當下中國，大數據是個熱詞。

無人汽車、人工智能、生物醫療，各種新科技中，大數據的身影無處不在，它像一把萬能鑰匙，開啟了很多不為人知的空間。

但在人們熱捧大數據的同時，卻往往就數據論數據，甚至陷入數據膜拜，而忽視了大數據背后的人的因素。大數據是怎樣發揮價值的？那些不會說話的數據又是怎樣講述鮮活的故事的？關注到騰訊近日發布的大數據報告《95后迷之隱私觀大揭秘》，記者走進位于深圳的騰訊總部，走進那些讓數據“活”起來的人。

大數據給不出解釋

搞大數據研發，不就是坐在實驗室、電腦前，整天對著數字噼里啪啦地運算？可騰訊公司用戶與市場研究中心調研員韓娜，更多地是奔波在見調研對象的路上。

韓娜講了一個對于她來說“家常”的故事。

一年冬天，她從南方的深圳趕到北方的沈陽，約了一個孩子做用戶調研。本來知情的父母臨時有事不在，孩子的姑姑不讓韓娜進門。韓娜拿出身份證、工作證、介紹信，反復解釋，但所有證明一概無用，對方就是不肯相信。

最終，韓娜被“砰”的一聲拒之門外。

類似的經歷，韓娜所在的團隊幾乎人人都遇到過。

很多人不理解，一個互聯網公司怎么還用上門調研這種“老土”的方式？

的確，擁有7.62億月活躍微信賬戶、8.77億月活躍qq賬戶的騰訊，并不缺乏用戶社交的大數據，但光有數字就行了嗎？

“大數據給出了結論，但給不了解釋。”用戶與市場研究中心總監譚池舉了一個他自己的親身經歷。

多年前，他曾經參與過早期蘋果手機一代的調研。當時，老外們通過大數據驚訝地發現一個現象：蘋果的幾種輸入法中，中國人特別偏愛某一種。可是老外想不通，這是為什么？

譚池說，“為什么”往往是大數據的盲點，而產品改進的關鍵，有時候恰恰就在于這個“為什么”。想要找到答案，目前，還只能依靠傳統的人對人詢問。

當時，經過傳統調研，譚池找到了原因：中國抽煙人口比西方國家多，許多公共場合更是想抽就能抽，人們一只手拿煙時，只好單手握著手機打字，因此中國的蘋果一代用戶，特別偏愛單手型、單指型的輸入法。知道這個“為什么”以后，相關產品的開發，開始更多考慮單手模式了。

數據會拋出許多令人驚訝的結果。但結果意味著什么，人們仍然一無所知。可以說，人與人交流的傳統模式，不僅沒有被掩埋，反而在大數據時代，被一個個數據又激發出來。

大數據讀不出場景

“滴”“滴”――訪談室里充滿此起彼伏的電子音。研究員們有些震驚。

事情緣起于產品經理想做一個無障礙功能的設計。研究員朱丹招募了6位盲人進行訪談。起初，大家做好充分準備，以為盲人們可能不會使用智能手機，不會用app，需要先教一下。

但沒想到，這群盲人使用互聯網產品相當熟練。他們利用智能手機的讀屏功能，并且每個人都把聲音調到最快檔，只聽見手機發出“滴”“滴”這樣短促的電子音，常人的耳朵根本聽不懂是什么，但6位盲人卻在怪誕的聲音中，熟練地使用互聯網，讓在場的“小伙伴都驚呆了”。

“原來網絡對他們的幫助比我想象中大很多。”朱丹感慨。有位盲人告訴她，比如移動支付，對正常人來說只是多了一種支付手段，但對他們而言是一種顛覆式的設計，大大方便了盲人消費。

大數據往往會這樣，提供了一個結果，但它并不知道用戶在使用產品時，身處什么樣的場景，懷揣怎樣的心情，有著怎樣的需求。這一切，唯有人與人面對面，才能知曉。

還有一次，譚池找到了成都的一名用戶，興高采烈跑到對方家里。目的是為了知道，用戶使用產品時，真實的生活場景什么樣。一番交流和觀察后，他忽然覺得不太對勁：這戶人家冰箱里只有6罐可樂，沒有多余的食物，房間里也找不到水壺或飲水機。譚池發短信給同行的同事：留意一下，這是不是他真的家。

等到雙方聊得很開心以后，對方果然露出了口風，原來他確實不住在這兒，這間屋子的主人是他父母，目前租給別人，這次為了接受調研，臨時借用了一下。

“這樣一來，我觀察他的生活場景，有一半信息就沒用了，比如小區、鄰里關系等。”譚池遺憾地說。

進一步說，比起直接的數據，如何解讀數據背后的意義，才是把大數據用“活”的重頭戲。用戶真正的使用情景，他們的擔憂、開心、困惑與不爽，目前的大數據讀不出來。數據再大也是死的，只有人能激活它。

大數據不知道怎么做

多年前，有一位調研員曾經接過一個項目，對方要求調研某產品在用戶心中是多少分，如果得分在80分以下，整個相關團隊就要被撤銷。“其實，給79分還是80分，有很大區別嗎？”譚池反問，“不談評分機制，就算根據數據得分，判了一個團隊的生死又怎樣？問題還是在那兒，依然沒有得到解決。”

大數據本身，并不能給出一個既定做法。面對數據運算的結果，之后的步驟可能更加重要。

調研員小迪同時負責1-3個調研項目，一般9點半從公司出發，去深圳市里與用戶一對一訪談。中午回公司，下午另外一個項目的招募和策劃會議又開始了，當中偶有空隙，他就回到座位寫一些訪談總結。這就是一名調研員每天的工作日常。

每一年，研究中心負責調研的項目數以百計，這些課題并非調研員自己“拍腦袋”想的，大部分來自產品策劃的需求方，比如產品經理，改進一個產品功能時可能會冒出一個問題，希望通過調研來解答。

韓娜說，剛入這一行，自己與產品經理交流時，經常需要磨合。比如一位產品經理很糾結，關于“簽到”有兩種改進方案，究竟95后用戶更喜歡哪一種呢？他不知道。他可能先去找數據師，去調相關的大數據。大數據顯示，95后更熱衷于每天上網“簽到”。但是他們“簽到”究竟是出于什么心理，獲得了什么滿足，數據并不懂。

于是，產品經理接著找韓娜，請她進行用戶研究。結果顯示，95后樂意“簽到”，更多是為了滿足自己的情感需求，尤其是“刷存在感”。可是知道了這一點后，產品經理依然無法抉擇，究竟哪個方案更好。

時間久了，韓娜漸漸明白，自己做完調研，不能僅僅解答“為什么”，“用戶怎么想”，還要給出“怎么做”的建議。

當然，再細致的調研，最終也不一定能找到產品經理想要的答案。有時候，答案是有了，但考慮到成本營收、缺乏供應商、缺乏可操作性等因素，改進方案依然不了了之。大數據和訪談就都白做了。

另一位調研員馬建說，自己工作最開心的那刻，就是調研的建議被采納，最終體現到產品中。

今天的企業、政府，乃至整個社會，很容易通過大數據對市場一目了然，但一目了然之后怎么做？漠視它、改正它、還是適應它？

大數據未必懂得價值

羅英、何文是“數據挖掘師”。但這份工作想做得好，單純依靠算數據并不夠，其實還要動用“情商”。

比如，qq音樂有一個功能叫“猜你喜歡”。根據用戶的數據，軟件會自動推薦一些陌生歌曲，它們往往符合你的音樂品位。這種推薦，顯然是基于大數據平臺。一般我們以為，只要提供一些算法，大數據平臺照此運算就成，但事實沒那么簡單。

首當其沖的是準確率。“猜你喜歡”究竟能猜對多少首歌？不同的數據師，可能會設計不同的算法，有的人效果明顯比較好，他把“年齡”的數據用起來，而另外一個人沒用，就會導致兩者準確率差很大。

究竟需要考慮哪些數據維度，薦歌才會最符合心意呢？沒有標準答案，不同數據師有自己的判斷。同樣的大數據庫，一個運算下來比較準確，一個不準，其中唯一的變化就是人。

第二個問題是，為什么有人能想到“年齡”，而有人卻想不到？憑借的也是個人經驗。或者說，憑借的是人對事物的理解，考驗的正是數據師的“情商”。

“在我們行內有一個不等式：業務知識>數據>算法。”羅英解釋，“而業務知識就是你的理解能力。”用同行的話來說，就是“你的架構是否合理。”

沒什么課題的時候，數據師的常規工作十分枯燥。

每天上班第一件事，就是低頭看手機。手機上，已經裝有數據展示的平臺，到點就會自動發布一些基本情況，比如當天登錄用戶數多少，這些已經無需太多人工干預。

然而一旦看出今天的數據有異常波動，數據師就要馬上查找原因，比如去各個相關部門詢問，是不是因為今天有大型活動？如果有，那算是幸運的。比較棘手的情況是，今天更新了一個新版本，而用戶在新版本上，上傳照片的完成率很低，那也是一種異常，需要趕緊找原因。

如果產品經理提出一個課題，需要與小伙伴們湊在一起開會討論，那數據師的工作會稍微有趣些。

比如最近，產品經理提出：能不能根據大數據，觀察每座城市的人口遷移，隨后做一份《城市年輕指數》報告？

策劃會上，數據師們給出了這樣一些數據：用戶的登錄地，再比對他們的年齡信息等。最后給出來的數據，大家一看都覺得有價值，《城市年輕指數》報告就這樣出爐了。

當然，更多時候，理想很完美，但運算出來的數據卻沒什么變化，被判定“數據價值不大”，議題便會不了了之。

“大數據就好像是一杯水，我們需要去廚房煮菜，水只是材料之一。我們不能直接把水賣給客戶，我們需要煮好一碗菜，才能端給客戶。”羅英形容。

何文則說，他工作的成就感，不在于運算大數據，而在于最終“能給出有價值的數據”。

大數據還能做什么

第一張與家人的合影、第一張旅行的照片、第一張寶寶的笑容……

已經活躍了11年的社交平臺qq空間有著豐富的用戶數據，最近，騰訊運用這些數據，為個人生成一份“社交回顧互動”h5，比如顯現出你第一次注冊空間的時間，跳出第一張上傳的家人合照。

“其實也捏了一把汗，這對圖片的數據解讀要求非常高。”從事qq空間運營的琪琪說，“試想，第一張與家人的合影，萬一大數據判斷錯誤，跳出來的照片是與男同事的合影，豈不是很尷尬？”怎么抽取數據，讓數據判斷準確很重要。

小迪做調研時遇到一名初中男孩，對方很有傾訴欲。男孩告訴他，自己有5個qq號，4個已經被媽媽“破解”了，可能是因為密碼太簡單，都是生日之類，媽媽太容易猜到。于是他想出了第5個qq密碼，復雜到連自己也記不住。他把密碼放在帶鎖的儲錢罐里，再把儲錢罐藏在床底下，每次用這個賬號登錄qq時，他都要先從床底下把密碼翻出來才行。即便如此，為了屏蔽父母，他還準備再注冊一個賬號。

這個故事，后來被小迪寫進了《95后迷之隱私觀大揭秘》報告中。該報告揭示，95后是一群非常注重隱私的群體，近4成95后認為，自己的隱私遭到過侵犯，他們為了保護隱私采取過各種小手段。

然而隱私報告誕生后，也讓一些媒體和學者產生了危機感。報告既有大數據的樣本分析，這點比高校科研的取樣還大；又有案例故事，這點又與媒體的角度重合。長此以往，是不是一家互聯網公司就能自己完成科研報告了？大數據會不會讓一些科研機構被取代呢？

除了活動、推薦、科研，大數據目前已經用來進行精準的廣告投放。比如一個平臺，經大數據分析，把1000萬流量分成兩半，一半是對汽車感興趣的人，一半是對奶粉感興趣的人。只需要把500萬流量給車商打廣告，它的轉化率就非常高。

而最讓人期待的是，大數據在某個領域正發揮著超乎想象的作用――城市公共空間的實時數據檢測。

類似功能，其實微信上已經有了。打開微信個人錢包，選擇城市服務，右下方有一條“城市熱力圖”。點擊進入，熱力圖能實時顯現你所在的位置附近，有多少人流，它意味著交通是否擁擠。當然，擴大使用的話，它還能實時監測某塊區域，是否短時間內人流密度過高，及時提出預警。

也是基于相同的原理，近幾年騰訊發布了春運遷徙報告，實時監測每年春運的遷徙情況。

以上這些，都是已經使用大數據的方面，而未來，很多人都對大數據賦予了想象空間――

當每個人的身體信息都能被實時收集，形成個人的大數據時，人會怎樣？當整個社會被大數據連接起來，形成一個龐大的系統，不僅交通、運輸，整座城市管理，都可以用大數據運算出一個“最佳方案”時，城市又會怎樣？

我們已經邁入一個大數據的時代。有人說，終究有一天，數據的價值將超過土地的價值。但是也有人說，世界就是一個“黑盒子”，永遠無法窺探內部的秘密。

遠古時代，宇宙對于人類就是一個巨大的黑盒子。如今，科學技術正在解開一個又一個黑盒子，可是大數據的終解會通往哪里？目前依然沒人說得清楚。

“技術是有局限性的。”當我們一直在展望科技的無限可能時，反倒是這些一直與大數據打交道的人，不斷強調著這一點。

(文中的人名均為化名）

對話

人始終無法被替代

解放周一：企業對大數據的估值一直都很高，不會輕易公開。你們怎么會想到免費對公眾發布一些大數據的社會報告？這本身就是一種試驗嗎？

李航（騰訊集團市場與公關部總經理）：這幾年，社會上的大數據報告很多，每家互聯網公司各有偏重。

社交平臺本身就是一個濃縮的小社會，社會的新變化、新趨勢，都會在這個平臺有所反應。比如，大家越來越覺得，當代年輕人變得無法定義了，他們似乎喜歡追星、喜歡消費，他們究竟是怎樣一群人呢？能否做出一些描述？那么，在我們的社交數據平臺上，是否可以觀察到年輕人的一些變化？意識到這是一個社會共同關注的話題，我們就基于大數據發布了相關的報告。

另一方面，大數據是個很大的盤。但是這個大盤上也可以有許多小的切面和故事。大數據未必一定要生成一個宏觀的大報告，從特別的角度切入，以小見大，也是一種嘗試。這次我們推出95后的隱私觀，那么下次可以繼續推出當代年輕人的審美觀、擇業觀等，持續聚焦一些可長期跟蹤的社會話題。

解放周一：這份報告既有宏觀數據，又有微觀故事，看起來似乎“搶”了高校和媒體的活，您覺得，你們做的調研，與高校和媒體的調研本質區別在哪里？

李航：我們是一個平臺，也許從能力上，我們可以做到像高校那樣，或者像媒體那樣，但從自身的定位來說，我們盡量只做平臺該做的，那就是客觀陳述。有些洞見，不輕易進行價值判斷。社會現象一擊即中講清楚即可。這些大數據發布出去以后，如果高校、媒體引用，進一步就這個社會現象深入分析下去，我們也很高興。

大家知道，騰訊一直在做平臺服務，提倡“開放”，這個思路也適用于傳播。我們現在的社會類報告，大數據依然是開放狀態，未來外部機構可以一起策劃做下去，共同搭建一個挖掘數據價值的生態圈。

解放周一：是不是因為互聯網行業變化太快，所以你們對社會的細微變化很敏感，也因此對調研投入了很大精力？

李航：pony（指馬化騰）曾經說：巨人倒下的時候，身體還是溫的。互聯網這個行業，分分秒秒都在變化，特別讓人敬畏，所以我們始終有一種危機意識。基于此，我們專門有課題研究社交如何改變人。今天，我們愿意開放一部分資源和數據，也是希望能與全社會一起去解讀互聯網的動向，可以說是為了社會，同時也是為了我們自己的生存前景。

解放周一：那么您對大數據的未來怎么看？有了人工智能、深度學習，未來人還有用武之地嗎？

李航：目前看待和處理大數據有幾種方式。一類是對年齡、性別、星座等基礎結構型數據進行呈現和總結。第二類是視頻數據、語音數據、圖像數據。我們有像優圖這樣世界領先的技術團隊，他們在音頻、人臉、圖片識別等領域都有深入研究。現在我們正在研究，如何讓語音數據與圖像數據結合進行分析。第三類就是人工智能，它的想象空間非常大，或許通過深度學習，未來人工智能自己會對數據產生洞察力，理解數據背后的意義、原因、提供建議，一切皆有可能。

未來也許人機之間有新的協作模式，但我相信人無法被替代。人性很復雜，即使人與人的當面交流，所知也是有限的。人的情感、動機、心理，這些都是目前機器解讀不了的。

越是與大數據打交道，我越是對人性保有敬畏之心。