大數(shù)據(jù)八卦，八卦大數(shù)據(jù)

楊玄章

“萬物皆可用大數(shù)據(jù)分析”，這些年來，數(shù)據(jù)的規(guī)模越來越大，

從以前的數(shù)據(jù)銀行（Databank）和數(shù)據(jù)庫（Database），

到現(xiàn)在的數(shù)據(jù)倉庫（Data Warehouse）和數(shù)據(jù)湖泊（Data Lake），

相信以后數(shù)據(jù)海洋、數(shù)據(jù)行星啥的也不遠了，天知道“銀河系”還能不能裝得下這些大數(shù)據(jù)的噱頭。

各種大數(shù)據(jù)存儲平臺、分析平臺、數(shù)據(jù)處理工具、數(shù)據(jù)展現(xiàn)工具以及數(shù)據(jù)分析模型層出不窮。

隨著各種大數(shù)據(jù)技術越來越成熟，好事的人們開始用這項技術和相關的工具鏈去分析一些有趣的事情，

得出了很多頗為“八卦”的結論，尤其是當大數(shù)據(jù)被應用在娛樂、政治、媒體等方面時。

大數(shù)據(jù)擅長把海量分布在不同時間不同地點的數(shù)據(jù)收集起來，通過各種模型化的處理，將數(shù)據(jù)之間的關聯(lián)和規(guī)律展現(xiàn)出來，從而挖掘出一些“不為人知”的結論。最適合被挖掘的數(shù)據(jù)首推社交媒體數(shù)據(jù)了。散落Facebook、Twitter、微博等大型社交媒體中的位置、時間、帳戶關聯(lián)和人物言論傾向等信息，是非常好的商業(yè)信息，也是非常好的“猛料”，“狗仔隊”們自然不會放過。

中山大學軟件學園的同學們就開發(fā)出這樣一款“網(wǎng)絡神算”應用。它可以不斷爬取多個社交媒體中目標帳戶的各種信息，在將這些數(shù)據(jù)集中后進行大數(shù)據(jù)分析，就能精準分析任意微博用戶的喜好、密友等個人信息，“八卦材料”就這么輕松的生成了。在這份材料中，可以有你的院系專業(yè)、專長喜好、同學密友、行為特點……不需要“內(nèi)鬼”，不需要黑客，類似的“社交媒體007”可以把目標人物的各個方面都調(diào)查得清清楚楚，每個在社交網(wǎng)絡上的人都透明起來。

事實上，這種技術早就在娛樂圈里流行起來。美國著名歌星瑪麗亞凱利（Mariah Carey）以衣裝變換出名，每次公開露面（或者出門被跟拍），她的著裝都會成為八卦小報的話題。光是事后八卦還不夠，她的歌（狗）迷（仔）們已經(jīng)開始用大數(shù)據(jù)和機器學習來預測她下一次公開亮相穿什么。在這個模型中，與瑪麗亞凱利著裝有關的大數(shù)據(jù)被分為不同的場合特征，同時特征庫考慮當天的天氣、出場的時間、當季流行的樣式和顏色等等，最終可以預測出她當天穿什么顏色衣服出場，是裙裝、褲裝還是晚禮服。

無獨有偶，國內(nèi)也有人把過去27個月中近73億次瀏覽的中文社交媒體數(shù)據(jù)進行分析對比，考察當紅女星的熱度和粉絲評價。結果發(fā)現(xiàn)，范冰冰是大眾眼中不折不扣的話題女王和熱度冠軍。雖然也有像高圓圓和周迅這樣女星能夠博得絕大多數(shù)的人的喜愛，但是范冰冰的熱度是無人能及的。對范爺?shù)脑u價往往是美艷和霸氣，即使一些負面評價出現(xiàn)，也為推高熱度做出了貢獻。有意思的是，自動搜集的范冰冰相關的數(shù)據(jù)中，大部分來自于Twitter，這么說“冰冰棒”的影響力遠不止中國本土哦。

前不久，“3.15”大數(shù)據(jù)打假直指明星們的微博水軍，TFBOYS三小只首先中槍，在“明星最敬業(yè)水軍榜”的前十名中榜上有名。在他們的微博中，95%以上的活躍度來自于不到5%的“水軍”粉絲。在數(shù)量驚人的轉發(fā)量、評論量和點贊量當中，很多都非常類似，不禁讓人懷疑這些“最敬業(yè)”的粉絲是不是都是網(wǎng)絡機器人。同樣的應用背景下，F(xiàn)acebook也在幾年前也開始利用大數(shù)據(jù)技術，評價名人帳戶的真實性，清洗那些“冒充”名人的家伙。

數(shù)據(jù)洪流兇猛

大數(shù)據(jù)和社交媒體配合起來，看樣比八卦論壇和小報的威力要大得多。不想被八卦“連累”的名人們自然也不會被動接招。他們與各自的經(jīng)紀公司也操起了大數(shù)據(jù)的武器，把這個高大上的新技術當作自己個人品牌營銷的一部分。

這不，英國著名歌星“阿呆姐”（Adele）的團隊就意識到來自粉絲的大數(shù)據(jù)的重要性。在她新專輯和演唱會門票的在線銷售中，“阿呆姐”的粉絲們不得不首先在官方網(wǎng)網(wǎng)站上進行預登記（Pre-registration），同時填寫一份調(diào)查問卷。一周之內(nèi)，他們就收集了來自于幾百萬粉絲的大數(shù)據(jù)。后續(xù)，她的團隊會根據(jù)粉絲的情況有針對性地展開營銷和包裝，相信“阿呆姐”有了大數(shù)據(jù)保駕，也會越來越火的。

美國著名多棲明星Lady Gaga也是較早“站隊”大數(shù)據(jù)的明星。在她強大的個人品牌背后有一名叫特洛伊卡特（Troy Carter）的助手。他很早就認識到Facebook和Twitter上粉絲所傳達的海量數(shù)據(jù)具有非常巨大的商業(yè)價值。要知道，Lady Gaga可是有5100萬Facebook粉絲和3100萬Twitter粉絲，每個粉絲一些微小的碎片化的舉動匯聚在一起，都可以成為一條巨大的“數(shù)據(jù)洪流”?！翱炊@當中的趨勢就可以看清下一步做什么?！盠ady Gaga這些年大紅大紫，和大數(shù)據(jù)的貢獻是分不開的。

在今年，中國著名的新聞平臺也把其娛樂頻道的數(shù)據(jù)整合起來，發(fā)布了“娛樂行業(yè)大數(shù)據(jù)報告”，這在娛樂業(yè)眾明星當中取得了不小的反響。在其頒獎典禮上，眾多明星悉數(shù)出席，為大數(shù)據(jù)“捧場”。大數(shù)據(jù)可以更八卦，也可以讓明星們更有名。數(shù)據(jù)是中立的，分析是客觀的，大數(shù)據(jù)讓這一切不再“眾口難調(diào)”。

大數(shù)據(jù)也遭懟

看到大數(shù)據(jù)這么風光，也有人不樂意了，有一些“懟”大數(shù)據(jù)的人士開始從中挑刺，把大數(shù)據(jù)也放在八卦當中了。

有一個著名的“懟”大數(shù)據(jù)的笑話一直流傳著。一頭豬發(fā)現(xiàn)每天飼養(yǎng)員發(fā)給它的飼料不管在質(zhì)量上還是數(shù)量上都有很大不同。這些會和天氣、每天的時間、節(jié)假日等等都有關系。豬圈的幾個飼養(yǎng)員所支持的黨派還不同，所以發(fā)下來的飼料的情況甚至和美國總統(tǒng)大選的進展也有一定的關聯(lián)。這是一頭有統(tǒng)計背景和IT技能的豬，它開始細心地收集這些相關的數(shù)據(jù)，并把數(shù)據(jù)放進自己的大數(shù)據(jù)模型中進行挖掘。經(jīng)過三個月的努力，豬發(fā)現(xiàn)自己的飼料統(tǒng)計分析和預測模型已經(jīng)足夠成熟了，可以準確地預測今后三天的飼料質(zhì)量和數(shù)量。很遺憾，就在這個時候，豬被送進屠宰場了，一切都沒有意義了。這個例子告訴我們，大數(shù)據(jù)不是萬能的。尤其是在不同生命周期的應用中，是否使用和怎么使用大數(shù)據(jù)都有很大的差別。

還有人對大數(shù)據(jù)技術的關聯(lián)分析能力產(chǎn)生異議。有個叫泰勒維根（Tyler Vigen）的人直接對準大數(shù)據(jù)的七寸，發(fā)布了一系列大數(shù)據(jù)關聯(lián)的例子，證明很多所謂的用大數(shù)據(jù)找關聯(lián)性都是無稽之談。有趣的是，很多看似“強相關”的數(shù)據(jù)完全是風馬牛不相及。比如說：在過去的十年間，全球床單上吊自殺的人的數(shù)量與全球芝士的消費量呈現(xiàn)出幾乎相同的趨勢，這兩者之間真的有關聯(lián)么？十年內(nèi)全美獲得博士學位的數(shù)量曲線與shopping mall的收入曲線非常吻合，然而，我們能用前者去預測后者么？火車與汽車相撞的死亡人數(shù)趨勢也和美國從挪威進口的原油趨勢相類似，不過我們很難從現(xiàn)實生活中在這兩者之間找到什么聯(lián)系。這么說，難道一直充當“八卦先鋒”的大數(shù)據(jù)自己也是個亦真亦假的“八卦”而已？

更有些好事者開始逐一驗證傳說中成功的大數(shù)據(jù)案例的真實性。

坊間流傳的一個著名大數(shù)據(jù)案例來自沃爾瑪：啤酒的銷量和嬰兒尿布的銷量是有關聯(lián)的。原因是，新生兒的爸爸們往往在采購嬰兒尿布的時候，也為自己采購啤酒。所以，沃爾瑪把啤酒和嬰兒尿布擺在一起，可以同時促進這兩個產(chǎn)品的銷售。有人因此跑到各大超級市場調(diào)查貨架的擺放情況，發(fā)現(xiàn)幾乎沒有一個超市把啤酒和嬰兒尿布放在一起。難道這個故事只是個傳說？

還有那個Target公司的大數(shù)據(jù)系統(tǒng)預測“懷孕高中女生”的案例，后來也被證實其實只是一種巧合。百貨公司把孕婦產(chǎn)品優(yōu)惠的宣傳單隨機發(fā)放給客戶，大部分客戶只是把它直接扔進垃圾箱里，只不過有一個爸爸碰巧閱讀后又發(fā)現(xiàn)了自己的女兒懷孕了。谷歌使用大數(shù)據(jù)預測禽流感的模型也只是“神”了那么一次，在后來的一次流感爆發(fā)中就完全不起作用了。

總的來說，不是大數(shù)據(jù)越來越八卦了，而是八卦的人們學會使用大數(shù)據(jù)了。“神一樣”的大數(shù)據(jù)也不再是那個無所不能的利器，它自己也陷入爭議當中。不過，可以預見的是，隨著人類可以采集和駕馭的數(shù)據(jù)越來越多，分析和挖掘模型越來越成熟，還是會有更多的“八卦”涌現(xiàn)出來。無論這些結論是否合理，大數(shù)據(jù)“前進的步伐”已經(jīng)停不下來了。

責任編輯：方丹敏