大數(shù)據(jù)污染與用戶畫像

陳禹安

心理管理學(xué)家，杭州出版集團(tuán)副總經(jīng)理，微信公眾號(hào)：wanjusiwei

互聯(lián)網(wǎng)技術(shù)與大數(shù)據(jù)應(yīng)用無疑是大勢(shì)所趨，但高樓萬丈平地起，如果從一開始就無法提供高純凈度的數(shù)據(jù)基礎(chǔ)，任何美好設(shè)想都將是無本之木、無源之水。

自“大數(shù)據(jù)”成為熱詞以來，幾乎一夜之間，很多公司就開始標(biāo)榜自己“具備強(qiáng)大的數(shù)據(jù)挖掘能力”。但實(shí)際上，大數(shù)據(jù)時(shí)代剛剛萌芽，所謂的大數(shù)據(jù)應(yīng)用遠(yuǎn)遠(yuǎn)沒有達(dá)到“神乎其神”的程度。

2016年4月21日，亞馬遜中國聯(lián)合新華網(wǎng)開展了“2016全民閱讀調(diào)查”，通過覆蓋全國500多個(gè)城市、11800多位受訪用戶的數(shù)據(jù)調(diào)查，并結(jié)合多年來對(duì)中國市場(chǎng)的深入研究以及讀者在線消費(fèi)行為的分析，發(fā)布了一份調(diào)查報(bào)告。

這份報(bào)告的一些結(jié)論頗令人奇怪。比如，“70后”愛讀生活和少兒類圖書，“80后”對(duì)經(jīng)管以及孕產(chǎn)育兒類書籍情有獨(dú)鐘。不同年齡段的讀者在題材選擇上確實(shí)會(huì)有所不同，但“70后”中年紀(jì)最大的已經(jīng)46歲，最小的也已37歲，這一頭一尾的差別顯然不能用“愛讀生活和少兒類圖書”來統(tǒng)一，而且“70后”確實(shí)可能買少兒類圖書，但未必就是“愛讀”。

亞馬遜對(duì)于數(shù)據(jù)的解讀實(shí)在是太過粗疏了，而且也經(jīng)不起推敲。導(dǎo)致這一結(jié)果的原因可能是調(diào)查樣本偏差，也可能是數(shù)據(jù)在采集時(shí)就已經(jīng)被污染。前者是調(diào)查方式的問題，如是后者，則與“數(shù)據(jù)身份歸屬”密切相關(guān)，因?yàn)闊o論是通過亞馬遜網(wǎng)站還是Kindle采集的信息，都可能無法精準(zhǔn)認(rèn)證。

在當(dāng)下的互聯(lián)網(wǎng)技術(shù)支撐下，數(shù)據(jù)采集已經(jīng)不是什么難題，但針對(duì)任何數(shù)據(jù)的分析、評(píng)估、研判乃至具體的應(yīng)用，首先就要明確數(shù)據(jù)的身份歸屬。也就是說，某一組數(shù)據(jù)到底是由哪一個(gè)具體的鮮活個(gè)體產(chǎn)生的。如果數(shù)據(jù)不是由某個(gè)確定的單一個(gè)體產(chǎn)生的，顯然就無法依據(jù)這種被污染了的數(shù)據(jù)來做出正確的分析和合理的判斷。

這個(gè)問題看似簡(jiǎn)單，但在現(xiàn)實(shí)場(chǎng)景中卻存在著至少兩類數(shù)據(jù)身份歸屬不明的情形。

第一類是數(shù)據(jù)身份錯(cuò)位。

基于互聯(lián)網(wǎng)技術(shù)的商業(yè)應(yīng)用，往往需要用戶在使用之前進(jìn)行注冊(cè)。比如，使用Uber、滴滴打車這樣的APP，用戶必須將自己的一些身份信息填寫上傳，才能正常使用。而Uber、滴滴的后臺(tái)則根據(jù)這些身份信息，來做對(duì)應(yīng)身份的數(shù)據(jù)分析與挖掘。但是因?yàn)榛ヂ?lián)網(wǎng)新技術(shù)存在著學(xué)習(xí)門檻，并不是所有有意成為用戶的人都能輕松克服學(xué)習(xí)阻抗的，只能請(qǐng)求他人幫助或代勞。

有一次，我打Uber的時(shí)候，從手機(jī)端看到的信息是一位年輕的女司機(jī)，但隨后的電話溝通卻表明是一位年長(zhǎng)的男性。等上了車做了一些了解后，才知道這是女兒為了讓退休在家的父親有事可做而注冊(cè)了Uber司機(jī)賬號(hào)，但她是用自己的身份而不是父親的身份注冊(cè)的。這就造成了數(shù)據(jù)身份錯(cuò)位。如果Uber以此賬號(hào)來認(rèn)證這一數(shù)據(jù)身份的行為，就可能出現(xiàn)偏差。舉一個(gè)極端的例子，當(dāng)這位女士作為乘客享用Uber服務(wù)的同時(shí)，她（實(shí)際上是她的父親，但后臺(tái)系統(tǒng)卻無法自動(dòng)識(shí)別）又作為司機(jī)在為別的乘客提供Uber服務(wù)。這雖然只是我的個(gè)人經(jīng)歷，但類似的情形卻絕非罕見。據(jù)報(bào)道，北京的一個(gè)司機(jī)，從網(wǎng)上搜索出一輛他人的白色別克車信息，利用這輛車的相關(guān)信息和自己本人的駕駛證信息及手機(jī)號(hào)，注冊(cè)成為一名滴滴專車司機(jī)，并開始接單。這個(gè)司機(jī)后來因?yàn)閺?qiáng)奸女乘客而被判刑。這是車輛信息失真導(dǎo)致數(shù)據(jù)污染的情形。還有廣東番禺的一個(gè)司機(jī)，也是利用岳父的身份信息注冊(cè)的滴滴司機(jī)賬號(hào)。這個(gè)司機(jī)也因?yàn)閺?qiáng)奸女乘客而被判刑。舉這幾個(gè)例子，不是要強(qiáng)化數(shù)據(jù)污染、信息失真的用戶與犯罪之間的必然聯(lián)系，但是從心理學(xué)的角度來看，信息失真帶來的某種程度的“匿名效應(yīng)”確實(shí)使得相關(guān)人員更有可能抱有僥幸心理而逾越道德或法律的約束。

此外，還有一種是“合理幫助”導(dǎo)致的數(shù)據(jù)污染。施以援手者盡管也是以被幫助者本人的身份信息注冊(cè)的，但還是有可能夾雜部分自己的信息。比如，2015年“雙12”時(shí)，支付寶為了增加用戶，與線下3萬家超市便利店合作，凡使用支付寶支付的，全線五折，50元封頂。這一優(yōu)惠力度對(duì)那些高度價(jià)格敏感者（大伯大媽們）的誘惑力不言而喻，但他們大多從來沒有使用過支付寶。于是，在活動(dòng)現(xiàn)場(chǎng)，就出現(xiàn)了超市或便利店的收銀員幫助他們下載、安裝、注冊(cè)支付寶APP而排長(zhǎng)隊(duì)的場(chǎng)景。為了盡快完成，收銀員們并不會(huì)完全按照大伯大媽的真實(shí)身份信息注冊(cè)，而是潦草完成，能略則略，或是直接將某個(gè)默認(rèn)的選擇用之于所有人。這樣的數(shù)據(jù)身份顯然是有瑕疵的。

第二類是數(shù)據(jù)身份共享。

浙江義烏一位經(jīng)商的趙先生，為了方便女兒玩手機(jī)，把12歲女兒樂樂的指紋也加入了手機(jī)開鎖密碼。不料，樂樂在父親手機(jī)里的一款社交K歌APP上聽歌時(shí)，竟然在3天內(nèi)打賞出去16萬元。對(duì)于這款A(yù)PP來說，如果開展后臺(tái)數(shù)據(jù)統(tǒng)計(jì)分析，一定會(huì)將打賞行為視為趙先生本人所為，卻不知道這是她年幼的女兒共享了趙先生的數(shù)據(jù)身份所致。

再以我自己的經(jīng)歷為例。我的孩子有段時(shí)間在一個(gè)培訓(xùn)機(jī)構(gòu)補(bǔ)課，中午需要自行解決午餐。于是，用我的身份信息資料以及信用卡注冊(cè)的支付寶就成了孩子的支付工具。孩子除了支付中午的外賣之外，也會(huì)用支付寶在淘寶上購買一些她所喜歡的小東西。如果將一個(gè)小女孩的購物行為歸結(jié)到一個(gè)大男人的身上，豈不是張冠李戴？

中國人的個(gè)人邊界意識(shí)較之于西方人是十分淡漠的。在各種親密關(guān)系中，這類數(shù)據(jù)身份共享是一種常態(tài)。諸如丈夫請(qǐng)妻子用自己的淘寶賬號(hào)購物，員工用自己的私人賬號(hào)為公家采購都是符合中國國情的。但數(shù)據(jù)身份的共享卻為后續(xù)的大數(shù)據(jù)處理帶來了極大的麻煩。這是另一類型的大數(shù)據(jù)污染。

大數(shù)據(jù)的應(yīng)用顯然是向著精準(zhǔn)預(yù)測(cè)的方向演進(jìn)的。

據(jù)說電商巨頭亞馬遜已經(jīng)申請(qǐng)了預(yù)測(cè)式發(fā)貨的新專利。亞馬遜會(huì)根據(jù)某個(gè)用戶之前的訂單、商品搜索記錄、愿望清單、購物車，甚至包括用戶的鼠標(biāo)在某件商品上懸停的時(shí)間等數(shù)據(jù)，預(yù)測(cè)用戶的購物習(xí)慣，從而在他實(shí)際下單前便將包裹發(fā)出。

顯然，亞馬遜的這一大數(shù)據(jù)應(yīng)用是建立在歷史數(shù)據(jù)的高純凈度的前提之下的，基于這些高純凈度數(shù)據(jù)來給用戶畫像。如果因?yàn)閿?shù)據(jù)身份錯(cuò)位或共享而導(dǎo)致大數(shù)據(jù)污染，所謂的用戶畫像就是失真的，也就不可能成為數(shù)據(jù)分析與預(yù)測(cè)決策的依據(jù)。

一句俗話能夠特別形象地表明大數(shù)據(jù)污染與大數(shù)據(jù)應(yīng)用之間的關(guān)系，這就是“一顆老鼠屎，壞了一鍋粥”。在當(dāng)下互聯(lián)網(wǎng)創(chuàng)業(yè)大干快上的大環(huán)境下，創(chuàng)業(yè)公司為了盡快地跑馬圈地?fù)尩乇P，往往是蘿卜快了不洗泥，很少有意識(shí)或有精力來顧及數(shù)據(jù)純凈度的問題。甚至有些創(chuàng)業(yè)公司為了拿出過得去的數(shù)據(jù)，主動(dòng)造假。但這樣做，勢(shì)必會(huì)為未來埋下重大隱患，所積存的歷史數(shù)據(jù)很有可能因?yàn)槲廴緡?yán)重而失去基本效用。

互聯(lián)網(wǎng)技術(shù)與大數(shù)據(jù)應(yīng)用無疑是大勢(shì)所趨，未來的商業(yè)必然是向著極度精準(zhǔn)化的方向演進(jìn)的。但高樓萬丈平地起，如果從一開始就無法提供高純凈度的數(shù)據(jù)基礎(chǔ)，任何美好設(shè)想都將是無本之木，無源之水。

所以，我們必須重視杜絕大數(shù)據(jù)污染以及用戶畫像的真實(shí)度，這就要求我們必須把好“數(shù)據(jù)身份認(rèn)證關(guān)”，這才是大數(shù)據(jù)應(yīng)用之基。做不好這項(xiàng)基礎(chǔ)工作的互聯(lián)網(wǎng)公司，就不要急著奢談“強(qiáng)大的數(shù)據(jù)挖掘能力”了，而消費(fèi)者們也要保持足夠的清醒，不要盲目相信那些神乎其神的“大數(shù)據(jù)奇跡”。