大家好，我是Jang Saet-byeol。今年通过《Big insight Big !Nspiration》专栏连载，与大家分享了各种案例，希望这些案例能使我们AP人从大数据中获取一些洞察力（Insight），进而在自身和广大顾客身上发掘工作灵感(Inspiration)。希望大家联系自己负责的业务，细细体会，而不要觉得"大数据"很遥远、与自己无关。之前，我们按照商品企划（第1篇）、制造（第2篇）、配送（第3篇）、服务和营销（第4、5篇）的顺序，已经一起了解了很多有趣的案例。

 今天是本系列专栏的最后一篇，我将和大家聊聊在面对大数据时，必须要记住和注意的地方，以及近来相关领域的关键词。就像用药前，要仔细阅读其功效、服用方法、注意事项和副作用等说明，才能对症用药一样，希望今天的内容能如药品说明一般，对大家有所帮助。

 通过前几篇专栏，相信大家肯定了解了很多成功利用大数据的商业事例。这次，我们从逆向的角度来全面审视！大数据在快速变化的商业中确实是强有力的工具，但并不是能解决所有问题或给出完美答案的魔法棒。实际上，也有不少以大数据分析为依据做出误判，而使企业走上下坡路的案例。

 丹麦玩具企业乐高（LEGO），在1980~90年代落后于PC、任天堂等便携式游戏机企业，业绩下滑，于是尝试以大数据为依据来克服危机，并得出这样的分析结果："千禧一代"（也是我们AP现在集中关注的群体）缺乏耐心，喜欢能即刻轻松获得的满足感，故而觉得乐高产品的魅力远不及电子游戏。

 因此，在2003年，乐高把积木的尺寸做大，使之更易于完成。但与预期相反的是，销售额同比骤降30%。2004年，公司甚至因不履行债务而面临破产。据说帮助乐高在之后克服危机的反而是"小数据"。

 被誉为全球最顶级品牌营销专家的马丁•林斯特龙(Martin Lindstrom)，在其最新著作《小数据》中也介绍了相关内容。他所说的小数据是源于对对象的近距离、深入观察。可以是约见顾客的面谈，也可以是直接参与到生活环境中（家里或办公室），打开冰箱或抽屉，甚至是翻翻垃圾桶。也就是说，小数据是一种以没有任何限制和界限的方式，更好地掌握现实的方法。

 据马丁•林斯特龙介绍，拯救了危机中的乐高的，是某个德国少年的旧运动鞋。当时，为掌握千禧一代的行为方式，而在德国的中小城市里进行研究调查时， 既是乐高迷，又是滑板爱好者的一位11岁少年回答说，"最令我自豪的东西是我的一双旧运动鞋"。少年说这双运动鞋就是自己的金牌。鞋子上满是他为成为城里最好的滑手而努力的印记，看到这个把大人们都不屑一顾的旧鞋子当成宝物的少年，乐高团队找到了未来的发展方向。这个方向启示就是：千禧一代不是人们所想的那样，他们不是喜欢追求简单、易于实现的满足感，而是更希望在战胜困难的过程中寻找价值。

 接下来，再来聊一部大约在15年前上映的老电影，由汤姆•克鲁斯(Tom Cruise)主演的《少数派报告》。故事背景设在2054年的华盛顿，在能预测犯罪的"预防犯罪（Pre-Crime）"的帮助下，提前逮捕可能会犯罪的人，从而使华盛顿成为安全的城市。

 电影从负责预防犯罪的乔恩（汤姆•克鲁斯饰）被预测为犯罪者开始。在电影中，预测犯罪的根据不是数据，而是实际存在的预言家，从贯穿于整部电影的所谓"预测"来看，主人公肯定是被冤枉的。作为负责预防犯罪的组长，他做梦都没想过要杀人，却被认定为杀人犯！但实际上，在美国的部分城市里，正在引进利用CCTV、GIS及犯罪记录等来预测犯罪的模式，虽然没有像电影里一样，被用作逮捕的根据，但这样看来电影好像也不完全是虚构的故事。

 如果觉得难以想象的话，那我们来看个更现实些的例子。某天，你跟平常一样上班，公司却突然发来邮件，通知说"大数据预测的结果显示，你的离职率排在公司的前10%。"此时，你的心情会怎样？更何况自己从未考虑过要离职。现实中，国际PC制造商——惠普(HP)在面对高达20%的辞职率时，经过一番探索后，开发了以数据分析为基础的预测职员辞职的模型。

 发现还不为人知的过去或现在的事实，对于大数据来说，则是十分简单的事情。美国的大型超市Target根据购买数据，预测到了连当事人父母都不知道的女高中生怀孕的事实，并向其发送优惠券，引起了市场的轩然大波。

 看着上面提及的案例，大家可能也感觉到了，在以大数据为基础的预测或应对中，存在着不容忽视的阴影区。利用大数据时，要考虑其从初期就一直被指责的个人私密信息问题，还要考虑在使用分析模型时，因预测错误而发生的不可避免的伤害。

 此外，为避免被当做营销对象，避免被根据自己的行动进行与自己意图无关的预测，，及出于对隐私的忧虑，用户提供的数据未必真实可信。例如，最近的脸书用户中，每4人就有1人输入假数据或者隐藏信息。过分迷信大数据的光芒，却忽视了光芒后的阴影，这似乎需要我们好好反思一下。

 大数据的出现，一直伴随着一个实际使用中备受诟病的问题，即虽然大数据是掌握相关关系的强有力工具，但却难以解释因果关系。这也是强调"Data Driven"，全面推崇大数据，却仍然无法摒弃现有的文化或决策方式，只是将数据作为"点缀"的公司经常面对的问题。而在不以数据为出发点做商业决策，而是为了支持"事先计划"而部分地使用分析结果的情形中，陷入相关关系和因果关系陷阱的可能性极高。

 比如，天气变热，冰激凌销量会上升。同时，天气变热，因玩水而溺亡的人也会增多。那么，单纯观察一下冰激凌销量和溺亡人数，相关关系肯定是很高的。但是，可以以此为依据，判定冰激凌销售多，溺亡人数就增加吗？

 当然，这是个非常极端的例子，其实，因我们的成见或之前的经验，把相关关系分析为因果关系的情况还是很常见的。事实上，因果关系要由细致的依据和统计方法来揭示，是不能轻易下结论的领域。防止产生此种错误的最简单的方法，就是要一直对轻易判定的"因果关系"持怀疑态度。

 对于大数据的利用，不应局限于单纯的解释现象，而应该秉持更客观的观点，解释有预期的商业尝试和结果，而且要慎重考虑该结论是否能得到科学的验证。否则，单纯依靠直觉或经验解释大数据展示的大的变化和相关关系，或者为了验证工作，只做正面理解的话，那么与以非数据为基础的、现有的"直观决策"又有何区别呢？

 为进行大数据分析，很多专家都强调"测定一切可以测定的，无法测定的，要使之能被测定"。这是因为大家知道，数据化是进入下一步——分析的必要阶段。那么分析的下一阶段是什么呢？是使用分析结果吗？使用又应该以什么为目的来进行呢？我们来学习一下谷歌以良好目的，合理使用大数据的例子吧。

 2012年，谷歌遭遇了"M&M Problem"。谷歌和M&M巧克力，这个多少有些生疏的组合，因谷歌办公室简易咖啡厅提供的零食而被联系到了一起。谷歌认为职员们大量食用巧克力或碳酸饮料等热量和糖分过多的零食，对健康和幸福有害，于是在谷歌共同创始人——谢尔盖•布林（Sergey Brin）的指示下，组成了"Project M&M"小组，开始分析零食食用规律。

 根据将职员们的饮食习惯数据化后得出的分析结果，谷歌将巧克力放在不透明的容器中，使大家无法看到；将坚果类等健康零食放在透明的容器里；将对身体不好的碳酸饮料放在不易取出的冰箱的下端，显眼位置则摆放矿泉水。采取这些措施后，矿泉水消费增加了一半以上，糖类消费也减少了，在7周的时间内，纽约办公室的职员们共少摄取了310万卡路里。

 虽然这是一个启示和争议并存的案例，但分析从始至终都努力集中于该项目的目的。项目小组的目的是"增进职员们的健康和幸福"。如果小组的目标是减少20%的糖类摄取量，又会如何呢？是减少50%打开巧克力盒次数呢？是否能同样取得成功？如果成功了的话，事后才知道的职员们，会满意自己不知不觉中参与促成的这个惊人结果吗？

 专家强调企业使用大数据获取商业成功，其目的应该是"广惠顾客"。很多时候，企业使用大数据是去制定短期的、可推测的目标，是为提高"访问人数"、"购物顾客数"、"销售额"等现在广泛采用的商业指标。当然，树立目标并进行管理是必不可少的程序，但在现实中过分专注于此或者主次颠倒的问题却频繁出现。

 专家们警告：如果为了推出短期迷惑顾客的战略等，片面地使用大数据，将顾客置于没有选择的绝壁，却又在市场营销中包装为顾客的"自发选择"，最终将会导致顾客忠诚度的下降。实际上，着眼于短期目标，可能看起来很简单，短时间内还能获得成就感，会使人更有野心。但是，就如调节速度是跑完马拉松全程的核心一样， 以"广惠顾客"为终极目标不断努力，在相同距离下，可以更快到达；在相同时间内，能走得更远。这其实才是大数据应用的秘诀。

 下面我们来聊聊利用线上特征，兼具"大数据"和"小数据"优点的方法——A/B Testing。A/B Testing也叫作"Split Testing"，几年前就经常出现，主要是指在网站或移动应用中比较2个方案，以探索更好效果的方法。扩展为2个或2个以上的Variation后，以A/B/n Testing来进行的情况也有很多。

 技术方面，用户登陆网站或打开APP时，随机配置到各个Variation，通过测定针对用户的反应，判断是否具有有统计意义的差异性。将A和B两个Variation平均分配的Test的具体操作如图所示。

 这种A/B Testing的优点是以实际用户为对象进行喜爱度调查，结果直观、易于理解。现有的根据市场营销负责人或设计师的主观、经验决定的网站的结构、流程、设计、文本等所有的东西，都可以成为A/B Testing的对象。实际上，从可以使之按用户喜欢或更方便的方式进行变化这点看，A/B Testing的核心可以解释为"顾客主导"的思想。

 谷歌为决定搜索结果的最佳提供方式而首次采用了A/B Testing，仅2011年一年，就进行了7,000次Test。亚马逊、eBay、脸书等大多数企业都是这样以实验为基础，引领着商业发展，现在也仍然在进行着无数次的Test。而在这种A/B Testing深入内部文化的公司里，以实验为基础不断发展变化的并非只是单纯的网页，而是商品、事业领域等整个商业结构。

 从首篇专栏介绍的《不要想象》一书中可以了解到，大数据能更好地"观察"顾客和市场，A/B Testing则是有助于"观察"和"选择"的工具，二者的重要性也正与日俱增。我们公司也正以这种A/B Testing和实验文化的推广为目标，于今年引进了被称为"Optimizely"的A/B Testing解决方案。明年，我们将在公司内部将开展各种案例分享活动，希望大家多多关注，并提出宝贵建议。

 本篇是《Big insight Big !Nspiration》连载的最后一篇。不知我最初的愿望是否实现，回顾过去，还是有不少遗憾之处。最初就是想通过一种轻松的方式给大家介绍大数据，虽然很难对目标是否达成进行评价，但还是要借此机会感谢大家长期以来的支持和鼓励。

 我曾在连载中说过，"现在不是选择要不要使用大数据的时候。没有"不使用"的选项"。在我几年前读过的故事中，有一段印象很深的内容，和我上次说过的话、以及我们公司在大数据方面的处境、面临的困扰都有相似的地方。最后送给大家一句话，"错过发令枪声，觉得为时已晚的人，别气馁，只要出发就行。因为这场比赛不是50m短跑，而是马拉松"。

50岁的美国中年男子向好友吐露了自己的苦衷。
"我想成为律师，
就算现在开始，读完法律研究生，也需要5年，那时我就55岁了"
听完，朋友反问道
"不去读法律研究生的话，5年后，你多大岁数呢？"

 感谢大家的认真阅读。