陈禹安

自“大数据”成为热门以来，几乎一夜之间，很多公司都开始标榜自己“具备强大的数据挖掘能力”。但实际上，大数据正值萌芽期，所谓的大数据应用远远没有到达“神乎其神”的程度。

4月21日，亚马逊中国与新华网联合开展“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。

不过，这份报告的结论却难有说服力。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，但着重突出70后对于生活类和少儿类图书的热爱，与身边的现实情形相差较大。70后中年纪最大的已经46岁、最小的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”。

显然，亚马逊对于数据的解读太过粗疏，也经不起推敲。而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。

也就是说，某一组数据到底是由哪一个具体的鲜活个体产生的。……