你知道大數據給了我們什麼便利嗎?

人人都說現在是大數據時代，且大部分國家已將發展大數據納入國家重點發展戰略當中，那麼，大數據到底給了我們什麼好的？

著作權歸本文作者：72變用戶「風清雲淡62676」所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。

發現規律、提高效率

被稱作大數據先例之一的現在航線分析系統，其誕生於十九世紀，當時當然還沒有大數據這個概念，而是源於一個腿受重傷的美國海軍軍官馬修·方丹·莫里對航線的疑惑而在成為儀錶廠負責人後在大量航海日誌以及許多老船長的經驗下構造出來的，他利用雜亂無章的數據推測出了許多洋風和洋並以此基礎繪製了一幅全新的航海圖表，而這一應用使當時的航海更加安全，因為出海的人們不再需要為未知的海路狀況而擔心和冒險，也使航線更短、耗時耗材更少，總體上縮短了航線的三分之一路程。

在創建該分析系統前，人們對已有航線的認識只停留在前人的航行經驗，而該系統的誕生使航線選擇科學化，大幅度地提高了效率。這是從宏觀層面分析，對於一些過度宏大的規律在「抽樣」下根本無法探索和認知，但在數據龐大得如舍恩伯格筆下的「樣本=總體」時，這些規律很可能就會清晰顯現，再加以實踐，便可能革命我們的生活。

挖掘隱形需求

先說一個比較蠢的運用例子。如今很多電商都會根據你的瀏覽記錄、停留時間做出個性化推薦，以筆者近期體驗為例，因為眼鏡壞了就在淘寶上搜各種眼眶及賣眼鏡的店家，沒過多久就下單了，但第二天打開淘寶發現首頁出現了大量關於眼鏡的信息。其出發點是不錯，給用戶更對特色的選擇，但問題是我已經下單了，那個推薦系統居然沒有這個分析，這完全以出發點背道而馳。倘若推薦系統能「挖掘隱性需求」的話，買家買了眼鏡，推薦的應該是精美的眼鏡盒、有逼格的眼鏡架或者是輔助佩戴的眼鏡耳托。再如筆者購買了手機，它依舊推薦手機，為什麼就不能推薦一些逼格的3C產品？

而以圖書起家的亞馬遜則做得很好（筆者在亞馬遜只買書，其他商品情況不明），作為雲計算的先鋒以及多年累積的經驗，它的圖書推薦系統已相當完善，我在看完鎚子發布會後就搜那本《生命不息 折騰不止》，除了前兩本是羅永浩的書外，其他出現的書都是購買這本書後購買的，這都是老羅在書中（演講中）推薦的，所以讀者讀後很大可能去在尋找所提到的書。系統是不知道「為什麼」會這樣，但知道「是這樣」，所以就這麼做了，大數據便是如此應用，從第一本書挖掘出隱性需求以便利讀者購書體驗。

在購買完一種商品后，再買另一種商品（書是特殊的，因為內容不一樣，各類書甚至同類的不同一本書提供的內容都不會完全重合），在少量購買記錄下，它很可能是雜亂無章的，但擁有大數據進行分析，就會發現兩、三種商品之間存在關聯，就算不知道為什麼會這樣，但畢竟有大量數據證明了它們有關係，這就夠了，例如在颶風期，美國的沃爾瑪會將蛋撻和颶風用品放在一起賣，儘管不知道為什麼用戶會這樣組合，但既然有很多人這樣做，做就對了，這就是挖掘隱性需求，商家賺了更多的錢，而消費者當然也滿足了自己潛在的需求，但也帶來了更多的支出。

更聰明的工具和預測社會問題

大數據常被認為是人工智慧的重要組成部分，但在沒有研究出人工智慧該如何擁有自我意識之前，一切都是白談，如今我們使用的所謂語音助手都不過是工具，而不是助手，但大數據依舊是它們的重要組成部分，甚至是其未來性能的決定性因素。

微軟的Contana可以說是目前最智能的語音工具，當你問它「今天需要帶傘嗎？」時，它會利用今天的天氣狀況來回答，它並不知道傘和下雨有什麼關係，因為它根本沒有意識，而是人為地添加指令，而上次那個讓Contana預測賽事勝負，利用的便是大數據分析。看上去Contana是真的有意識地在分析兩隊實力，但實質是通過一個由數學演算法組成的數據分析系統將兩隊歷來的勝負數據加以分析、對比，在獲取一些專家的關鍵字來進行推斷。

這類運用能帶給我們預測犯罪行為，例如《少數派報告》開頭那樣，當然若過度濫用都造成社會的不公平（《Psycho Pass》）；還有預測火災這類的災害發生可能性，還有明天最佳出行方式和最佳交通工具選擇。

通過數年的交通數據、近期的天氣狀況以及道路建設情況全部疊加，就能得出一個簡單的出行推薦，在人多時先搭快車再轉公交，或者少人時直接去公交站，省去了先出門看看然後再等等的時間。通過對某人在社交網路上的言論、其朋友的言論或者其他相關數據以及心理學分析可簡單進行犯罪傾向檢測，嚴重時做出相應措施，但這類存在嚴重的倫理問題，而且這類數據一旦泄漏，危及的可能是人身安全。

總結

大數據影響之巨，無法完全概括，但與我們的直接的好的影響主要集中在這三點（若有其他見解可進行討論），當然，發展到後期影響的甚至會是人性，不再追求精確度，不再追求因果關係，大數據時代下的思維將可能如發明時鐘一樣改變人對事物的觀念。在帶給我們便利的同時，也會帶來一些風險，例如隱私。利大亦弊大，雙刃劍吧！

更多智能生活相關內容，請訂閱「72變」