随着各种技术发展，很多人都在吹捧大数据。然而如同股市一样，越是高涨，越是需要警醒，在大数据热火朝天前行的路上，多一点反思，多一份冷静，或许能让这路走的更好、更远。本文的10个小故事，或许能让你有所得。
自2011年以来，大数据旋风以“迅雷不及掩耳之势”席卷中国。毋庸置疑，大数据已然成为继云计算、物联网之后新一轮的技术变革热潮，不仅是信息领域，经济、政治、社会等诸多领域都“磨刀霍霍”向大数据，准备在其中逐得一席之地。
中国工程院李国杰院士更是把大数据提升到战略的高度，他表示【1】，数据是与物质、能源一样重要的战略资源。从数据中发现价值的技术正是最有活力的软技术，在数据技术与产业上的落后，将使我们像错过工业革命机会一样延误一个时代。
在这样的认知下，“大数据”日趋变成大家“耳熟能详”的热词。图1所示的是谷歌趋势（GoogleTrends）显示的有关大数据热度的趋势，从图1中可以看到，在未来的数年里，“大数据”的热度可能还是“高烧不退”（图1中虚线为未来趋势）。
在大数据热炒之中，大数据的价值是否被夸大了？是否存在人造的“心灵鸡汤”？大数据技术便利带来的“收之桑榆”，是否也存在自己的副作用——“失之东隅”——个人的隐私何以得到保障？大数据热炒的“繁华过尽”,数据背后的巨大价值是否还能“温润依旧”？在众声喧哗之中，我们需要冷静审慎地思考上述问题。
故事01：大数据都是骗人的啊——大数据预测得准吗？
从前，有一头不在风口长大的猪。自打出生以来，就在猪圈这个世外桃源里美满地生活着。每天都有人时不时地扔进来一些好吃的东西，小猪觉得日子惬意极了！高兴任性时，可在猪圈泥堆里打滚耍泼。忧伤时，可趴在猪圈的护栏上，看夕阳西下，春去秋来，岁月不争。“猪”生如此，夫复何求？
根据过往数百天的大数据分析，小猪预测，未来的日子会一直这样“波澜不惊”地过下去，直到它从小猪长成肥猪……在春节前的一个下午，一次血腥的杀戮改变了猪的信念：尼玛大数据都是骗人的啊……惨叫嘎然而止。
图2大数据预测：都是骗人的
这则“人造寓言”是由《MacTalk·人生元编程》一书作者池建强先生“杜撰”而成的【4】。池先生估计是想用这个搞笑的小寓言“黑”一把大数据。
我们知道，针对大数据分析，无非有两个方面的作用：（1）面向过去，发现潜藏在数据表面之下的历史规律或模式，称之为描述性分析（DescriptiveAnalysis）；（2）面向未来，对未来趋势进行预测，称之为预测性分析（PredictiveAnalysis）。把大数据分析的范围从“已知”拓展到了“未知”，从“过去”走向“将来”，这是大数据真正的生命力和“灵魂”所在。
那头“悲催”的猪，之所以发出“大数据都是骗人的啊”呐喊，是因为它的得出了一个错误的“历史规律”：根据以往的数据预测未来，它每天都会过着“饭来张口”的猪一般的生活。但是没想到，会发生“黑天鹅事件”——春节的杀猪事件。
黑天鹅事件（BlackSwanEvent)通常是指，难以预测的但影响甚大的事件，一旦发生，便会引起整个局面连锁负面反应甚至颠覆。读者可阅读纳西姆·尼古拉斯·塔勒布（NassimNicholasTaleb）所著的畅销书《黑天鹅》，来获得对“黑天鹅事件”更多的理解。
那头小猪，仅仅着眼于分析它“从小到肥”成长数据——局部小数据，而忽略了“从肥到没”的历史数据。数据不全，结论自然会偏，预测就会不准。
要不怎么会有这样的规律总结呢：“人怕出名，猪怕壮”。猪肥了,很容易先被抓来杀掉。这样的“猪”血泪史，天天都上演的还少吗？上面的小寓言，其实是告诉我们：数据不全，不仅坑爹，还坑命啊！
那么，问题来了，大数据等于全数据（即n=All），能轻易做到吗？
故事02：颠簸的街道——对不起，“n=All”只是一个幻觉
波士顿市政府也因此骄傲地宣布，“大数据，为这座城市提供了实时的信息，它帮助我们解决问题，并提供了长期的投资计划”。著名期刊《连线》（Wired）也毫不吝啬它的溢美之词【5】：这是众包（Crowdsourcing）改善政府功能的典范之作。
“颠簸的街道”的理念在于，它可以提供“n=All（所有）”个坑洼地点信息，但这里的“n=All（所有）”也仅仅是满足上述3个条件的用户记录数据，而非“所有坑洼点”的数据，上述3个条件，每个条件其实都过滤了一批样本，“n=All”注定是不成立的。在一些贫民窟，可能因为使用手机的、开车的、有闲心的App用户偏少，即使有些路面有较多坑洼点，也未必能检测出来。
《大数据时代》的作者舍恩伯格教授常用“n=All”，来定义大数据集合。如果真能这样，那么就无需采样了，也不再有采样偏差的问题，因为采样已经包含了所有数据。
畅销书《你的数字感：走出大数据分析与解读的误区》（Numbersense:HowtoUseBigDatatoYourAdvantage）的作者、美国纽约大学统计学教授KaiserFung，就毫不客气地提醒人们，不要简单地假定自己掌握了所有有关的数据：“N=All（所有）”常常仅仅是对数据的一种假设，而不是现实。
微软-纽约首席研究员KateCrawford也指出，现实数据是含有系统偏差的，通常需要人们仔细考量，才有可能找到并纠正这些系统偏差。大数据，看起来包罗万象，但“n=All”往往不过是一个颇有诱惑力的假象而已。
“n=All”,梦想很丰满，但现实很骨感！
但即使具备全数据，就能轻易找到隐藏于数据背后的有价值信息吗？请接着看下面的故事。
故事03：醉汉路灯下找钥匙——大数据的研究方法可笑吗？
一天晚上，一个醉汉在路灯下不停地转来转去，警察就问他在找什么。醉汉说，我的钥匙丢了。于是，警察帮他一起找，结果路灯周围找了几遍都没找到。于是警察就问，你确信你的钥匙是丢到这儿吗？醉汉说，不确信啊，我压根就不知道我的钥匙丢到哪儿。警察怒从心中来，问，那你到这里来找什么？醉汉振振有辞：因为只有这里有光线啊！
这个故事很简单，看完这个故事，有人可能会感叹醉汉的“幼稚”、“可笑”。但不好笑的是，“乌鸦笑猪黑，自己不觉得”，这个故事也揭示了一个事实：在面临复杂问题时，我们的思维方式也常同这个醉汉所差无几，同样也是先在自己熟悉的范围和领域内寻找答案，哪怕这个答案和自己的领域“相隔万里”！
还有人甚至认为，醉汉找钥匙的行为，恰恰就是科学研究所遵循的哲学观。前人的研究成果，恰是是后人研究的基石，也即这则故事中的“路灯”。到路灯下找钥匙，虽看来有些荒唐，但也是“无奈之下”的明智之举。
数据那么大，价值密度那么低，你也可以去分析，但从何分析起？首先想到的方法和工具，难道不是当下你最熟悉的？而你最熟悉的，就能确保它就是最好的吗？
沃顿商学院著名教授、纽约时报最佳畅销书作者乔纳伯杰（JonahBerger）从另外一个角度，解读这个故事【6】：在这里，浩瀚的黑夜就是如同全数据，“钥匙”就好比是大数据分析中我们要找到的价值目标，他认为，“路灯”就好比我们要达到这个目标的测量“标尺”，如果这个标尺的导向有问题，顺着这个标尺导引，想要找到心仪的“钥匙”，是非常困难的！在我们痴迷于某项自己熟悉的特定测量标尺之前，一定要提前审视一下，这个测量标尺是否适合帮助我们找到那把“钥匙”，如果不能，赶快换一盏“街灯”吧！
如果在黑暗中丢失的钥匙，是大数据中的价值，那这个价值也太稀疏了吧。下面的故事，让我们聊聊大数据的价值。
故事04：园中有金不在金——大数据的价值
人们在描述大数据时，通常表明其具备4个V特征，即4个以V为首字母的英文描述：Volume（体量大）、Variety（模态多）、Velocity（速度快）及Value（价值大）。前三个V，本质上，是为第四个V服务的。试想一下，如果大数据里没有我们希望得到的价值，我们为何还辛辛苦苦这么折腾前3个V？
英特尔中国研究院院长吴甘沙先生说，“鉴于大数据信息密度低，大数据是贫矿，投入产出比不见得好。”《纽约时报》著名科技记者SteveLohr，在其采访报道“大数据时代（TheAgeofBigData）”中表明【7】，大数据价值挖掘的风险还在于，会有很多的“误报”发现，用斯坦福大学统计学教授TrevorHastie的话来说，就是“在数据的大干草垛中，发现有意义的“针”，其困难在于“很多干草看起来也像针（Thetroublewithseekingameaningfulneedleinmassivehaystacksofdataisthat“manybitsofstrawlooklikeneedles）”
针对大数据的价值，李国杰院士借助中国传统的寓言故事《园中有金》，从另外一个角度，说明大数据的价值，寓言故事是这样的【8】：
有父子二人，居山村，营果园。父病后，子不勤耕作，园渐荒芜。一日，父病危，谓子曰：园中有金。子翻地寻金，无所得，甚怅然。是年秋，园中葡萄、苹果之属皆大丰收。子始悟父言之理。
人们总是期望，能从大数据中挖掘出意想不到的“大价值”。可李国杰院士认为【8】，实际上，大数据的价值，主要体现在它的驱动效应上，大数据对经济的贡献，并不完全反映在大数据公司的直接收入上，应考虑对其他行业效率和质量提高的贡献。
大数据是典型的通用技术，理解通用技术的价值，要懂得采用“蜜蜂模型”：蜜蜂的最大效益，并非是自己酿造的蜂蜜，而是蜜蜂传粉对农林业的贡献——你能说秋天的累累硕果，没有蜜蜂的一份功劳？
回到前文的小故事，儿子翻地的价值，不仅在于翻到园中的金子，更是在于翻地之后，促进了秋天果园的丰收。在第03个小故事中，醉汉黑暗中寻找的钥匙，亦非最终的价值，通过钥匙打开的门才是。
对于大数据研究而言，一旦数据收集、存储、分析、传输等能力提高了，即使没有发现什么普适的规律或令人完全想不到的新知识，也极大地推动了诸如计算机软硬件、数据分析等行业的发展，大数据的价值也已逐步体现。
李国杰院士认为，我们不必天天期盼奇迹出现，多做一些“朴实无华”的事，实际的进步就会体现在扎扎实实的努力之中。一些媒体总喜欢宣传一些抓人眼球的大数据成功案例。但从事大数据行业的人士，应保持清醒的头脑：无华是常态，精彩是无华的质变。
如果把“大数据”比作农夫父子院后的那片土地，那么土地的面积越大，会不会能挖掘出的“金子”就越多呢？答案还真不是，下面的故事我们说说大数据的大小之争。
故事05：盖洛普抽样的成功——大小之争，“大”数据一定胜过小抽样吗？
1936年，民主党人艾尔弗雷德兰登（AlfredLandon）与时任总统富兰克林·罗斯福（FranklinRoosevelt）竞选下届总统。《文学文摘》（TheLiteraryDigest）这家颇有声望的杂志承担了选情预测的任务。之所以说它“颇有声望”，是因为《文学文摘》曾在1920年、1924年、1928年、1932年连续4届美国总统大选中，成功地预测总统宝座的归属。
1936年，《文学文摘》再次雄赳赳、气昂昂地照办老办法——民意调查，不同于前几次的调查，这次调查把范围拓展得更广。当时大家都相信，数据集合越大，预测结果越准确。《文学文摘》计划寄出1000万份调查问卷，覆盖当时四分之一的选民。最终该杂志在两个多月内收到了惊人的240万份回执，在统计完成以后，《文学文摘》宣布，艾尔弗雷德兰登将会以55比41的优势，击败富兰克林·罗斯福赢得大选，另外4%的选民则会零散地投给第三候选人。
然而，真实的选举结果与《文学文摘》的预测大相径庭：罗斯福以61比37的压倒性优势获胜。让《文学文摘》脸上挂不住的是，新民意调查的开创者乔治·盖洛普（GeorgeGallup），仅仅通过一场规模小得多的问卷——一个3000人的问卷调查，得出了准确得多的预测结果：罗斯福将稳操胜券。盖洛普的3000人“小”抽样，居然挑翻了《文学文摘》240万的“大”调查，实在让专家学者和社会大众跌破眼镜。
显然，盖洛普有他独到的办法，而从数据体积大小的角度来看，“大”并不能决定一切。民意调查是基于对投票人的大范围采样。这意味着调查者需要处理两个难题：样本误差和样本偏差。
在过去的200多年里，统计学家们总结出了在认知数据的过程中存在的种种陷阱（如样本偏差和样本误差）。如今数据的规模更大了，采集的成本也更低了，“大数据”中依然存在大量的“小数据”问题，大数据采集同样会犯小数据采集一样的统计偏差【3】。我们不能掩耳盗铃，假装这些陷阱都已经被填平了，事实上，它们还都在，甚至问题更加突出。
《文学文摘》的失败在于，取样存在严重偏差，它的调查对象主要锁定为它自己的订户。虽然《文学文摘》的问卷调查数量不少，但它的订户多集中在中上阶层，样本从一开始就是有偏差的（samplebias），因此，推断的结果不准，就不足为奇了。而且民主党人艾尔弗雷德兰登的支持者，似乎更乐于寄回问卷结果，这使得调查的错误更进了一步。这两种偏差的结合，注定了《读者文摘》调查的失败。
我们可以类比一下《文学文摘》的调查模式，试想一样，如果在中国春运来临时，在火车上调查，问乘客是不是买到票了，即使你调查1000万人，这可是大数据啊，结论毫无意外地是都买到了，但这个结果无论如何都是不科学的，因为样本的选取是有偏的。
当然，采样也是有缺点的，如果采样没有满足随机性，即使百分之几的偏差，就可能丢失“黑天鹅事件”的信号，因此在全数据集存在的前提下，全数据当然是首选（但从第02故事中，我们可以看到，全数据通常是无法得到的）。对针对数据分析的价值，英特尔中国研究院院长吴甘沙先生给出了一个排序：全数据>好采样数据>不均匀的大量数据。
大数据分析技术运用得当，能极大地提升人们对事物的洞察力（insight），但技术和人谁在决策（decision-making）中起更大作用？在下面的“点球成金”小故事，我们聊聊这个话题。
故事06：点球成金——数据流PK球探，谁更重要？
《点球成金》(Moneyball)又是一例数据分析的经典故事：
长期以来，美国职业棒球队的教练们依赖惯例规则是，依据球员的“击球率（BattingAverage,AVG)”（其值等于安打数／打数），来挑选心仪的球员。而奥克兰“运动家球队”的总经理比利比恩（BillyBeane）却另辟新径，采用上垒率指标(On-BasePercentage,OBP)来挑选球员，OBP代表一个球员能够上垒而不是出局的能力。
采用上垒率来选拔人才，并非毫无根据。通过精细的数学模型分析，比利比恩发现，高“上垒率”与比赛的胜负存在某种关联（corelation），据此他提出了自己的独到见解，即一个球员怎样上垒并不重要，不管他是地滚球还是三跑垒，只要结果是上垒就够了。在广泛的批评和质疑声中，比恩通过自己的数据分析，创立了“赛伯计量学”（Sabermerrics）。据此理论，比恩依据“高上垒率”选取了自己所需的球员，这些球员的身价远不如其他知名球员，但比利比恩却能带领这些球员在2002年的美国联盟西部赛事中夺得冠军，并取得了20场连胜的战绩。
这个故事讲得是数量化分析和预测对棒球运动的贡献，吴甘沙先生认为，它在大数据背景下出现了传播的误区：
第一，它频繁出现在诸如舍恩伯格《大数据时代》之类的图书中，其实这个案例并非大数据案例，而是早已存在的数据思维和方法。在“点球成金”案例中的数据，套用大数据的4V特征，基本上，无一符合。
第二，《点球成金》无论是小说，还是拍出来的同名电影，都刻意或无意忽略了球探的作用。从读者/观众的角度来看，奥克兰“运动家球队”的总经理比利·比恩完全运用了数据量化分析取代了球探。而事实上，在运用这些数据量化工具的同时，比恩也增加了球探的费用，“军功章里”有数据分析的一半，也有球探的一半。
目前的大数据时代，就有这么两个流派，一派是技术主导派，他们提出“万物皆数”，要么数字化，要么死亡（孙正义在对日本企业界的演讲上所言），他们认为技术在决策中占有举足轻重地作用。另一派是技术为辅派，他们认为，技术仅仅是为人服务的，属于为人所用的众多工具的一种，不可夸大其作用。
针对《点球成金》这个案例，比利比恩的拥趸者就属于“数据流党”，而更强调球探作用的则归属于“球探党”。
球探党BillShanks在其所著的《球探的荣耀：论打造王者之师的最勇敢之路》（Scout’sHonor:TheBravestWayToBuildAWinningBallteam）中【9】，对数据流党的分析做出了强有力地回应。他认为，球探对运动员定性指标(如竞争性、抗压力、意志力，勤奋程度等)的衡量，是少数结构化数据（如上垒率等）指标无法量化刻画的。
和《点球成金》观点针锋相对的是，BillShanks更认可球探的作用，他把球探的作用命名为“勇士”哲学。对于勇士来说，数据分析只是众多“刀枪棍棒”兵刃中的一种，无需奉之如圭臬，真正能“攻城略地”的还是需要勇士。比如说，运动家棒球队虽然在数据分析的指导下，获得了震惊业界的好成绩，然而他们并没有取得季后赛的胜利，也没有夺取世界冠军，这说明，数据分析虽重要，但人的作用更重要！
从第01故事的分析中，我们知道，大数据分析的第一层作用就是，面向过去，发现潜藏在数据表面之下的历史规律或模式，也就是说达到描述性分析。而为了让读者相信数据分析的能力，灌输一些“心灵鸡汤（或称洗脑）”，是少不了的，哪怕它是假的！
故事07：啤酒和尿布：经典故事是伪造的，你知道吗？
这是一个关于零售帝国沃尔玛的故事。在一次例行的数据分析之后，研究人员突然发现：跟尿布一起搭配购买最多的商品，竟是啤酒！
尿布和啤酒，听起来风马牛不相及，但这是对历史数据进行挖掘的结果，反映的是数据层面的规律。这种关系令人费解，但经过跟踪调查，研究人员发现，一些年轻的爸爸常到超市去购买婴儿尿布，有30％~40％的新爸爸，会顺便买点啤酒犒劳自己。随后，沃尔玛对啤酒和尿布进行了捆绑销售，不出意料，销售量双双增加。
上面这个案例，出自于涂子沛先生的所著的大数据畅销书《数据之巅》，在这个案例中，要情节有情节，要数据，有数据，誓言旦旦，不容你置疑。但是，这个故事虽经典，但是让你意想不到的是：
1.案例是编造的
实践是检验真理的唯一标准。如果这个故事是真的，按理说，应该给超级市场以无限启发才对，可实际上，不管是中国，还是在美国，在超市里面观察一下，就会发现，根本没有类似的物品摆放，相近的都很少。
故事性强，事出有因。据吴甘沙先生透露，它是Teradata公司一位经理编出来的“故事”，目的是让数据分析看起来更有力，更有趣，而在历史上从没有发生过，感兴趣的读者可以自己参阅文献。但公平地讲，这个故事对数据挖掘的普及意义重大，仅从教育意义上看，仍不失为一个好故事。
图6连线杂志：理论的终结
大数据分析的第二个功能，或者说更为的核心功能在于，预测。预测主要用于对未来进行筹划，大到产业的布局，小到流感的预警，均可用预测。但是对未来的预测，能准吗？
故事08：谷歌流感预测：预测是如何失效的？
2009年2月，谷歌公司的工程师们在国际著名学术期刊《自然》上发表了一篇非常有意思的论文【11】：《利用搜索引擎查询数据检测禽流感流行趋势》，并设计了大名鼎鼎的流感预测系统（GoogleFluTrends，GFT，访问网址为：www.google.org/flutrends/）。
GFT监测并预测流感趋势的过程仅需一天，有时甚至可缩短至数个小时。相比而言，美国疾病控制与预防中心（CenterforDiseaseControlandPrevention，CDC）同样也能利用采集来的流感数据，发布预警信息。但CDC的流感预测结果，通常需要滞后两周左右才能得以发布。但对于一种飞速传播的疾病（如禽流感等），疫情预警滞后发布，后果可能是致命的。
GFT一度被认为是大数据预测未来的经典案例，给很多人打开了一扇未来的窗口。根据这个故事，大数据的布道者们给出了4个令自己满意的结论：
由于所有数据点都被捕捉到，故传统的抽样统计的方法完全可以被淘汰。换句话说，做到了“n=All”；
不再需要统计学模型，只要有大量的数据就能完成分析目的，印证了《连线》主编ChrisAnderson提出的“理论终结”的论调。
但据英国《财经时报》（FT）援引剑桥大学教授DavidSpiegelhalter毫不客气的评价说[3]，这四条“完全是胡说八道（completebollocks.Absolutenonsense）”。
针对前3条观点的不足之处，前文故事已经涉及到了，不再赘言。针对第4条，我们有必要再解析一下——GFT预测是如何失效的？
谷歌疫情之所以会误报，还因为大数据分析中存在“预测即干涉”的问题。量子物理创始人之一维尔纳海森堡（WernerHeisenberg），曾在1927年的一篇论文中指出，在量子世界中，测量粒子位置，必然会影响粒子的速度，即存在“测不准原理”。也就是说，在量子尺度的微距世界中，“测量即干涉”。如今，在媒体热炒的“大数据”世界中，类似于“测不准原理”，即存在“预测即干涉”悖论。
这个“预测即干涉”悖论和“菜农种菜”的现象有“曲艺同工”之处：当年的大白菜卖价不错（历史数据），预计明年的卖价也不错（预测），于是众多菜农在这个预测的指导下，第二年都去种大白菜（采取行动），结果是，菜多价贱伤农（预测失败）。
对GFT预测更猛烈的攻击，来自著名期刊《科学》【13】。2014年3月，该杂志发表由哈佛大学、美国东北大学的几位学者联合撰写的论文“谷歌流感的寓言：大数据分析中的陷阱（TheparableofGoogleFlu:trapsinbigdataanalysis）”，他们对谷歌疫情预测不准的问题做了更为深入地调查，也讨论了大数据的“陷阱”本质。《科学》一文作者认为：大数据的分析是很复杂的，但由于大数据的收集过程,很难保证有像传统“小数据”那样缜密，难免会出现失准的情况，作者以谷歌流感趋势失准为例，指出“大数据傲慢(BigDataHubris)”是问题的根源。
苏萌、柏林森和周涛等人合著的《个性化：商业的未来》【14】，他们强调，“个人化”服务是未来最有前途的商业模式。可这里有个问题，提供“个人化”服务，就需要了解顾客的“个性化信息”，如果顾客许可使用个人信息的，那么这种个性化服务是贴心的，如果没有许可呢？
下面这个故事就是一则有关商品个性化推荐的，但它体现出来的是数据分析的智慧，还是愚蠢呢？
故事09：Target超市预测女孩怀孕：“大数据”智慧，还是愚蠢？
2012年2月16日，《纽约时报》刊登了CharlesDuhigg撰写的一篇题为《这些公司是如何知道您的秘密的》（HowCompaniesLearnYourSecrets）的报道【15】。文中介绍了这样一个故事：
一天，一位男性顾客怒气冲冲地来到一家折扣连锁店Target（中文常译作“塔吉特”，为仅次于沃尔玛的全美第二大零售商），向经理投诉，因为该店竟然给他还在读高中的的女儿，邮寄婴儿服装和孕妇服装的优惠券。
但随后，这位父亲与女儿进一步沟通发现，自己女儿真的已经怀孕了。于是致电Target道歉，说他误解商店了，女儿的预产期是8月份。
图8《纽约时报》：这些公司是如何知道您的秘密的
一家零售商是如何比一位女孩的亲生父亲更早得知其怀孕消息的呢？这里就需要用到“关联规则预测推荐”技术。
有了数据，特别是有了“大”容量的数据，后面的问题就简单了。Target的数据分析师，开发了很多预测模型，其中怀孕预测模型（pregnancy-predictionmodel）就是其中的一个。Target通过分析这位女孩的购买记录——无味湿纸巾和补镁药品，就预测到了这为女顾客可能怀孕了，而怀孕了，未来就有可能需要购置婴儿服装和孕妇服装，多么贴心的商店啊。但是需要我们注意的是：
1.这是“大”数据的傲慢，而非聪慧。
由于故事极其具戏剧性——亲生爸爸居然比不上一台电脑更了解自己的女儿，因此，这个故事往往被用来作为“数据比人更了解人”的证明，并在当下，被用来论证大数据的功力。国内有的新闻媒体，对大数据的理解似是而非，针对这个案例的报道标题就是《大数据的功力：比父亲更了解女儿冲击大卖场》【16】。大数据的无所不能的“傲慢”，跃然纸上。
或许“旁观者清”，信息领域外的上海金融与法律研究院研究员刘远举认为【17】，这案例并不能说明，数据比人更“聪慧”，更了解人，恰好相反，这证明计算机是“愚蠢的”：还在读高中的女儿，显然想保护自己的隐私，并不想父亲知道，但“愚蠢的”计算机却自作主张，把孕妇优惠卷寄寄到了她家里，结果被爸爸逮个正着。
这正是（大）数据的另一种傲慢——好像有了（大）数据，就可以“君临天下”，对顾客的理解就可做到出神入化，对顾客的隐私就可以肆无忌惮。
2.这并非大数据的案例
大数据一般要具备典型的4个V特征，Target收集的消费数据属于典型的结构化数据，即使数量再大，也仅仅满足4V特征之一——Volume（体积大）。但是，“数据大”不等于“大数据”。如果光拼体积“大”，那么早在20年前，天文、物理和生物信息学的数据，也够得上是“大数据”了。《纽约时报》的原文【15】，非常“厚道”，通篇没有提及“bigdata（大数据）”字样。
3.更重要的是，这个神奇的数据预测故事被人为地灌入了很多“心灵鸡汤”。
数据挖掘界的数据分析师、咨询师们有时候同样也需要“心灵鸡汤”，励志自己，忽悠客户。对此，美国纽约大学统计学教授KaiserFung认为[3]，很多人在看到这个故事时，都误认为Target的预测算法是非常可靠的——几乎每个收到婴儿连体服和湿纸巾优惠券的人，都是孕妇。但这是不可能的！更为实际的情况是，孕妇之所以能收到这些购物券，是因为Target给非常多客户都邮寄了这种购物券。在众多客户中，碰巧有那么一位高中女生“不太可能但却又真地”怀孕了，碰巧那位父亲发现并投诉了，碰巧那位父亲发现自己错了并道歉了，这么多巧合，“无巧不成书”。因为极具有故事性，所以大家都爱听。
各位读者在相信Target这类读心术般的故事之前，首先应该先想想，这类商家的预测命中率到底有多高。这里并不说，数据分析一无是处，相反，数据分析极具商业价值，即使能够把“直邮（DirectMail，DM）”的准确度提高一点点，哪怕是1%，对商家而言，都将是有利可图的。但能赚钱并不意味着这种工具无所不能、永远正确。
商家能够提供个性化服务，确实很贴心，但倘若在利益的趋势下，商家对顾客的个性化信息运用不当或越界，就会给顾客带来不能承受的隐私之痛。下面我们聊聊有关大数据隐私的故事。
故事10：你的一夜情我知道——大数据的隐私之痛
Uber（优步，著名的打车软件服务公司，乘客可以通过发送短信或是使用移动应用程序来预约车辆，利用移动应用程序时还可以追踪车辆的位置）曾在官网上发布一篇题为“荣耀之旅（RidesofGlory，RoG）”的博客。文中写到，“我知道，我们不是你们生命中唯一的爱人，我们也知道，你们会在别的什么地方寻找爱情（weknowwe’renottheonlyonesinyourlifeandweknowthatyousometimeslookforloveelsewhere）。”Uber称作的“荣耀之旅(RoG）”——实际上就是所谓的一夜情（one-nightstand）代名词。
当然，Uber此处虽多为开玩笑之举，但也确实严重侵犯了用户的隐私，在遭到了很多用户及媒体的的抗议，例如，《纽约时报》发表题为《我们不能信任优步》（WeCan’tTrustUber）【18】。
不可否认的是，大数据时代的到来，为我们的学习、生活带来诸多便利。但是，收之桑榆，失之东隅。任何事情都有两面性。目前，人的行为（诸如购物、乘车、甚至游戏等）已经被数字化了，隐私已经无处可藏！不论是美国斯诺登“棱镜门”监听项目的曝光，还是层出不穷的诸如Uber等公司企业泄露客户资料事件，都向我们发出大数据时代下个人隐私保护的预警。
中国著名生命伦理学家邱仁宗先生认为【19】，大数据技术，与所有技术一样它本身无所谓“好”“坏”，故它本身在伦理学上是中性的。然而使用它的个人、公司、机构有价值取向的，大数据犹技术如一把双刃剑，它可以给我们的生活、科研带来便利，但也能带来诸如侵犯隐私的消极影响。
完善的立法，对保护用户隐私来说极其重要。例如，规定只有用户需要个性化服务定制的时候，提出需求，大数据公司才能调用该用户的信息，其他情况下的信息调用都采取匿名的方式，否则就视作侵犯隐私。
网上有个以“恐怖的大数据”为题的段子，用定披萨饼的流程，把用户的隐私披露地“一览无遗”，虽有夸张成分，但在大数据时代，隐私保护的必要性，已经不容置疑了。
小结
《旧约·箴言篇》18章17节里有句话：“先诉情由的，似乎有理。但邻舍来到，就察出实情”。
随着诸如舍恩伯格教授的《大数据时代》、涂子沛先生的《大数据》等大作的面世，对世人带来了“醍醐灌顶”式的教育洗礼，在教育民众和政府官员接纳大数据时代的普及意义上，这些著作，居功至伟。他们书中的很多思维，已被很多大数据的拥趸者奉为圭臬，但任何事情都有两面性，一味的热捧，就会带来认知的偏颇。
诸如《纽约时报》、《财经时报》、《自然》及《科学》等重量级的反思“邻舍”的到临，能让我们对“大数据”有更为客观的认知。从他们给出的一各个小故事（小案例或小段子）中，可以促使我们对大数据的热炒有所反思，从而告诫我们之间，一定保持清醒头脑，批判性地接受大数据布道者的思维，切不可将其当作放之四海而皆准的真理。对大数据的过分依赖，就有可能重蹈伊卡洛斯（Icarus）的覆辙。
在希腊神话中，伊卡洛斯是个自负的天神，他是代达罗斯的儿子，一天，在与父亲代达罗斯使用蜡和羽毛制造的羽翼逃离克里特岛时，由于他过分相信自己的飞行技，故而飞得太高，双翼上的蜡在太阳照射下融化，羽翼脱落，最终导致自己葬身大海。
大数据技术就犹如那“蜡和羽毛”做的翅膀，它可以助我们飞得更高，但倘若过分依赖它，就有葬身大海的风险。我们要学会如何让大数据为我所用，而不是成为大数据的奴隶。