自從大資料這個詞出來以後，資料已經成為一個非常明確的科學領域。在這當中很少有人詳細地探討資料科學的結構和它面臨的問題，包括我們行業面臨的問題。
資料科學有三個非常重要的層次：資料的獲取、資料的描述和資料的分析，這三件事是不同的，不要把它混淆了。
1.資料的獲取
以前資料的稀缺導致行業內出現非常大的非良性迴圈。
在這個過程當中，又正好趕上了一個新的時代——機器化資料橫空出世，突然之間，甚至一夜之間資料不再稀缺了。單靠獲得資料，你能拿到高額利潤的可能性微乎其微，這樣就必然導致執行公司如果要繼續作弊必死無疑，未來五年內我們可以清楚的看到，研究公司不好好做研究，也照樣是必死無疑，無論你是國際的，還是國內的，因為時代變了。所以資料獲取這一塊，要有非常清醒的認識。
在這個時候大資料，正常的講叫機器化資料已經被神話，而市場研究公司被積壓在這裡，市場研究資料的結構化，它必須滿足兩個條件，一是真的，二是價格是低的，這兩件事造成的後果是什麼，我相信業內的所有公司都會有體會。
2.資料的描述
再看資料的描述，由於整個社會大環境巨大的變化，在描述環節上出現了非常大的問題，這個問題中你會發現形成了新的、不同的非良性迴圈。為什麼？資料不稀缺了。而在這個時候，機器化資料出來的東西做點頻率表，做點互動表很簡單。如果資料描述能夠替代資料分析，這個世界一定會毀掉，因為資料想騙人太容易了。
接下來的過程當中，機器化資料由於資料收集簡單，整理資料的過程非常容易。所以直接面向銷售，這個面向銷售就出現了充滿荊棘的歷程。
再看研究公司的結構化資料，大型公司由於沒有應對，我在行業這麼多年，一直在這些時期，有機會就在呼籲洞察這個詞。實際上我們的研究員正在日益變成填數工具，而不是洞察。資料不再稀缺，你在機器化資料面前，你填數的過程當中，資料的真假還在存疑，這時候你不敗誰敗，必然敗。而且別忘了機器化資料的成本趨近於零，所以大中型研究公司的解體、兼併、重組在不遠的將來一定會頻現，這是沒有辦法的趨勢。
現在資料科學有七大危險趨勢：
::__IHACKLOG_REMOTE_IMAGE_AUTODOWN_BLOCK__::13
3.資料的分析
以上七個危險趨勢將直接導致資料分析中的危險，什麼是資料分析？我先從最簡單的案例說起。
案例一：簡單表格的危險
這個資料的結果，意味著什麼？老年人比年輕人更喜歡這個東西。實際的結果呢？老年人和年輕人沒有任何差異。高低文化之間有差別嗎？所有的結果都顯示高文化程度的比低文化程度的人更喜歡，總體上它就是相同的。
再看一個更加實際的案例。我們知道房價是怎麼算的，房價是加權算術平均數。現在看一看房價，房子的均價跟房子的成交價格沒有關係，跟銷售結構有關係。所以在這個時候，房價的均價大約是這樣的，我告訴大家房價在下一個季度全面上漲10%，但是銷售結構略微有一點變化。房價下跌2.63%，大看清楚定價了嗎？任何一個地方都上漲了10%，接下來銷售結構一定會再變，房價又漲了10%，房價又下跌了，但是統計數字會告訴你下跌4%。
案例二：無關轉相關係列
這是我1998年獲寶潔論文獎的時候得到的模型，表面上一大堆無差別、無差異的情況，導致了什麼情況呢？看起來沒有差異，一個是男的比女的喜歡，一個是女的比男的喜歡，整體上沒有差異。但是差別大嗎？規律性強嗎？
案例三：建模預測
我們在2011年用的詞叫蘋果熟透了，蘋果在一個領域發展。2012年我在網際網路大會上，在我們這個會場上我都說過華為將崛起。2013年我說過三星必然下滑，去年2014年也是一樣的，這兩個大會我都說過小米將面臨問題，我不是神，但是模型能。2015年什麼情況？我不想對任何一個品牌現在來說，大家關注我們要釋出的手機人報告，那個時候我再開會，會詳細地把這個結果告訴大家。
我讓大家看一個結果，模型的基點預測點是這張圖：
這個模型你能不能做出來？我一直在說，中國調查業從來不缺資料，從來不缺所謂的描述，只缺分析。如果被這些網際網路公司，被碼農牽著走，那不是笑話嗎？他們能代表中國的分析能力嗎？中國的分析能力不是他們，而一定是我們。
4.小結
