深度 | Big Data还是Better Data？现在或许该谈谈智能数据了

今年年初的营销界显得格外热闹，宝洁的高管在不同的场合连番炮轰数字营销的不透明，联合利华计划缩减三成的广告投放以提高营销效率，阿迪达斯宣布未来会停止电视广告投放，而Youtube的极端主义视频事件让大量品牌对程序化购买产生了质疑。

巨头们表现出的截然不同但又极端的态度，都源于数据已经成为营销行业中不可忽视的关键因素。所以，一连串事件隐隐地告诉我们： 需要和上一个不谈数据的营销时代告别了 。

可口可乐发出了迄今为止最为明确的信号：它裁撤了CMO（首席营销官）的职务，用CGO（首席增长官）取而代之。从名称的转变就能够知道，未来的营销将担负起更多数据增长的职责。在可口可乐的官方通告中，CGO的工作内容被定义为“结合营销、消费者服务和商业战略为一体”。不难看出，数据将成为这位“新官”亟需点起来的一把火。

过去几年的互联网发展，让所有的企业都明白数据的重要。不管是消费者数据，供应商数据还是销售数据，在每一个谈论广告和营销的场合，每一个人都滔滔不绝地讲着数据的重要性。但所有营销人也都明白，我们开始步入了数据的”无人区“，没有任何以往的经验可供指导。

那么，我们该如何看待数据？或者说，正确的姿势到底是什么？

伴随着《大数据时代》一书的风靡，“大数据”的概念开始被越来越多的人接受。某种程度上，它甚至成为了互联网企业手握的尚方宝剑，毕竟数据是它相较于传统行业最重要的优势。

电子科技大学教授周涛曾表示，大数据时代处理数据的理念上会有三大转变：要全体不要抽样，要效率不要绝对精确，要相关不要因果。谷歌人工智能专家Peter Norvig在一篇名为《数据的非理性效果（The Unreasonable Effectiveness of Data）》的文章中提到“大数据基础上的简单算法比小数据基础上的复杂算法更加有效”。

简单地说，数据收集的范围越大越好，越全越好，量的重要性比质更高，这也成为了现在互联网企业热衷造生态的原因。甚至有些时候，大数据一词被滥用在毫无意义的语境中，成为吸引资本和媒体关注的工具。然而人们却发现，当面对过量的数据时，如何使用和分析它们成为了难以逾越的问题，尤其是在缺乏容易使用的工具的背景下。

所以，大数据越来越像是少数技术人才的游戏，这成为了他们在互联网时代驰骋的理由。这种状况像极了欧洲早期的僧侣和贵族，只有他们懂得文字的书写，垄断了知识。对于其他的大多数普通人来说，他们知道自己身处一个巨变的世界，但却没有着力点。犹如现在的绝大部分没有技术实力支撑的企业，他们希望参与进来，但却被横亘在面前的数据大山死死挡住。

“我们到底要Big Data还是Better Data？”宾夕法尼亚大学沃顿商学院教授Eric Bradlow前几年的这一问引发了我的思虑。大数据概念本身更强调数据的容量，那么数据的质量呢？我们看到了太多这样的案例：企业不惜代价收集数据，但却始终无法将这些数据转变成有效的货币价值。其原因就在于大量的数据不仅无用，反而因为过多的“噪音”干扰增加了数据清洗和分析的难度，而这些问题本可以避免。

所以，Bradlow教授认为数据收集并不是大数据竞争的关键，数据分析才是，很多企业都跑偏了方向。它们应该更多地将精力放在中间的环节，这直接关乎企业是否能建立起更为有用的Better Data。

Better Data确实是一个正确的方向，但是，它能够解决所有的问题吗？

Better Data提出的背景是基于Big Data，它强调的是数据的有用性，这也成为了Big Data未来必然的发展方向。但是，Bradlow教授认为分析数据的主体是那些有经验的数据科学家，但是人工智能的快速发展让人们看到了另外的一种可能。

Alphago与李世乭的围棋对垒在人工智能的发展史上颇具意义，它第一次让最大范围的消费者看到了人工智能的魔力，也将这一技术从实验室带到了真实的世界中。当Google和百度等巨头纷纷布局人工智能时，一种“人工智能+”的氛围开始逐步形成。而具体到数据领域，就诞生了“智能数据”这样一个概念。

在Chinapex创略CEO Jimmy Hu看来， 智能数据是“真正能够应用于解决实际问题的数据子集”。 通俗地来讲，过滤大数据中“噪音”的主体变成了人工智能。通过机器的深度学习，那些能够解决实际问题的数据自动地被筛选出来。

智能数据的好处显而易见： 能够更快地提高解决问题的效率，也能更加轻量级和灵活地搭建解决方案，在同等条件下成本更低。 更重要的是，机器学习的潜能是趋近无限的，在不断的训练中它还能对特定的业务问题提供更深入、快速和精准的洞察。