數據時代已經到來。大數據的應用層出不窮，正改變著公共決策、企業管理、市場營銷以及生活的方方面面。我們知道，大數據要發揮作用，有一個前提就是數據是好的數據。所有數據都是好的么？當然不！因此大數據時代還需警惕“臟數據”。什么是“臟數據”呢？簡單來說，就是那些虛假的數據，那些未能反映真實情況、扭曲了真實情況的數據。
那么，“臟數據”是怎樣形成的呢？
KPI、利益誘惑
導致主動弄臟數據
淘寶賣家信用等級制度是一個很好的創新，推動了誠信網絡購物環境的構建。信用的等級主要依據是交易成功后買家的評分。由于信用等級在買家購物時有著巨大的指導作用，所以賣家都頗為重視自己的等級。這也導致該制度從誕生的第一天起就伴隨著“臟數據”。部分賣家挖空心思、弄虛作假爭取高的等級：有的采用虛假交易的方式，自己賣給自己，然后給予這次交易較高的評分；“刷信用”、“刷鉆”儼然成了一門生意，有不少專門做這個生意的網站；職業差評師也應運而生，很多惡意買家專門以給網店差評為手段向網店店主索要錢財。
微博粉絲數體現了一個人的影響力，同時也具有商業價值。這里也有“臟數據”——僵尸粉，即虛假粉絲、永遠沉默的粉絲。自己可以注冊多個微博來關注自己；花錢也可以買到“關注”，這些粉絲通常是由系統自動產生的惡意注冊用戶。
終端銷售的代理商為了套取運營商的傭金，用一個虛擬的串號錄入系統，自己賣給自己；電信業務銷售代理商為了完成運營商下達的任務量，將手機號卡從系統里開出來囤著，放在抽屜里慢慢賣。這些，都能產生巨大的“臟數據”。
能力不足
不可避免地弄臟數據
人為的非故意的差錯也會導致數據失真。比如要人為地去統計某個營業廳一天的人流量，若這流量成千上萬，即使再細心的工作人員，在數的過程中也難免出現差錯；如果這個人本身的算術能力有問題，對100以上的數字計算不過來，那么這數據就更難準確；更有甚者，在數了半天后覺得這工作實在枯燥無聊，于是開了小差，最后虛報了一個估計的數字。
無論是主觀故意，還是客觀能力，是人都會出錯。那計算機就不會出錯么？計算機同樣會出錯，且計算機出錯的新聞比比皆是。比如在銀行ATM機上取1千元，然后吐鈔1萬元。一方面，這取決于計算機編程人員對計算規則的理解；另一方面，這還依賴于計算機程序編寫人員的能力與細心，若出現編程人員的理解偏差或者編程時未想象到的情形，計算就可能出錯。
“臟數據”無處不在且危害大
當數據使用者將“臟數據”當作好數據，加以分析利用，作出決策，并輔以強有力的執行時，“臟數據”帶來的后果是極其嚴重的。通過“臟數據”，會得出錯誤的結論，錯誤的結論會導致錯誤的決策，錯誤的決策加上強有力的執行，比沒有數據、沒有結論、沒有決策更糟糕，不但不會對事物發展起到積極作用，甚至還可能產生消極作用。
舉兩個簡單的例子，如果購買了上述刷來的黃鉆賣家的產品，你可能會覺得名不副實；如果付費找擁有大批僵尸粉的大V來傳播商業信息，你的錢可能就會打水漂；如果運營商無視套取酬金及囤卡行為而對銷售數字津津樂道并為此樂觀的話，不僅讓酬金白費，還會得出市場發展良好的錯誤結論并采取下一步措施。
“臟數據”無處不在且危害之大，因此必須要警惕“臟數據”。當然，這不是一概否定大數據，不是說大數據毫無價值，而是想提醒大家一方面要盡可能提高數據質量，另一方面也不能完全依賴大數據。
無論是淘寶、新浪，還是電信運營商，都對數據造假者深惡痛絕，都想出了很多辦法來消除“臟數據”。顯然，這是道與魔的關系，是一個不斷糾纏、不斷提升的過程。沒有任何一種制度或者技術能百分百消除“臟數據”，但只要態度明確并不斷采取措施，就能將“臟數據”控制在一定程度，確保所用數據偏離不會太多且具有使用價值。
大數據不是萬能的，伴隨著“臟數據”的大數據更不應該被迷信。大數據的使用還需要與經驗、實證相結合。
京公網安備 11010502049343號