最近看到一則海外的新聞，一家人在收到一貫準確投遞到家中的商業促銷信函時，看到其中一封的促銷產品函中標注著“該名客戶親人近期在車禍中喪生”的信息。
如果家人全部健康平安，收到這么一封少許帶有點詛咒內容的信件，我們頂多會心里罵幾句這家不靠譜的公司而已，但是，恰恰相反，這家公司的大數據收集能力和備注能力都極其 出色，信中關于收件人家庭的信息非常準確！（聽著真有點像現實中的驚悚片）。
一直被商家寄予厚望的大數據，終于以一種夸張的方式獲取了娛樂媒體的關注！（要知道，過去，大數據從來都只有枯燥的IT業界才舍得關注）
關于大數據的定義以及對人類的意義，我就不贅述了，反正有無數的專家會前仆后繼地去解釋，簡單的聊下這個事件中商家可能運用大數據的線路圖：
這里面浮現出了大數據應用于商業企業獲取客戶的基本供應鏈：
A公司是需要潛在客戶信息的企業；
B公司是信息經紀公司或數據收集分析公司，負責收集整理篩選潛在客戶信息提供給需要的企業，這些數據幫助企業促銷推廣產品獲得客戶時使用；
C公司有可能是一家連鎖超市或者能夠接觸到最終客戶的企業，它的數據庫有著大量的一手客戶詳細信息；
D是被像小白鼠一般準確分析的客戶（當然，在隱私充分保護的情況下，大數據其實反而減少了我們被垃圾廣告騷擾的次數，因為它所導致的銷售行為更精準更符合我們的個性化需 求）。
上述的故事脈絡基本就是：B從C處獲得了客戶信息，篩選出滿足A需要的信息，并根據A的產品內容針對特定客戶寄發信函給D。一個很完美的流程，但是在這個過程中，可能就是人 為操作的疏忽，客服代表不小心把原本后臺隱藏的客戶背景信息放入了信函中（估計是多次枯燥的拷貝粘貼中出現的失誤），結果出現了這尷尬的一幕。
現有的大數據收集可以分為被動數據和主動數據，也許我這樣的劃分很不科學嚴謹，會讓很多專家憤怒，但是，我已經習慣了把復雜的東西簡單化通俗化，就原諒我一次吧。
被動數據
比如我們在搜索引擎中每一次搜索的記錄、在電子商城中每一次的商品瀏覽和購買記錄、每一次電子支付的數據...這些看似不相干的龐雜數據，匯總在一起，經過分析提煉，一般 即可描繪出你這個人的行為習慣概況，并對你未來可能采取的行為做出概率相當高的預測（最早的大數據大師應該是福爾摩斯，和他相比，現在很多自稱大數據專家的，則只能成為 雷斯垂德警探）。
主動數據
主要依靠人為收集、篩選、生成。
制度健全的大公司的優秀員工，都會在入職時被培訓出像鼴鼠一樣的嗅覺，在他們邊和客戶交談時，邊豎起耳朵細心傾聽客戶透露的信息，事后再整理進公司的客戶資源管理系統。
在正常的如姓名、性別、公司信息、職位等客戶個人信息之外，還有一個非常重要的備注欄，那里面充斥著關于客戶的八卦：出過的書籍、家庭成員狀況、愛旅游還是愛寵物...這 些信息都是銷售或客服在日常與客戶的接觸中交談溝通得來，當然，這樣做的目的我們通常會認為是以后可以更好的服務客戶。
利用大數據技術，不管是被動數據，還是主動數據，將這些無頭緒的信息編織在一起，經過分析篩查，就能夠精確地指向潛在客戶。
這也是它被商業專家們寄予厚望的所在。但這一次的事件給了我們一個小小的提醒，如何防范無心的隱私冒犯？哪怕是打著精準營銷的旗幟，這樣的失誤都讓我們難以承受，更不要說故意的隱私侵犯了。
從海外的信用卡客戶隱私數據泄露，到近期國內的開房數據曝光，數據越來越大，擔憂似乎越來越多。在電子化時代，所有跟我們個人信息相關的數據幾乎都流淌在網絡中，未來， 也許一個節點的數據泄露，就是你個人甚至你周邊人的整個人生的信息曝光...
也許有一天你的女朋友會收到你為她精心準備的，并且從網上商城訂購的生日禮物，同時可能在隨禮物寄來的包裹里有著打印好的固定格式的感謝購買函，以及系統不小心出錯打印 上的“（根據以往購買記錄，該名客戶有86%的可能會喜歡黑絲鏤花，并且花費預計不會超過80元，他的女友不喜歡的概率可能為43%...）”。 當然，這種建立在對客戶過往交易數據分析上的“溫馨的”隱私判斷通常不會出現，即使出現，也會出現在括號內。
當然，大數據還是帶給了我們一些便利, 商家不用偷窺，也能知道你有什么癖好，以及如何精準的滿足你這種癖好...
京公網安備 11010502049343號