nback="static" style="outline: 0px;max-width: 100%;line-height: 0;vertical-align: bottom;user-select: none;top: auto;left: auto;right: auto;bottom: auto;visibility: visible;box-sizing: border-box !important;overflow-wrap: break-word !important;">
身处大数据、人工智能的时代，我们在享受着大数据、人工智能给我们带来便利的同时，也同时顺带被大数据“塞进”了“机器算法”的冰冷“处置”程序之下，作为个体，我们无力改变时代的趋势，但在趋势之下，如何为我们的未来（包括后代）留下一些有意义的“历史经验”（数据），总体来说还是有能力的。
我们无力决定我们怎么生（来到这个世界），但经营好我们“生”的小数据（好的、不好的、不好不坏的），那么咱们个体的关于“生”的数据，最终汇聚成“大数据”时，就会向人类未来指示出，好的结果是经过了什么样的过程演变形成的，不好的结果是经过了什么样的过程演变形成的，过程中有哪些因素直接（或间接）影响着决定了结果的好、坏走向。如下示意图，将为您不严谨地解释大数据是如何影响我们的生活决策的，我们又该如何去通过经营自己的小数据来间接影响大数据对我们的不利影响。
咱们现有的这个物理世界，个体认知世界的“结果”，并不取决于物理世界本来是什么样，而仅取决于我们个体基于对世界的已有感知（知识教育、五官感受、其它输入信息等）的意识投射产生不同的“认知”结果（最著名的数ABC情绪理论，在全球的管理学、产品学、商业学、心理学等领域，都是大放异彩）。
举个例子来说，地面上写着一个6或9的符号，在物理世界，它就是地面上写的一个符号而已，但在站在不同角度看，它是6，它也是9，或者它什么也不是，只是一个符号（参见下图来自网络的示例），无所谓“对”与“错”，只是不同的结果而已。
如上示例图，个体识别地面的符号时，认知结果的来源依据有，个体站在的位置角度、个体背后的知识认识（从没见被教育认知6和9是什么样的个体，是无法认知6是6，9是9的）、其它因素（比如说是否给他设定了一个条件，他是否应该故意说反话？）等
不积硅步无致千里，不积小流无以成江河，要识别个体思维决策逻辑的过程的数据依据，大数据就必须持续不断地汇聚尽可能多的个体数据进行分析拆解解构（知道为啥大街上那么多扫码送鸡蛋，扫码送礼品的了吧？你的码里可能包含的头像、昵称、您扫码时的时间、空间等等这些数据，都是可以通过大量的汇聚最终形成商业变现价值的数据哦）
分析数据的规律，简尔言之就是回答为什么，举个例子：笔者一个小社群圈子有一友人，某晚友人聚餐，酒后叫了个DD代驾，在车上高架已经跑了几公里了，突然接到一个电话问他在哪里，说自己是接了单的代驾，怎么没看见他和他的车，友人惊得一激灵（酒也醒了），问开车的师傅是谁，开车师傅说是代驾，再问接的是什么单…….然后发现，原来正在给自己开车的代驾，上错了车。
那为什么人驾会上错车，这背后有哪些数据规律缺失导致了上错车，代错了驾？不妨我们分析看看一个简易的代驾接单履约模型来看看：
通过履约模型，结合友人后来的讲述，我们发现原来出错的环节在于“现场核单”，不同的代驾员，遇到了在同一个起始地，差不多接近的终点地的订单，代驾员在到达现场时，并没有与顾客做准确性的履约订单确认，然后造成了一个代驾错执行了另一个代驾的单，造成了如上这个有趣的代驾故事。
那如何才能避免这种情况呢，分析履约代驾的模型，代驾之所以会上错车，就在于现场核单上存在“核”的漏洞，那么在模型上通过封堵这种漏洞就自然而然能避免类似情况的再次发生了（比如，通过接单履行与LBS行程路线偏离预警做车启动后的主动预警，也可以通过现场核单做核单暗号或扫码确认等校验方式）
大数据“杀熟”，相信大家听到过不少，那么为什么“杀熟”能得以成功呢？背后就有“概率”影响因子输入的功劳。营销界经典的“啤酒与尿不湿”（沃尔玛），很多人应该听过，就因为发现啤酒与尿不湿被同时购买的这种“规律”后，通过进一步分析发现了这一“规律”背后还有一个“偏好”标签“男性购买者”、“下班时间段”等，然后零售经营场所通过将尿不湿与啤酒摆放位置临近来进一步提高了更多的销量。
这一经典案例，成为了商学分析领域的经典案例教材，被反复拿来进行分析讲演，背后跟现如今大数据应用模型中的“概率”影响因子其实就是一加事儿。啤酒在女性消费者、男性消费者的购买记录中，概率被量化，标签化，然后进一步分析发现，男性消费者，尤其是在育龄段的男性，购买的比例更高，通过线上的关联推荐购买（满减）、线下堆垛临近等方式，进一步发现购买概率更大，然后的然后，你们就懂了，主动“推送”为你服务，送货到家自然而然就来了（因为数据反映你“大概率”会买单）
大数据时代，个体在“算法”下，几近于裸奔状态，但这并不意味着我们无法“反制”大数据对我们的不利影响，笔者仅以举例方式来阐述几种常见的“经营”个体小数据，来影响（反制）大数据对我们不利的影响如下：
1、通过“小数据”经营，让大数据“不完整”：不要一味用移动电子支付，线下消费多用现金（现金消费对个体的数据采集相较于电子支付要难得多），相信那句话“道高一尺，魔高一丈”，大数据对个体的“精准”解读，依赖是数据的全面，那么，有意识地减少对大数据对个体“数据”的采集完整度，一度程度上降低他们的“精准投放”
2、通过“小数据”经营，让大数据“不准确”：很我喜欢刷“某音”的人，会发现，自己看“某音”某此类别的视频后，会被不断地推送“类似”视频，导致刷刷刷地停不下来，时间被消耗，一天天还头昏脑胀。那么，有意识地通过用不同的账号、不同的平台、不同的终端等去主动“搜”信息，而不接受（或者接收到后直接关闭）等方式，让“大数据”不知道，你就是你。
当然，矛与盾就是两个对立而统一的存在，让大数据更好地为自己所用，而不是让自己为大数据所有，最最最关键的还是自己得有“独立思考”，要主动思考规划自己的日常生活与工作，戒除“大数据”推给自己的一些“爽”、“舒服”、“懂我”的需求，让自己不断去尝试体验“不舒服”、“累”等，进而通过这些“不舒服”、“累”等体验来战胜懒惰的身体与思维，获得更好的“主动诉求”提升（避免更多的大数据“投喂”）。
➣ 一位中年大叔，江湖人称“小菜一碟”
➣ 一位经历OEM/ODM电器、电子通信产业，从制造业工程技术到项目管理，从项目管理到R&D研发&体系管理、从研发管理拓展延伸到市场研究&产品规划&售前项目支持&售后项目实施交付的产品（PD）、售前（SA）、交付（BA）的多面手！
➣ 一位具备共情力、产品力、需求分析力、方案策划&实施力，并拥有横跨制造业、物流供应链、零售（服饰&商超）行业RFID物联网数据采集层场景解决方案研究、大数据平台建设实施实操经验的“俗人”。