刘德寰：数据科学的整合与细分 数据科学的七个危险趋势（视频）

本演讲是2015年10月29日，在CMRA大会上的主题演讲。主要探讨数据科学的整合与细分，特别分析了数据科学的七个危险趋势。自从大数据这个词出来以后，数据已经成为一个非常明确的科学领域。在这当中很少有人详细地探讨数据科学的结构和它面临的问题。本演讲探讨了数据科学有三个非常重要的层次：数据的获取、数据的描述和数据的分析。

下面是详细的PPT及文字：

自从大数据这个词出来以后，数据已经成为一个非常明确的科学领域。在这当中很少有人详细地探讨数据科学的结构和它面临的问题，包括我们行业面临的问题。

数据科学有三个非常重要的层次：数据的获取、数据的描述和数据的分析，这三件事是不同的，不要把它混淆了。

1.数据的获取

以前数据的稀缺导致行业内出现非常大的非良性循环。

在这个过程当中，又正好赶上了一个新的时代——机器化数据横空出世，突然之间，甚至一夜之间数据不再稀缺了。单靠获得数据，你能拿到高额利润的可能性微乎其微，这样就必然导致执行公司如果要继续作弊必死无疑，未来五年内我们可以清楚的看到，研究公司不好好做研究，也照样是必死无疑，无论你是国际的，还是国内的，因为时代变了。所以数据获取这一块，要有非常清醒的认识。

在这个时候大数据，正常的讲叫机器化数据已经被神话，而市场研究公司被积压在这里，市场研究数据的结构化，它必须满足两个条件，一是真的，二是价格是低的，这两件事造成的后果是什么，我相信业内的所有公司都会有体会。

2.数据的描述

再看数据的描述，由于整个社会大环境巨大的变化，在描述环节上出现了非常大的问题，这个问题中你会发现形成了新的、不同的非良性循环。为什么？数据不稀缺了。而在这个时候，机器化数据出来的东西做点频率表，做点交互表很简单。如果数据描述能够替代数据分析，这个世界一定会毁掉，因为数据想骗人太容易了。

接下来的过程当中，机器化数据由于资料收集简单，整理数据的过程非常容易。所以直接面向销售，这个面向销售就出现了充满荆棘的历程。

再看研究公司的结构化数据，大型公司由于没有应对，我在行业这么多年，一直在这些时期，有机会就在呼吁洞察这个词。实际上我们的研究员正在日益变成填数工具，而不是洞察。数据不再稀缺，你在机器化数据面前，你填数的过程当中，数据的真假还在存疑，这时候你不败谁败，必然败。而且别忘了机器化数据的成本趋近于零，所以大中型研究公司的解体、兼并、重组在不远的将来一定会频现，这是没有办法的趋势。

现在数据科学有七大危险趋势：

3.数据的分析

以上七个危险趋势将直接导致数据分析中的危险，什么是数据分析？我先从最简单的案例说起。

案例一：简单表格的危险

这个数据的结果，意味着什么？老年人比年轻人更喜欢这个东西。实际的结果呢？老年人和年轻人没有任何差异。高低文化之间有差别吗？所有的结果都显示高文化程度的比低文化程度的人更喜欢，总体上它就是相同的。

再看一个更加实际的案例。我们知道房价是怎么算的，房价是加权算术平均数。现在看一看房价，房子的均价跟房子的成交价格没有关系，跟销售结构有关系。所以在这个时候，房价的均价大约是这样的，我告诉大家房价在下一个季度全面上涨10%，但是销售结构略微有一点变化。房价下跌2.63%，大看清楚定价了吗？任何一个地方都上涨了10%，接下来销售结构一定会再变，房价又涨了10%，房价又下跌了，但是统计数字会告诉你下跌4%。

案例二：无关转相关系

这是我1998年获宝洁论文奖的时候得到的模型，表面上一大堆无差别、无差异的情况，导致了什么情况呢？看起来没有差异，一个是男的比女的喜欢，一个是女的比男的喜欢，整体上没有差异。但是差别大吗？规律性强吗？

案例三：建模预测

我们在2011年用的词叫苹果熟透了，苹果在一个领域发展。2012年我在互联网大会上，在我们这个会场上我都说过华为将崛起。2013年我说过三星必然下滑，去年2014年也是一样的，这两个大会我都说过小米将面临问题，我不是神，但是模型能。2015年什么情况？我不想对任何一个品牌现在来说，大家关注我们要发布的手机人报告，那个时候我再开会，会详细地把这个结果告诉大家。

我让大家看一个结果，模型的基点预测点是这张图：

这个模型你能不能做出来？我一直在说，中国调查业从来不缺数据，从来不缺所谓的描述，只缺分析。如果被这些互联网公司，被码农牵着走，那不是笑话吗？他们能代表中国的分析能力吗？中国的分析能力不是他们，而一定是我们。

4.小结