先扔十个问题。都是我这两年做数据产品被问烂的。
- 为什么我刚搜完某件商品,全网都在推?
- 大数据杀熟到底怎么发生的?
- 数据中台是不是伪概念?
- 小公司没数据,怎么做大数据?
- 大数据能预测我明天会分手吗?
- 为什么推荐有时很懂我,有时像傻子?
- 个人隐私在大数据面前还剩多少?
- 大数据能治好城市堵车吗?
- 数据标注员是AI时代的血汗工厂吗?
- 学大数据分析,先学SQL还是Python?
今天只聊第一个。因为太典型了。也太容易被阴谋论带偏。
Q1:我刚搜完,广告就追来了。是手机偷听我吗?
先给结论:大多数时候不是偷听。 偷听成本高、风险大,而且没必要。你留下的数字脚印已经够用了。
想想你刚才干了啥。搜了关键词。点了一个链接。在页面上滑了十几秒。可能还截了图。这些动作会被埋点记录下来。App、浏览器、输入法、甚至你连的WiFi,都可能成为数据源。

然后呢?推荐系统拿到这些信号,给你打标签。✅ 标签可能包括“最近关注跑鞋”、“价格敏感”、“夜间活跃”、“可能健身”。
下一秒,另一个App通过广告联盟拿到这个标签。它不需要知道你叫啥。它只需要知道:这台设备,可能想买跑鞋。
于是你看到了跑鞋广告。你惊呼:它怎么知道!其实它未必知道。它只是猜得比较准。
Q2:那大数据杀熟呢?为什么老用户反而更贵?
杀熟这事,真实存在。但原因不全是“坏”。
第一层,价格歧视。经济学老概念。对价格敏感的人发优惠券,对不敏感的人原价卖。大数据只是把这件事做得更细。以前按人群分,现在按个人分。
第二层,动态定价。打车、酒店、机票都这么干。供需变了,价格就变。你看到老账号贵,可能只是那一刻周围车少。
第三层,平台策略。有些平台会给新用户补贴。老用户没补贴,就显得贵。这不是杀熟,是拉新。但体感一样糟。

❗ 问题在于:算法不透明。你不知道自己属于哪一层。平台说“个性化推荐”,你听到的是“看人下菜碟”。
怎么破?说实话,个体很难破。多账号、清Cookie、比价插件,有用,但有限。真正有用的是监管。比如要求平台披露定价逻辑。欧盟在搞,中国也在搞。只是慢。
Q3:推荐系统到底怎么猜我喜欢啥?

别把它想得太神。核心就三件事:用户画像、物品画像、匹配打分。
用户画像,就是给你贴标签。性别、年龄、城市、消费力、兴趣、活跃时段。有些准,有些离谱。比如你给老婆买了一次卫生巾,可能半年都被推母婴用品。💡 这就是算法的尴尬:它分不清“买给谁”。
物品画像,就是给内容贴标签。这篇帖子是体育、搞笑、还是财经。这个商品是高端、平价、还是清仓。
匹配打分,就是算你俩有多配。协同过滤、矩阵分解、深度学习,名字吓人。本质还是:跟你像的人喜欢啥,就推给你啥。
所以推荐有时很懂你。因为你跟某群人重合度高。有时又像傻子。因为你只是偶然点了一次,它却当真了。
Q4:那我的隐私是不是已经裸奔了?

差不多。但也没那么绝望。
你每天产生多少数据?搜索、点击、停留、点赞、评论、支付、定位、设备型号、网络环境。这些数据单独看没啥。合在一起,就能拼出一个人。
可怕的是二次使用。你为了用A功能,授权了B数据。平台拿B数据去训练模型,或者卖给广告主。你根本不知道。
但话说回来,完全不用App?不现实。所以只能抓大放小。✅ 关掉不必要的权限。✅ 定期清理缓存和广告标识。✅ 别在陌生链接里填手机号。这些动作不能让你隐身,但能让你不那么好猜。
Q5:小公司没数据,怎么做大数据?
这个问题我被问过太多次。答案有点反直觉:先别做大数,先做小数据。
你不需要一上来就搞数据中台。也不需要买一堆服务器。你只需要回答一个业务问题。比如:为什么用户注册到一半跑了?
把注册流程拆开。每一步埋点。看流失率。找到最漏的那一步。改它。这就是数据驱动。跟大数据三个字关系不大,但有用。
等数据量上来了,再考虑仓库、实时计算、用户画像。别为了“大数据”而大数据。那叫烧钱。
Q6:最后说点实话,大数据会走向哪?

两个方向。一个是更隐形。你感觉不到它在,但它无处不在。推荐、风控、调度、定价,都靠它。另一个是更受约束。隐私计算、联邦学习、差分隐私,这些词会越来越常见。
技术本身没有善恶。但用技术的人有。平台想赚钱,用户想省心,监管想稳定。三方拉扯,大数据就在中间变形。
所以下次你看到“猜你喜欢”,别急着骂。先想想:你刚才点了啥。大概率,答案就在你自己的手指上。
我问答网