其次,大数据涉及的维度比较多,多数情况只能研究和解决相关性问题,而不是因果性问题。例如在大数据应用的较广的个性化推荐、互联网广告领域,业界经常会利用机器学习演算法构建各种「黑盒」模型,目标是为消费者推荐他可能购买的商品,或者展示给消费者他可能感兴趣的广告,但很少有模型能揭示出其内在的机制和原理。
而小数据研究就能精确衡量某些因素对消费者行为的影响,无论是学界还是业界,都可以通过实验室、问卷、A/B组等研究方法解释消费者的偏好和选择,小数据的研究和应用更具备可解释性。
这个问题需要因行业而定,因企业而定,具体问题具体分析。我们看到有些行业在大数据应用上走得很快,例如金融行业利用大数据解决征信问题、辅助反欺诈业务;广告行业利用大数据做精准广告投放、消费者触达;零售快消行业利用大数据做用户画像、标签体系等。而另一些行业则发展得慢一些,如建材、环保等行业。
另一方面,一般来说规模大、数据多的企业在大数据使用方面比较得心应手,而规模小、数据少的企业在这方面的投入要少一些。很多企业在看到大数据给其他企业、行业带来很高的价值时,都会急于想要引入这一流行的技术方案,而没有做充分的研究和论证。