盡信書不如無書 大數據分析要去偽存真

　　大數據行業發展速度令人瞠目結舌，大數據分析為企業帶來巨大價值，已經成為企業決策新助手。但中國有句古話“盡信書不如無書”，其實大數據分析沒有你想象的那麼完美。這主要是由於大數據中並不是所有的數據對用戶都有價值，一些垃圾信息甚至對數據價值帶來深深的傷害，如何對收集的數據進行篩選、去偽存真，才是大數據真正實現價值的關鍵。

　　何為垃圾信息？

　　什麼是垃圾信息，簡單的說，就是那些混在大量有用的信息中的無用信息，有害信息，以及對大數據分析結果帶來影響的信息。

　　但垃圾信息並不是絕對的，可能這種信息對於用戶甲是無用的，對無分析結果是有害的，但是對於用戶乙來說，可能就是有用的信息。所以不同行業的用戶要學會區分自己數據中的信息哪些是垃圾信息，是無用的。

　　常見的垃圾信息：

　　在我們的日常生活中，各種垃圾信息可以說是無處不在。例如，當下網絡上擁有一大批的網絡水軍，這些人產生了大量的垃圾信息，對大數據分析結果造成惡劣的影響。在去年上映的《X的盛宴》，宣傳方雇佣了大批水軍進行刷分，造成了評分很高，但是觀后的口碑很差，最后主辦方不得不出面道歉息事寧人。這些網絡水軍的數據就是垃圾信息。

網絡水軍（圖片來自xinmin）

　　當然類似的例子還很多，在前幾年淘寶開店火爆的時候，有專門為賣家刷鑽的工具，這樣的結果造成了很多店家雖然鑽的級別很高，但是產品以及售后服務名不副實。微博用戶刷粉盛行一時，很多網絡大V的真實粉絲很少﹔論壇刷回復貼，營造論壇很火的局面﹔電商網站促銷期間刷交易單數。等等，這些垃圾信息都深深傷害了數據的價值。

　　大數據市場當前情況：

　　不可否認的是大數據擁有巨大的價值，但是就目前情況看來，大數據更像是鏡中花水中月，看似美好，實則言過其實。在浩如煙海的數據中心去發掘對用戶有價值的數據，就好比在垃圾場撿拾寶貝一樣，就好比在沙漠中尋找寶石一樣。

　　那麼，如何從大量數據中心獲得對用戶有價值的信息呢？下面讓我們看一下當前人們是如何剔除垃圾信息，尋找數據價值。