拥有了很多的数据，就是大数据了么?

微信朋友圈的广告已经过去几天了。看到各行各业的大神一波又一波的评论事件，经过几部大作的琢磨，有两个问题值得探讨。第一个问题：有很多数据，是大数据吗？微信拥有超过11亿用户和超过4亿活跃用户。每天产生的数据量是天文数字。这些自由发布和无导向的社交软件产生的数据在这个朋友圈广告中用于什么？通过在朋友圈发布的广告商，使用几种常见的大数据应用程序，我们推测：模式1：该模式使用微信用户的大量数据，筛选与广告商定位一致的群体，如肾脏，如关注奢侈品、汽车，定义用户，然后推广广告。模式2：利用微信各种用户数据概述属性，如用户收入、年龄、区域、教育水平、行业等基本特征，比较广告商产品定位人群属性，具有相似的属性，加上用户反馈参数的推广测试，如右上角对选项感兴趣，然后筛选群体，然后推动目标。模式3：当属性不完整时，应使用第三种模式，以用户偏好为分类条件，如发布旅游、科技产品、饮食、娱乐等，已成为定义条件。根据这些偏好进行排序，筛选出前20名用户最关心的偏好，然后将这些偏好与广告商的客户定位进行比较，以最相似的部分推动人群。上述三种常见的大数据推荐模式不涉及社会属性。事实上，如果准确分析能够达到用户消费行为和倾向的水平，社会属性就会被削弱，因为后者的实质性作用是扩大受众。根据微信的用户数量，准确分析数百万甚至数千万宝马潜在用户应该不难，但这种推送不是一对一推送到用户对话框，而是利用社交属性在朋友圈中传播。这仍然是Feed流广告的方式，大数据的准确性没有得到很好的应用。因此，微信有大量的数据，但微信是否在进行大数据分析取决于在大量数据中做什么。这种推送不是严格意义上的大数据行为。第二个问题：这种广告效果几乎是由事件炒作和用户转发形成的。它与大数据有什么关系？这个问题是因为这三个广告商都投放了品牌广告，而不是特定产品的宣传，提高了品牌意识。在微信用户数量下，再加上“高、中、低浪费”人群分类话题的炒作，应该纳入事件营销的道路。我看不出它与大数据应用程序有什么关系，因为最终的消费转型仍然依赖于广告商的自我努力。为什么不使用这么多用户数据？让我们大胆地再假设一次：1、微信并不完全了解其11亿用户，否则应该找到11亿用户中哪些是真正的土豪劣绅和失败者，并相应地推动宝马或可乐，这与事件营销没有冲突。2、微信从“高质量种子用户”开始设置，前提是活跃度高、参与广告互动的用户及其社交背景与宝马、vivo、可口可乐的广告受众相当一致。从事件炒作的角度来看，这一设置显然是从一开始就准备好的，而不是基于准确性。不难看出，微信是基于社会属性的广告推荐。它没有应用基于内容、协同过滤、规则、效用和知识的大数据能力。它不关注人与物之间的强烈相关性（如偏好、购买、意图等）。从这两个问题的结果来看，我们发现这是一个成功的事件炒作，一个公关事件，一个传播效果的验证，没有大数据。那么真正的大数据推荐是什么呢？从数据库中找到微信用户的所有朋友与大数据无关。大数据的一个重要特征是分析不同来源和性质的数据信息。比如把微信用户信息和宝马用户信息结合起来分析，就是典型的大数据应用场景。专业上，这是大数据的多样性属性(Variety)。大数据推荐的目的是发现两个实体表面上可能不相关，实质上相关。在小数据范围内，这种隐含关系并不容易，在大数据的情况下，难度可想而知。我们把这个问题分成几个步骤来解释：第一步是解决“什么样的数据可以纳入分析？”“因为数据量太大，包含无关的东西不仅会增加不必要的计算量，还会产生很多干扰。因此，去噪(noisereduction)是第一步。以微信朋友圈广告商宝马汽车为例：如果一个微信用户声称他昨天买了一辆宝马，但宝马的购车用户名单上没有这个人，那么这个用户是否应该被淘汰将影响下一步。第二步是确定基准数据(benchmarking)。要分析两个实体是否相关，关键是要看它们的相似性。有人说80%相似，有人说50%以上就可以了。那么如何确定这种相似度呢？专家判断是一种方法，统计结果判断是另一种方法，最好的方法是大数据模型可以自学来判断这个基准。第三步，数据降维(dimensionreduction)。所谓降维，就是从推荐系统中删除不需要考虑或不重要的因素，从大数据到小数据。例如，微信用户和宝马用户之间可能有很多相关点（电话号码、城市、年龄、土豪劣绅水平、付款记录等），并非所有相关点都对推荐有用。比如富二代18岁开宝马，普通人可能30岁开宝马，所以年龄可能不是分析的关键。简而言之，降维的根本目的是方便计算，避免天文数字的数据分析，至于如何降维和降维算法，以后可以详细说明。第四步，选择合适的推荐算法。上述推荐算法应用最广泛，各有优缺点。选择哪种算法，要考虑解决哪些问题，数据量大小，特征选择等因素。也就是说，人与事背后的联系应该以数据的方式联系起来。第五步，在许多情况下，大数据推荐应考虑实时推荐。例如，当一个新用户进来时，你必须把它推给他的宝马、vivo或可口可乐。大数据框架的设计必须足够完整，这涉及到同样的推荐效率和用户信息。此外，大数据推荐的结果通常被称为“大数据预测”，从足球彩票到股票的应用场景是不同的。能做好大数据预测的公司才是真正的大拿。根据上述推论，大数据下的推荐系统并不简单地等同于社会关系的推导，必须基于更严格的需求分析和更复杂的系统设计。微信有自然条件(大数据、资金、团队等)。)，但在这次广告推送中，大数据应用并不到位。虽然使用了大数据能力，但更像是“大数据是一个篮子，一切都可以装进去”的包装技术，真的很可惜。