009年甲型H1N1流感爆发的时候，与滞后的官方数据相比，谷歌的预测数据成了一个更有效、更及时的指示标。公共卫生机构的官员获得了非常及时、有价值的数据信息。谷歌不懂医学的工程师们的预测走在了前面，对专业预测提出了挑战。他们以事物相关性的原理做出的大数据预测，其精准性与传统方式不相上下，而其速度是传统方式所无法比拟的。 维克托·尔耶·舍恩伯格说，建立在相关关系分析法基础上的预测是大数据的核心。因此，我们只有理解了大数据时代的相关性思维，才能适应这个时代的变化。 与传统数据分析的逻辑推理研究不同，大数据研究是对海量的数据做统计性的搜索、比较、聚类和分类等分析归纳。所谓“相关性”是指两个或者两个以上变量的取值之间存在某种规律性。两个数据A和B有相关性，只反映A和B在取值时相互有影响，并不能告诉我们有A就一定有B，或者反过来有B就一定有A。这种分析方法决定了大数据所分析的是全部数据，不需要太精确，通过对所有数据的分析就能洞察细微数据之间的相关性，从而提供指向型商业策略。
人们一直以来都在追求“实事求是”、“按客观规律办事”，但是，由于对于环境的认知能力的局限，或者说获取数据、分析数据的能力的局限，人们一直按照寻根求源的方法来了解这个世界，但一直不能很好地了解什么是“事实”、什么是“客观规律”，人们对自己身边事物的认知过程像“瞎子摸象”一样，只能了解局部的情况，整体的情况只有凭借有限的数据去推断，这种判断的结果与实际情况往往有很大的差距。随着科技的发展，由于数据收集能力的提高、计算机计算能力的提高、数据存储能力的提高以及网络技术、云计算的出现，人们可以根据海量的数据依靠相关性理论进一步认识世界。而具体到企业经营来讲，它的机会就在于，只要发现了两个现象之间存在着显著相关性，就可以创造出巨大的经济利益，而不必要非去马上弄清楚其中的原因。所以，学会相关关系分析法是企业在大数据时代的制胜关键。■
资料链接：企业的数据竞争
随着全球性竞争的不断深化，一项专利可以很快地被模仿、复制、推广，创新将越来越难。但还有一点可以构成竞争的基础，那就是以“低成本、高效率”的方式来开展公司的业务。 要做到“低成本、高效率”的运营以及决策正确，企业必须广泛推行以事实为基础的决策方法，大量使用数据分析来优化企业的各个运营环节，通过基于数据的优化和对接，把业务流程和决策过程当中存在的每一分潜在的价值都“挤”出来，从而节约成本，战胜对手，在市场上幸存。这种竞争，就是基于数据的竞争。能够始终保证自己以“数据最优”的方式运营的公司将会在竞争中坚持到最后，并不战而胜，因为粗放型经营的公司最终将因为“高成本”而自动出局。 ——托马斯·达文波特（美国信息经济领域著名教授，曾在埃森哲、麦肯锡任职） |
京ICP备12008127
