“大資料”仨字已經被喊爛了，“大資料分析”也經常被人提起，可到底咋完全是“大資料分析”？為啥大家喊得很多，平時作業中很少感受得到？今天系統講解一下，
01
普通人理解的“大資料”
普通人理解的大資料可謂千奇百怪，比如：
1、一個excel檔案 200M，多大的資料呀！
2、我國人口14億，這個資料好大呀！
3、臥槽，我剛看了車，就有4S店推廣電話，肯定收集了我的大資料
……
這些千奇百怪的理解，都是來自對“資料”本身不夠了解導致的，想整明白“大資料”真正的含義，得從資料是從哪里來的講起，
02
先理解“小資料”，再談“大資料”
最原始的資料采集方式就是：問卷，由專門的調查人員，借助一張張調查問卷，通過現場詢問、測量等方式獲得資料，這種方法已經沿用了400多年，經典的統計學、管理學理論都是建立在此之上的（如下圖），
小資料有沒用？有用！非常有用！
能采集到某個地區的資料，代表著政府對這個地區有統治力，
能采集到越多的資料，中央就能掌握地方情況，從而加強管理，
資料是如此重要，以至于歷史上很長一段時間，統計任務歸屬于政府、軍隊、情報機關，我國的第一家調查公司還是在90年代初，在寶潔強烈要求下成立的，
但是，調研做法有三個明顯的問題：
1、非常耗費人力，訪問員、督導、審核、錄入、資料處理……都是人
2、非常耗費時間，設計問卷、填寫、回收、都是時間
3、準確度低，現場測量的資料會相對準，但口頭問回來的大部分都不準
這些問題，導致了問卷時代的資料采集，只能有抽樣式的，不能是全量采集，也因此衍生出了專門的抽樣理論和方法，但無論資料方法怎么改進，在業務上，抽樣，始終是一個難以逾越的梗阻，決策者總會覺得：
1、是不是樣本量太少
2、是不是代表性不夠
3、沒有覆寫的樣本是不是真的一致
只要是抽樣資料，就一定會被質疑，就總是充滿懷疑，這也是最初“小資料”的說法來源，后續所有“大資料”其實都是圍繞“小資料”問題而來，
▌資料變大第一步：系統采集
資料從小變大的第一步，從系統采集開始，比如企業擴大規模，要在各地建連鎖店，第一步做得就是裝POS機，把交易資料采集進來，替代紙質訂貨單/出貨單，此時想了解銷售資料，是可以基于POS機收集的資料全量查看的（如下圖），
從抽樣資料到全量資料，是一個質的變化，基于全量資料，可以直接管理到各個終端門店，直接基于資料作出經營決策，因此大部分企業的銷售分析、經營分析、業務分析體系，都是在此基礎之上建立起來的（如下圖），
但是這個階段的局限也是很明顯的：POS機只能記錄交易結果，對程序一概不知，誰在買，買了多少，為啥買，通通不清楚，
這個階段的分析，是典型的知其然，不知其所以然的分析，大部分分析只能通過成交結果去猜，如果只有這個階段的資料，想做深入分析，還是得依靠調研，比如傳統企業想了解門店成交流程，會做門店調查，研究消費者在門店的動線，詢問消費者體驗，
▌資料變大第二步：主動采集
有了系統采集以后，大家自然地會想：除了交易資料，其他資料也能通過系統化采集，比如最簡單的形式：讓用戶自己交身份證，通過影像識別錄入，這樣既能采集到用戶資料，又能避免手動填寫的錯誤，
但是問題來了：憑啥要交身份證給你呀！于是傳統采集，只有銀行、航空、通訊等有國家背景+法律規范要求的地方，才能相對準確的采集這些真實資料，
不過這些困難并沒有阻擋住企業采集資訊的熱情，常見的手段，比如：勾參考戶辦會員卡，給生日禮遇讓用戶填寫生日，用戶完成資訊給積分獎勵之類，更激進的，甚至有常識在門店裝人臉識別、裝眼動儀跟蹤設備來采集資料（當然，成本很高），
為什么企業會孜孜不倦追求這些資料，因為這些資料真的有用，至少能把資料具體到一個人的身上，能識別出誰是高端用戶，誰是沉睡用戶，從而精細化運作（如下圖）
真正低成本的、解決采集消費者行為資料的問題，還得靠互聯網產品，
▌資料變大第三步：行為加入
互聯網產品的最大優勢，在于App/小程式/H5本身就是數字化產品，此時不但有條件記錄到用戶的點擊、登錄等行為資料，而且能將用戶ID、手機號等資訊整合成統一ID，效率比依賴線下紙質單張申請的流程強無數倍，
還能將視頻、圖片、文章等內容打標簽，通過用戶點擊、轉發次數，瀏覽時長，反推用戶需求，對于經歷過傳統企業資料的人來說，互聯網產品的資料簡直就是鳥槍換炮，
相較之傳統的會員基礎資訊、消費流水資料，用戶行為資料量特別、特別的大，大家想想自己在淘寶逛多久才買一件東西就知道了，可能之前幾百次點擊瀏覽，最后才有一單交易，
因此，需要專門的大資料架構來支持這些資料的存盤和計算，狹義上的大資料技術，特指對大量的用戶行為資料、非結構化資料的存盤和計算，
有了這些資料，才有現在我們流行的互聯網分析方法，比如漏斗分析法（如下圖），
基于這些基礎資料采集，還能延伸出更多資料應用，比如：
1、模型類：行為預測、推薦演算法
2、測驗類：產品ABtest
3、畫像類：用戶畫像
雖然這些方法，基于交易資料也能做，但是資料量多寡，直接決定了結果準確度，從而影響到業務端使用，在傳統時代，只有銀行、運營商、航空公司獨享的分析方法，成為現在互聯網公司的標配，
然而即使這樣，既然有一些問題不能解決
● 用戶資料分散在若干平臺，導致單一平臺資料不足
● 用戶心理無法直接反應為資料，沖動型行為會干擾正常資料判斷
● 資訊安全法規要求越發嚴格，對資料采集/使用限制在增多
因此，如何合法合規、持續利用大資料資源，依然是今天一個重要議題，
03
上不了臺面的“變大”方法
當然，還有一些灰色/黑色的方法，讓資料變大
1、直接從“有資料”的人手上，買資料！
2、爬蟲、撞庫，硬撈用戶資料
3、通過設備，默默收集用戶資料
這就是各種騷擾電話、垃圾短信的源頭，當然，隨著國家對資訊安全保護要求越來越嚴格，這些玩意生存空間也是逐步被壓縮，所以不談也罷，
04
“大資料有啥用”的終極答案
縱觀資料從小到大的整個程序可以看出：資料從來都有用，即使最簡單、最不準的資料，也能反應管理上的問題，因此決策者們對于資料的追求，永遠是孜孜不倦的，永遠是不滿足的，（如下圖）
那么，為什么還有這么多人在問“大資料有啥用”呢？
因為并非所有人都理解“資料”的用途，別說大資料了，小資料丫也照樣不會用，
截止到2021年，依然有人是拍腦袋決策，拍胸脯保證；依然有人沉迷于“老夫從業十年，我說的就是對的”；依然有人覺得大資料包治百病，代碼一敲，鈔票從電腦螢屏里噴薄而出；依然有人迷信“底層邏輯”“核心思維”，苦練內功心法，
總之，想用好資料，就得深入業務流程，具體了解資料采集方式，這樣才能讀懂資料背后的業務含義，才能把自己面臨的具體問題轉化為資料問題，才能解出正確答案，
采集和計算資料，是一門科學
應用資料產生價值，是一種藝術
差別大致如此，
原創精選：
大合集！資料分析9大基礎方法匯總
四個步驟，資料分析報告制作指南
運營資料分析，怎么做才有深度
懂業務，才能像陳老師一樣，和業務部門過幾招，做成功用戶畫像專案，學習陳老師的《業務知識一站通》視頻課程，可以幫到你，學習課程可以加入學員群，添加陳老師本人微信，和陳老師一對一溝通你的專案哦，
《業務知識一站通》
長按掃描二維碼
了解陳老師的視頻課程
還可加入學員群
享受陳老師一對一咨詢服務
點擊“閱讀原文”試聽視頻課程
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/356932.html
標籤：其他