如今，社交網站的流行，網購的普及以及各種傳感器的廣泛應用伴以數據儲存成本的降低和分析處理的思想與算法發(fā)展，讓我們產生了巨大的數據的同時更容易存儲、分析和利用它們。這就是所謂的大數據時代。一款優(yōu)秀的產品，必定是迎合時代潮流的。那么在“大數據時代“下，我們應該如何去創(chuàng)造一個”大數據“產品？如何采集并利用數據？以下五點是我在“大數據時代”下的產品思考。

    確定產品定位

    數據收集

    數據收集即自己去收集數據，成為數據擁有者，通過數據授權等方式利用數據。

    數據分析

    擁有出色的數據分析技術，從別人提供的數據那挖掘數據的價值。

    數據創(chuàng)新

    沒有數據，也沒有出色的技術。但是看到了數據之間的聯系，預見到了數據存在的價值，成為這方面的先行者。

    轉變產品思維

    很多時候，我們能獲取約等于全局的數據量，但是我們很多時候還是用原先的數據處理方式。

    原先我們只能獲取一部分數據，然后以這部分數據去估算。所以我們的數學模型對數據的精確性和隨機性要求非常高，因為數據是這么的少，改變一點點就能帶來結果上的巨大偏差?，F在我們擁有了更多的數據，使用相對簡單的算法，只需帶入更多的數據就會擁有更精確的結果。

    數據不再是單一的，結構化的，而是混雜的。

    “小數據”時，我們會去給數據分類分級，去盡可能的結構化他們，我們能應付過來，但是如今，數據多種多樣，很多時候你根本沒有辦法把他們分類分級。但我們可以利用這種混亂，比如給照片設定標簽，開辟一個新的數據種類。 

    大數據時代推崇的是相關關系而不是因果關系。

    這也是大數據的核心：利用相關關系作出預測，而不去分析它的原因。我們只知道“是什么”，而不知道“為什么”。但是前者很明顯更簡單直接的解決了問題。但是這并不意味著“因果關系”不再重要，我們要拋棄它。比如沃爾瑪通過數據分析發(fā)現，颶風來臨的時候蛋撻銷量特別好，那么我們就可以在颶風來臨時，多做蛋撻并擺在顯眼的位置以增加銷量。但是我們并不知道為什么它們會相關。

    獲取數據

    數字化同時數據化。

    數字化是數據化的基礎，比如僅僅掃描一本書，讓它能夠在電子設備上閱讀，這叫數字化。但是你還不能處理上面的文字，做一些分析，我們需要通過圖片文字識別技術，來將掃描的書轉化成可以提取分析的文本數據。只有數據化的數據才對我們的產品有價值。 

    從看似不可能的地方提取數據。

    因為數據存儲成本的變低和數據價值的巨大，我們可以收集更多的數據存儲起來以期日后能挖掘出價值。我們要開拓思維，從許多看似不可能的地方收集數據。比如，一家日本汽車服務商，創(chuàng)新的把傳感器放到了汽車座椅上，經過記錄與分析，我們可以判斷司機的體型，習慣坐姿，受力等等數據，如果一個小偷坐上了汽車，傳感器感受到了變化，就會讓其輸入啟動密碼以確認身份。

    提前設計擴展數據。

    數據在不斷的再利用中才能發(fā)揮出其最大的價值，一開始就設計好數據的可擴展性能讓這種再利用更容易，雖然這并不總是可能。谷歌街景車在收集信息之初，考慮到了自己未來的自動汽車計劃。所以在采集的時候，記錄下的街景和GPS定位信息將來不僅可以優(yōu)化地圖也能用于自動汽車的研發(fā)。

    利用數據廢氣。

    我們看看谷歌是怎么利用登錄的驗證碼的：它將驗證碼變成一些常見的錯誤拼寫單詞，每次用戶登錄輸入這些驗證碼的時候就要求其輸入成正確的單詞。這一舉措讓谷歌的拼寫檢查器得到了巨大的提高，而且還是免費的。

    數據利用

    直接利用：通過直接的方式利用。比如分區(qū)域統(tǒng)計你用戶的身高，做成一張各省份平均身高表。

    數據再利用：利用之前的數據，往往能獲取更多的信息。比如谷歌根據搜索記錄分析，預測了各地流感發(fā)病情況，達到了相當高的準確率。

    數據重組：將不同領域的數據結合起來分析。比如將手機的使用情況和癌癥發(fā)病率聯系起來，丹麥的科學家發(fā)現兩者之間并沒有什么關系。

    開放數據：你的數據處理能力不強，那么可以選擇公開或者授權數據，讓別人用你的數據發(fā)掘出價值，并從中獲益。

    法律與道德

產品對于用戶數據的分析，難免會涉及到用戶的隱私，數據利用的創(chuàng)新也會讓數據涉及到用戶未授權的用途，你沒法去再征求所有用戶同意。在法律不明確的情況下，我們利用這些數據去做些什么，會產生生什么樣的后果，產品設計者必須要思考清楚，并負承擔起相應的責任。