大数据知道你“大肚”？

我连公司小小的客户资料库都还没建好，就说大数据时代来临了。什么回事？

“大数据”一词不时听到，或许你以为大数据所指便是谷歌、脸书这类巨型公司无时无刻收集的用户资料，不是你能用得着的事，和你无关，但事实不仅于此，大数据概念正在根本地改变资料收集和分析方法。这样的改变不只冲击着商业活动，也势必影响我们的生活。怎么个影响？先来看看一则小故事。

美国Target百货公司要做促销，对象是怀孕女性。准备迎接新生命时夫妻购买习惯会大大改变，所以公司能越早准备应变越好。可是，要如何及时知道女性顾客怀孕呢？怀孕之初是看不出来的，难道一个一个问：”小姐，你有没有大肚啊？”

Target长期记录和顾客的交易，从购买婴儿用品者便可知道新妈妈是谁，然后追溯她们怀孕期间的购物记录。他们发现怀孕第三个月的女人特别会购买无香味的护肤液，几星期后又会买钙片、锌片等20多类相关产品。Target甚至能相当准确地推测预产期，在各阶段推销不同产品。问题来了。

某日，一怒气冲冲的中年男人到Target投诉：“我女儿还在中学，你们寄来这些婴儿产品优惠券，在鼓励她干嘛呢？！”

看来电脑数据也会有出错的时候，几天后经理打电话去道歉，想不到那父亲却说：“道歉的应该是我。”原来他女儿真的怀孕了。

数据之大用，不限于行销

数据是新时代的资产，掌握大数据者是掌握力量的“数据巨富”，和“数据贫民”间形成鸿沟。巨富可能用其优势垄断市场，如果许多小公司连基本的内部资料库也未尽完善，在巨无霸面前只能称臣。不想成为新时代的“贫民”，甚至“贱民”，无论你是运用资料的公司或是提供资料的个人，都必须明白大数据的概念和运用 — 为什么从购物习惯能推测怀孕呢？

过去分析资料通常仰赖显著的因果关系，比方说你是卖伞的，年尾时销量提高，你从资料发现多是东海岸的顾客，推断因为雨季，这因果关系十分明显。但在处理大数据时却未必这样思考，以Target的孕妇行销为例，为什么孕妇会买无味护肤液？不知道，也不需要知道。Target先从已确知是初为人母者的资料库，比对他们过去数月的购物记录，总之顾客买这类产品，是孕妇的几率便很高。另一奇怪的例子是谷歌利用搜寻关键词来预测流行性感冒，他们发现当一些地区大量搜寻某些关键词时，当地很可能会爆发流行性感冒。为什么呢？却很难说得准。

麥爾荀伯格的《大数据》一书全面地探讨大数据对你我以致社会的冲击，告诉读者大数据的发展史、如今的用途和未来的趋势。一般以为大数据和智能手机息息相关，手机的许多感应器诸如卫星定位、无线网路等等，都在自动收集和上传数据，然后这些资料被用来行销产品。但感应器之用不限于手机，大数据之用也绝不局限于手机和行销。比方说从工业生产用的机器到汽车都内建许多感应器，长期收集情报各个零件的数据，这类资料可用于预测哪一个零件可能损坏，让厂商在问题发生以前便事先维护。

大数据之大，首要是收集所有能观察、探测到的资料。关键词是“所有”，没有选择性，“巨细靡遗”这古老的成语用在现代的大数据最恰当不过。在摩尔定律下，中央处理器、记忆体和硬碟的速度、容量都逐年倍增，为储存和处理大数据奠下基础。据《谢谢你迟到》“Thank You for Being Late”作者汤姆士佛里曼观察，2007年是个重要的转捩点，那年推出了iPhone、Facebook、Twitter等重要平台。这居然得感谢之前科技泡沫期的过度投资，使得宽频便宜而普遍，酝酿出来的这些平台才得以盛行。大数据的另一特色是“乱”。在此大数据观出现以前，资料库都有鲜明的结构。比方说顾客资料库必有鲜明的栏目如姓名、电话、地址等，方便储存和搜寻，而缺点是不符合结构的资料都必须舍弃，像和顾客的简讯来往，因为没有相关栏目就没法记录。但在电脑计算速度倍数提升、储存成本倍数下滑的时代，已无须执着于结构，无论什么资料都可灵活收存。

若大数据预测你犯罪，能否先把你关起来？

资料收来何用，当下也许没有明确的目标。以你的安卓智能手机为例，谷歌在不断的收集“所有”情报：你去过哪里？什么时间去？搜寻过什么？你到过什么网站？逗留多久？买过什么？你个人的行踪当下看不出用途，但资料够多以后其价值会浮现。比方说谷歌地图最近多加了人潮推测功能，在主要地标如购物中心，谷歌不只能告诉你目前有多繁忙，还能预测每周人潮。你的行踪也用来推测交通状况，是谷歌导航和Waze不可或缺的资料。这些资料对你固然有用，但你愿意无时无刻透露你的行踪吗？

这不只是隐私权的考量，还渐渐挑战我们原来的价值观。书中有例，原本只有科幻电影中才出现的社会现象，居然在现实中慢慢浮现。电影Minority Report的主轴是警方拥有了预知技术，能在人犯罪以前先把他逮捕。自古犯罪者受法律制裁天经地义，但“很可能”犯罪者应该受罚吗？在美国，越来越多地方警察已开始利用大数据分析罪案黑区，当然也包括监视“可能犯罪者”。如果大数据的预测功能发展到十之八九可靠，就算“可能罪犯”没有立刻受罚，难道能逃得过歧视？

大数据运用的界限究竟定在哪里呢？法律的制定永远赶不上倍速变化的科技，且看Uber和计程车之争，市场所需求的是Uber，政府却还在想办法保护计程车。监管这些掌握数据的巨头，目前主要还是仰赖市场和舆论监督。Evernote最近更新其用户条款，影响隐私权，用户群起抗议后，Evernote迅速修正。Evernote的竞争者众，自不愿流失客户。谷歌、脸书等只要不一家独大，市场尚可制衡。谷歌早期的公司标语是“恶事莫为”，注意，它并没说要做好事，某种监管机制迟早是必要的。

如果电脑也有“直觉”

买无味护肤液就一定是孕妇吗？当然未必。《大数据》中所说的谷歌流行性感冒趋势预测计划，后来腰斩了，因为在2013年间其预测越来越失准 — 搜寻“感冒”的人未必就真的患上感冒。我大学时主修电脑科学，对人工智慧中的神经网路特感兴趣，电脑科学家一直在研究如何用电脑模拟人类思维，大数据很像在模拟人类的直觉。马康葛维在《决断两秒间》深入探讨此主题：有一位网球教练能在球员开球刹那就准确地判断他会否犯“双误”，连他自己也无法解释这种直觉。一说法是所谓直觉，是因人脑累积大量经验后跳过逻辑思维而直达结论，书的前半部谈人类神准的直觉，但后半笔锋一转，写美国警员因本能误判而错杀良民，继而探讨依赖直觉的陷阱。大数据这种“有科学基础的直觉”，资料虽有迹可循，但演算模式还是由人所设计，谬误难免 ，迷信不得。

这不表示大数据不可靠，只是大家还在摸索其无穷的可能性。目前拥有资源去收集、储存和利用大数据的，通常是些硕大无朋的公司，这些资料成为他们的资产后，要怎样运用只视乎该公司本身的道德准绳。它们可能用于公益，比如预测病疫爆发，也可利用你的个人资料为商家推销产品。但若说小民如你我完全无助也不尽正确。我手边这台手机有128GB容量，记忆体4GB；我二十多年前用的桌面电脑硬碟容量仅有40MB，记忆体不堪回首，现在手机处理器的速度更不知强几倍。若摩尔定律持续下去，一般人可利用的电脑演算功能将倍数提升，必可收集和分析更多数据。佛里曼认为以前只有大集团能做到的事，力量已渐渐转移到个人手中。要发现新的机会迎头赶上，先拥抱“大数据观”吧！

延伸阅读

喜欢吗？请帮忙分享！