本文责编/作者：

修正：@Akira（at不出来我也很绝望啊）

回顾上一章：

• 大数据，不是一个“新概念”，却是火起来的“新玩意”
• 数据决定生死，分析能力也决定生死，这是一句真话

总的来说，上一章，我们讲的是“大数据的概念”与“大数据的发展形成”。

阅读提示：本文涉及主观的观念，为的是培养一种基础的认识，并不是严谨的概论。关于大数据的事情，多是见仁见智。

大数据的特点

说到大数据的特点，我们就不得不来说一下由IBM提出的经典的“5V特点”：

• Volume（大量）
• Velocity（高速）
• Variety（多样）
• Value（低价值密度）
• Veracity（真实性）

（本文斜体字，均摘自百度百科）

这个“5V特点”，我们要从哪里入手呢？我觉得，首先要从互联网已经固有的两个特点入手：

Volume（大量） Velocity（高速）。

• 容量（Volume）：数据的大小决定所考虑的数据的价值和潜在的信息；
• 速度（Velocity）：指获得数据的速度。

这两个很好理解。我们把大数据和传统的问卷调查进行一个对比，就能发现大数据在数据大小上的优势。大数据的收集和整理源于每一次点击操作、每一次浏览操作；而问卷调查是让用户告诉你，理论上来说不可能会获得特别多的数据，至少没有大数据这个庞大的“数据库”多。而大数据每次收入的是微量的数据，所以速度快，但是整理出来就有庞大的数量，所以称之为“大数据”。问卷调查短则几分钟，慢则半小时，视要收集的数据的大小和复杂程度而定。我们这里还提及了“数据的价值”和“潜在的信息”，这个在后文分析。

然后，我们再说说大数据所特有的真正的“特点”：Variety（多样）Value（低价值密度）Veracity（真实性）。

• 种类（Variety）：数据类型的多样性；
• 价值（Value）：合理运用大数据，以低成本创造高价值；
• 真实性（Veracity）：数据的质量。
• 复杂性（Complexity）：数据量巨大，来源多渠道（注：复杂性不属于“5V特点”，但我们放在这里，方便大家理解）

这里所说的多样，其实指的就是大数据的数据采集点较多；前文也说过，你每一次触发的操作，都有可能进入大数据这个庞大的“数据库”。有了多种多样的数据，才方便更好的描绘用户画像嘛。大数据的三个特性：大量、多样、复杂性，其实都是合而为一的！我们一直都在强调一个问题：大数据是无价的！大数据所代表的是一类人，一种人，而不仅仅是一个人。一个人的信息可能很渺小，但是一群人的数据就很重要了。掌握了大数据，就能够掌握市场的趋势，社会潮流的趋势；尤其对于在线购物行业，就能够知道你要买多大的衣服，你要买什么，你是肥宅还是数码爱好者，是个职场精英还是个全职妈妈，又再根据这些种类，这些标签，给你量身定制推荐内容。这就是“低成本创造高价值”：因为已经有了一定的数据基础，所以不需要使用过多的资源，过大的人力就可以给你提供准确友善的体验，从而促进经济效益层次上的转化。至于真实性，前文已经有所提及：既然用户会在我的网站上有所行动，有所行为，有所表现，为什么我要刻意地去追问他，而不把他的行为记录下来，再进行分析呢？人不是都那么地“诚实地对待别人”，但是为了自己的事情，人并不需要“自欺欺人”。如果你喜欢迷彩军装，你总不会特地去买一套特别小气的服装去迷惑系统吧？大数据从用户行为的层面上，就保障了数据的真实性，高质量；这也是“有些话我不说，但是行动上会表达”的道理。

大数据的缺点

说完人们老生常谈的“5V特点”，我们其实不难发现，这概括的都是大数据的优点！对于，一件事物，我们总要一分为二地看待。大数据和他的老前辈——问卷调查，都有一个逃脱不掉的弊端。

可变性、多变性。

这个又要和前文的复杂性联系在一起了。因为数据很复杂，来源很多，所以导致大数据和与其相关联的用户画像常常不稳定。有可能你昨天见到的年轻人还在高呼“李泽言是我老公”，今天他们就在念叨“我的崽崽怎么还没回家”了。这时候也会导致推荐内容和营销策略的剧变。这些变化总有可能会废了一些具有时代潮流特征的数据：因为新的时代、新的潮流又来了！可是也有一些观点认为，这种数据是废不得的：正是因为从他们喜欢什么的角度着手，才能预测下一次的潮流将会是什么，以做好应变准备。

总而言之，可变性和多变性妨碍了处理和有效地管理数据的过程。

大数据是一个庞大的数据库，所以数据量如果不够，连大数据的数据库都无法构成。这又是和问卷调查都有的同一个弊端：

如果样本量不足，对结果、判断和用户画像会有验证的影响。

假如说你把一位堪比“陈独秀”一样秀气、特别的年轻人，丢在几千个年轻人里面，你很可能认不出他；假如把他放在十个年轻人，甚至五个年轻人里面，他就很扎眼了，堪比“蒂花之秀”。这个时候系统可能就认为：年轻人有一些特点，都会和他的差不多。（要是系统没有见过年轻人的话）

但是实际上这么特殊的人只是少数，应该特殊地隔出来处理，而不应该把他直接放到数据大流里面，任他“污染数据”！

回到问卷调查，如果你只知道一个人的心声，那肯定是不足够的；只有把数据整合在一起，才能得到趋势。

大数据还有别的缺点，并且，我们所说的“如果样本量不足，对结果、判断和用户画像会有验证的影响”这个缺点实际上是不构成的：没有庞大的数据量，连大数据都无法组成。这里就不再做赘述，请读者朋友们自己斟酌。

（注：①相关文献参考请看后记）

（未完待续……）

后记

（整个系列都没写好，你写后记干嘛）

实际上，作者的观点并不完善，还请读者们理解。事物的正确答案不止一个，至于大数据相关的问题，还有很多争议，这里我只说到了一些基础的内容，只是为了让大家有一个简单的理解。未来的天空还很广阔，等着我们去自由探索。有任何意见、建议，或者是讨论问题，欢迎在评论区发表。

今天美工不在家，不要吐槽为什么今天没有图片了

工作室官网：www.ingee.online

视频连载（主要）：https://space.bilibili.com/85607996

直播间（主要）：https://live.bilibili.com/3376841

“大数据的缺点”部分文献参考：

《白话大数据与机器学习》/高扬