大数据即使在未来会越来越显示出价值，但由于其涉及面太广，所以，除了部分行业，多数商人或者个人其实没必要那么的紧张大数据。除非，你是借用大数据分析某种“相对狭义的定量”。否则，大数据在十几二十年内。在相对细分行业，不能说鸡肋，但想要起大的价值，是很难的。

大数据这个东西，高端大气上档次。如果你是个商人，聊天时候，不字里行间吐露出你的战略计划里涵盖对大计划的筹谋。十有八九，会遭到同行的轻视。感情你就是个寒冬即将到来，但却不知道储备粮食的傻A。

当下，越来越多的媒体，无论是官媒，商媒,还是自媒。反正带个媒字的。聊起大数据，无不抱着敬仰敬畏之情。差点没拜倒在大数据的淫威之下。那论调，就像几年前大家炒作电商的概念一样。近乎决绝而悲壮的大喊，未来不电商者——死！

结果，死是死了一堆人，但与此同时，“电商”这个概念也死的只剩下一口气了。为什么，因为大家发现，电商是不能完全独立的，他是与实体经济不可分割的。所以，在笼统的“电商”概念之后，咱又整出了一个更加精细化的说法：O2O，觉得这才是电商本色。那种纯粹以为电商就是把店铺放网上的，都是没文化的。

但现实到这块儿就完了吗？别忘记，在O2O之后，我们又在酝酿一个新玩意儿，那就是粉丝经济。现在已经开始有人喊出。（情景多像当年的电商口号）未来商业竞争，无粉丝者死，有粉丝者活。无论你是网店还是实体店，也无论你是巨头还是新入行的雏。粉丝，粉丝，一切都是粉丝。有了粉丝，一切好说话，没有粉丝，你就是明天的诺基亚，而且还是遇到苹果后的诺基亚。不知道什么意思？意思是，你是个巨头，没有粉丝，你也就一发育不良的大头娃娃，除了等死，就是被收购！

那么，这一番不着调的话跟大数据有什么关系？

说实话，没太大关系，但别急着拍砖。机理相似。今天大家谈大数据，就像几年前谈“电商”。是个极其笼统的概念。

某种程度，当下无论商业环境还是政治环境，对大数据的酝酿，甚至还达不到让大家从电商的泛概念里悟出“O2O”的地步。

为什么？因为曾经那“笼统的电商”概念，他的好坏优劣，是直接反应在商业行为里的。所以，大家在触电之后。立马发现，纯粹电商是不可行的。一定得O2O，线上线下必须合作，才能形成一个生态互补，真正激发出各自的潜力。

而大数据呢，他比“电商”这个概念更加模糊，更加不可定性。

举个例子。

现在某大型电商的电子统计图里清晰的显示出，全国各大地区出现食盐的旺盛需求，而按照此需求的增长速率，此电商必须立刻补货。否则，食盐就会缺货。

而作为此电商的决策人，你是补还是不补？

要知道，按常态理解来看，食盐这种商品是没理由出现大规模销量暴涨的，但是，系统汇总全国用户的购买信息绘制出的销量图是基本不会出错的。

但问题就在于，如果按销量图预判的未来趋势采购食盐，但销量却突然下滑，那么，付出的物流仓储成本是不小的。

这个案例透露出什么？大数据在运用过程中，有他的天然短板。这个短板是什么呢？是他不够“大”。就像案例所说，常态情况，食盐这种商品是没理由大规模销量暴涨的，但你的销售系统提供的图表，清晰显示这段时间以及未来的食盐销量趋势不断增长。而你，即使看到了数据，也断然不敢轻易做采购决定。

为什么，因为即使销量统计图给了你一个可能的增长信息，但这违背了你脑海中的预判逻辑。所以，你会犹豫不决。除非，这个大数据能“大”到把一切变量全部涵盖。

那么我们再换一个案例，从另一个角度来说。

根据某公司调查，中国人均工资平均每年上涨百分之七，勉强应对通货膨胀。此数据精确可靠，是此公司通过全国各地工资收入情况汇总后，由系统精算得出。

不知道大家看到这条信息什么感觉？如果你不是政府官员，只是一个打工仔。相信你十有八九会觉得，一堆废话。为什么。因为你在乎的不是工资上涨的百分比的统计。而是怎么让自己的工资上涨。因为，如果要算工资涨多少，你自己把这几年领到的钱加减乘除，轻轻松松就算出来了。

而这透露出什么。透露出大数据的相对“无效性”。即即使你用大数据能得出一些东西，但你得出的东西对我而言是毫无价值的。那么，管你大数据还是小数据。多看一眼都是耽误时间。

（官方机构统计“下馆子”人群越来越多的信息，对部分地理位置不那么好的小饭店无用也是类似机理）

那么，以上两个案例如果汇总，我们客观总结一下大数据的缺陷。

一：如果某个事务的关联信息不能完全容纳进“大数据”系统，则大数据的可靠性，实用性将天然减弱。
二：很多东西，我们根本不需要大数据来告诉我们。因为我们本就知道。我们苦恼的，是如何解决当下面临的困境。而大数据显然无法在中短期给我们提供帮助。

因此，某种程度我们可以说：大数据，也就是一个参考价值相对更高一丁点的数据而已。如果你所处的行业变数太多或者本就是早已知道原因只不过能力不足才面临困境的话。大数据对你而言，其实没那么大的价值。

那些动不动就大数据的人，其实，很可能不那么了解大数据的运作机理。

但同时，为了让大家视角更全面，给个正向案例。

中国哪个地区的女性身材相对而言最好？

答案是：内蒙古

为什么，根据某大型电商平台的数据。内蒙古的女性购买的内衣尺寸比全国任何一个地区都显得“丰满”。

而在商业应用中，此数据的统筹可以帮助打算在内蒙古开设女性内衣店的商人，提前进行市场预判，别店子开到内蒙古后，才发现自己采购的货源在当地因为尺寸不对而完全销售不出去。

当然，笔者为什么要把这个案例放在最后呢？

因为，这个案例虽然是正向的大数据应用案例，但却能反向对大数据不那么好进行诠释。何解？

如果我们仔细观察这个正向案例，会发现，此案例能够正向应用的基础是，女性的身材在成年后几乎不会再发生大的改变。而且，此案例相对聚焦的仅仅是商人在货源采购上的单项的预判性，并没有涉及其他诸如竞争对手信息，当地运营成本等因素。

这意味着什么呢？意味着即使大数据可以应用，但也局限在相对的“变量”不多的局部的层面，否则，他的能效性就远远匹配不上他“大数据”的称谓了。

因此，我们在某种程度上可以说，大数据即使在未来会越来越显示出价值，但由于其涉及面太广，所以，除了部分行业，多数商人或者个人其实没必要那么的紧张大数据。除非，你是借用大数据分析某种“相对狭义的定量”。否则，大数据在十几二十年内。在相对细分行业，不能说鸡肋，但想要起大的价值，是很难的。