十几年前毕业论文做web推荐，大概就是分析用户经常浏览的页面，找相似内容的推荐给用户。当时被问了一个问题，经常浏览的内容就是他当下最需要的吗？之前没看到过的是不是会更有价值？心里一直留了个疑问。这几年大数据蓬勃发展，最近也听到有“小数据”的概念冒出来，今天再把这个话题抛出来，大家一起思考一下。
大数据给世界编织了一副美丽的画面——万事万物皆可数据化，好像人类没能够变成全知全能的造物主，就是因为数据不够多、算法不够好（突然想起《人类简史》里说到人类一直有想成为神的欲望，也许是人类的本性作祟，呵呵，扯远了）。我的感觉，起码在社会大众层面，过度的商业宣传和客观科普的缺失，已经把这种新技术神话了、理想化了。“大”一定就好吗，从另外的视角看看，“大”有“大”的问题和“小”有“小”的好处 。
大数据理念下的野蛮生长
之前工作中经常会碰到一种场景：搞大数据嘛，没数据怎么搞，先把数据搞来再说，越多越好，堆到一起再想怎么用。这时各种商业上解决方案投其所好，可以搞数据集市、数据工厂、数据生态，有了数据再发动大家想怎么用。逻辑看似很清晰，但往往成效不明显，尤其是在考虑为了搞数据的不菲投入，有点像早些年先开发再治理的逻辑。“大”是有成本和代价的，不考虑投入产出、不考虑约束限制的野蛮式发展，长久来看难以实现可持续。
大数据应用下的信息“偏见”
就像开篇网页推荐的问题，现在各种网页系统基于行为数据的推荐，你会发现每天看到的信息类别日益雷同，你会越来越陷你熟悉的信息圈，如不察觉，甚至反过来会强化自我认知的边界。这种应用的思路扩展到生产和工作中，也会出现过度依赖相关性和经验性数据的倾向，看似客观数据其实带着“偏见”。相反，无论个人成长还是社会发展一直处在动态变化的过程中，一些看似没有统计意义的小规模数据，往往会起到不可忽视的影响。
大数据语境下的数据取舍
之前遇到一个搞了很多年大数据的客户在发愁，大量的历史数据怎么处理，不维护说不定那天还有用，维护吧成本很高，而且还不知道猴年马月能用一回，更让人纠结的是真到用的时候，由于采集口径、数据质量等原因还不一定能用上。理想化一点，是数据都留着，由于未来应用场景的不确定性，提前准备好所有的数据几乎是不现实的。所以如果扁平化的对待所有数据，管理和应用效率是很低的，而从业务价值角度，数据的价值并不是相同的，而且有些还有交叉性和替代性。有时反而克服数据匮乏的焦虑，需要做明确的取舍。要知道有些场景下用的时候再去采，或者干脆换方法去决策和处理，比起“泛滥性缺乏”可能更有效率。
