陈禹安

心理管理学家，杭州出版集团副总经理，微信公众号：wanjusiwei

互联网技术与大数据应用无疑是大势所趋，但高楼万丈平地起，如果从一开始就无法提供高纯净度的数据基础，任何美好设想都将是无本之木、无源之水。

自“大数据”成为热词以来，几乎一夜之间，很多公司就开始标榜自己“具备强大的数据挖掘能力”。但实际上，大数据时代刚刚萌芽，所谓的大数据应用远远没有达到“神乎其神”的程度。

2016年4月21日，亚马逊中国联合新华网开展了“2016全民阅读调查”，通过覆盖全国500多个城市、11800多位受访用户的数据调查，并结合多年来对中国市场的深入研究以及读者在线消费行为的分析，发布了一份调查报告。

这份报告的一些结论颇令人奇怪。比如，“70后”爱读生活和少儿类图书，“80后”对经管以及孕产育儿类书籍情有独钟。不同年龄段的读者在题材选择上确实会有所不同，但“70后”中年纪最大的已经46岁，最小的也已37岁，这一头一尾的差别显然不能用“爱读生活和少儿类图书”来统一，而且“70后”确实可能买少儿类图书，但未必就是“爱读”。

亚马逊对于数据的解读实在是太过粗疏了，而且也经不起推敲。导致这一结果的原因可能是调查样本偏差，也可能是数据在采集时就已经被污染。前者是调查方式的问题，如是后者，则与“数据身份归属”密切相关，因为无论是通过亚马逊网站还是Kindle采集的信息，都可能无法精准认证。

在当下的互联网技术支撑下，数据采集已经不是什么难题，但针对任何数据的分析、评估、研判乃至具体的应用，首先就要明确数据的身份归属。……