我不喜欢现在用的大数据标签，谁家的都不喜欢。
越来越感觉，现有标签把数据和数据的关系给固化了，就是你买过尿布然后一辈子都会被推荐啤酒的赶脚。而我有限的数据产品经历却告诉我，数据被全量保存下来的最大意义不是数据本身变成动态可查询，而是数据和数据的关系变成动态可查询。
什么意思？
简单来说，就是你历史上买没买过尿布，买没买过啤酒，这些数据并不重要，重要的是买尿布的行为和买啤酒的行为之间，在两项数据之间是否有关联，强度多大——譬如说，是不是买了尿布的人7成以上（瞎编的，如有雷同，纯属撞上死耗子）都会买啤酒？
所有的资料告诉我们，「大数据关注的是相关关系，不关心因果关系」，并且把这作为大数据的优点提出。但是，今天，当我们关注大数据产品化和商业化的时候，却发现这很可能恰恰是大数据的缺陷。
有牛人告诉我，统计学和计算机算法的最大区别就在于，前者是要「归因」的。今天回头来看，大数据商业化的瓶颈恰恰可能就卡在大数据产品「如何从数据和数据的关系中找到大概率的因果关系」，而不是「如何用数据挖掘解决问题」。
正如前文所言，「如何用数据挖掘解决问题」是「私人医生」，也就是BI和数据科学家的事情，但是站在一个普通的商业从业者角度，我需要的只是知道我生了什么病，应该怎么去确诊，而不是不管三七二十一，上来就先做个血检。
换个角度来看，数据指标本质上就是数据和数据关系动态的体现。譬如说用NPS的曲线和revenue的曲线作比较，就能发现后者是否处于健康增长的状态，有没有做什么dirty的事情，有没有对老客户挤奶牛；用BDI和CDI交叉，就能够看出最近品牌和产品是否出了什么问题。作为一个普通从业者，经过普通的讲解，我就能够用这些数据指标来做一些判断和决策，而对于行业高手来说，这些数据指标甚至可以成为他们的利器。
为什么品牌还在用「老旧」的数据指标，而不是用大数据产品来决策——因为用数据指标可以「归因」，从而制定有效的品牌和产品策略，而大数据标签和报表只能用于打包人群。
再换一个角度，大数据标签背后，打包人群里的每一个个体都被视为平等的「理性人」，分享着共同的标签，享受着同等的投放待遇。但是，事实上呢？这些人里面，有KOL，有现实的意见领袖，有网红，也可能有线下导购，每个人所能发挥的作用并不是标签所能概括的。
从这个意义上，大数据标签，更像是大数据从产品化向商业化迈进的过程中，所产生的过渡产品——到达人群的方式有千万种，目前效率最高成本最低的是标签这一种。就好像电子商务，电子只是手段，商务才是目的；数字营销，数字只是手段，营销才是目的。对于大数据营销来说，标签只是手段，到达人群才是目的。
早晚会有更好用的产品替代掉现在的大数据标签，也许是「标签+」，也许是「人群+」，总之，是一个更简单好用的东西。或者，就像电子商务今天更多地被称为商务电子化，大数据标签有一天也会更多地被称为标签数据化。
「让听得到炮火声音的人来决策」，但是，也请用大数据产品让他们能够找到炮火声音背后那致命的狙击手。
就酱。
PS：以上内容纯属一个文科生的吐槽，仅代表本人观点，和所在公司无关。
人了解世界的时候，都是先问who & where，慢慢学会问why，当对答案不满足的时候就开始问how，所以，knowhow才是人对世界的回答。谢谢关注Knowhow_Ho，何夕一言堂，这是我对世界的回答，一家之言，不求正确，但求有所启发。
