之所以大型商圈不僅僅有購物超市，還有甜品店、美食街，人們不是衝著甜品店、美食街來的，但是，因為人們行為的不確定性，不知道購買襯衣、牛奶等生活用品究竟會花多長時間，購物間隙才有了甜品的用武之地，如果購物結束靠近用餐時間，美食街也會有生意。
不僅甜品、美食，商場裡的新商品也都是因為人們行為的不確定才被銷售出去的，因為新產品並不在人們計劃購物的範圍內。如果刻意增加購物預測的精確性將會怎樣？甜品店、美食街甚至電影院都將是多餘的。
生態之美源於不確定性，生態中每一個參與者都表現出足夠的自由度，世界才會豐富多彩，大型商業區具有生態特徵，對生態型社區進行精確預測，會讓整個社區失去生機，所以大數據不能夠用來消除生態中的不確定性。
三、大數據不能預測新業務
大數據的宣講案例中，常常有一個啤酒和尿不濕的故事，建議把啤酒和尿不濕放在一起賣，說是數據統計發現，男人買啤酒的時候會順便買尿不濕，這顯然是一個誤導，因為小孩需要尿不濕大概只有3年，一個活70年的男人，只有幾年處在需要給孩子買尿不濕的情況，也就是說，大多數情況下，買啤酒的男人沒有買尿不濕的必要。
當然，買啤酒和買尿不濕在一定的情況下會成為關聯事件，比如一個青年公寓，生孩子的情況比較集中，但是，此時數據出現關聯只是結果，青年公寓才是原因。
一些極端情況下，根據數據進行類似啤酒和尿不濕搭配可能會出問題，比如香水和避孕套，男人在逛超市時為取哄情人會買香水，當然，也會偷偷買好避孕套，但是，如果把香水和避孕套放在一起，讓男人當著情人面去買避孕套就會產生問題。
不能從大數據的相關性直接得出結論，而是要先確定業務邏輯，再用數據相關性去驗證。數據只是行為的結果而不是相反，大數據之所以能夠輔助預測，是因為人的行為具有規律性，一個具有朝九晚五、週末大休規律的白領，行為數據才會呈現出以日、週、月、年為周期。
創新業務，也就是跟過去不一樣的業務，因此，大數據是沒法預測新業務的，也沒法根據數據分析確定新出現的業務關聯性是臨時的，還是可持續的。
互聯網雙週評問題延伸—大數據能做什麼？
大數據當然能做很多事，正如現在許多數據公司在做的一樣，雖然大數據在不同領域的處理能力不同，但大數據分析和工業時代的工具一樣，是普適性的，換句話說，大數據幾乎可以用於所有行業。
數據難道不比具體的現象更準確嗎？
尺子的量化當然更具有普遍的意義，但175這個數字如果不知道是用來記錄身高，或者不知道單位是厘米的話，就無法知道用它來做什麼，更談不上準還是不准。
大數據時代，怎麼理解用數據說話？
數據是現實的記錄，數據不會說謊，未來是過去的延伸，大數據分析能夠預測未來的一些特徵，但預測不是唯一的，沒有業務邏輯輔助，數據給不出正確結論。
既然大數據不能精確預測，那麼大數據對科學範預測比日常生活更適合嗎？
恰恰相反，大數據是複雜的科學運算，目的就是解決海量不規則數據輸入下如何得到更準確結果，好比坐地鐵，地鐵無法精確到達某個人的家裡，但是個有效的接近工具。
＊ 作者為資深互聯網高管，科技財經作家，天使投資人。（原文刊載騰訊大家網，責任編輯：代金鳳）
