大資料的下一站：快資料？

摘要,:當我們所有的行為資料都聯網，在雲端，我們的下一步應該可能會做什麼「大資料」都可以分析後做出預測，但或許這僅僅只是預測，因為「偶然」、因為「人的思維」等種種原因，很多時候，人類不按常理出牌，這樣的話， 你的資料還能準確的預測出你的行為嗎？ 答案或許是可以的，只是不完全是大資料，而需要快資料！ 大資料的下一站：快資料？ 我們在生活或工作中會碰到以下情景：公司的女神MM一直喜歡吃哈根達斯冰激淩，幾乎每天要買一杯，但某一天，她卻拿著一個DQ冰雪皇后品嘗得津津有味；公司屌絲程式師小明上班早，加班多，完成任務代碼品質高，公司團建活動也積極參與， 連續多個季度是公司的優秀員工，突然某一天，態度堅決提出離職，說要回家支教。 我讓一個從事大資料服務的朋友來預測和解釋，朋友講，如果按大資料基本演算法推測，女神MM是不會吃DQ的，因為她的行為資料已經表明，她會繼續吃哈根達斯；同樣，行為大資料分析得出，程式猿小明很快會晉升為研發經理或總監， 而無法預測某天他要回鄉支教。 那麼問題來了，基於受眾行為大資料建立應用模型能取代即時的心理回饋資料嗎？ 兩者如何結合？ 當遇到問卷網的創始人向守軍時，我把同樣的問題拋給了他，他說這是一個十分有趣的話題，是關於心理回饋資料和受眾行為資料的關係。 他首先簡單向我普及了兩個概念：一個是大資料，一個是快資料。 比如，我們雙11在天貓或京東上購物，我們在這些網站的所有行為：流覽網頁、對比商品、下訂單、付款、評價商品等等，構成了一幅大資料畫面，而所有天貓上的使用者的大資料畫面即組成了大資料組合。 天貓可以根據大資料組合分析哪個省的女神罩杯大，預測哪些商品會暢銷；也可以根據一個人的行為軌跡大資料建立模型來預測她可能對什麼商品感興趣，進行廣告的定向投放。 當這個使用者不去點擊這樣的廣告或者這個使用者離開天貓，一個月後才再次上天貓時，我們無法從行為大資料去找到相關性或者原因。 這個時候，快資料出現了，對於未點擊廣告或者離開天貓一個月才來的使用者，我們通過類似問卷回饋的方式（也可以通過網站技術手段來獲得「回饋」，降低即時回饋的門檻），收集使用者當時的想法，基於這個即時的資料， 我們即可以即時知曉使用者心理回饋，並採取對應措施。 向守軍以問卷網的使用者為例，解釋了受眾心理回饋互動快資料的應用案例，如全球500強公司強生用問卷的方式收集員工想法，並結合員工的日常表現進行評估打分；初創公司黑馬票務用問卷的方式收集音樂製作人的需求，快速的進行產品反覆運算；樂視TV用表單進行售後服務意見的收集和管理；小米公司通過快資料進行智慧硬體試用... 對於為什麼快資料能在很多場景上得到應用時，向守軍認為，不論是大資料還是快資料，其實我們在應用和解讀時，都不能離開對「人性」的理解，對於「人性」的理解，才是我們建立資料解讀模型的關鍵。 而恰恰在這一點，即時回饋互動的快資料更加能在資料中體現對「人性」的理解，因為行為易撒謊，而態度則難騙人。 當問到大資料和快資料的關係是否是相互取代時，他給出了否定的回答。 恰恰相反，兩者可以非常好地形成互補關係，相互映射，相得益彰。 比如，在美國，當你訪問著名購物網站亞馬遜時，一方面它基於你的流覽行為大資料推薦圖書；一方面在你離開網站時會給你一份3-5個題目的回饋表，瞭解你的心理活動；兩者結合起來，第二天你可能就會收到它的小禮品郵件或者促銷郵件。 據前亞馬遜資料科學家分析，這樣的大資料和快資料互動模型的建立，讓亞馬遜的滿意度提高了1.5個百分點。 快資料會不會成為繼大資料後的一個新熱點？ 企業對於使用者的大資料有需求，同樣對於基於即時回饋互動的快資料的需求也更加旺盛（甚至對消費類公司，快資料更有價值）。 在美國，基於問卷調查的快資料公司surveymonky估值已經超過20億美元；另一家快資料公司qualtrics也剛以超過10億美金的估值完成新一輪融資。 未來，快資料，大資料，一個是更加的即時回饋，一個是更深的資料沉澱，將會如何發展，讓我們拭目以待。