知識點：大數據與觀察
這堂課雖然在談論大數據，但對於數據的抓取等等較為資工方面的技術是以應用程式帶過。所以這堂課的重點並不在「如何蒐集資訊」，而在於「如何了解資訊」。
每次提到了解資訊時，我們都必須對一句話了然於心：
「相關性不等於因果性。」
舉個例子，冰棒的銷量越高的時候，溺水的人就越多。那這時候可以下冰棒讓人溺水的結論嗎？當然不行，冰棒跟溺水的關係，只不過是因為氣溫飆升，造成越多人去買雪糕，同時也造成越多人游泳。所以冰棒銷量跟溺水的人數才會同時上升。
在行銷方面觀察到的數據也是，也許我們觀察到了下雨天時女性網購的金額會增加這個現象，那這兩者之間有什麼必然的因果性嗎？這是需要我們去思考的。
不過這樣的思考在大數據時代便顯得不再那麼重要，當數據量突破一個臨界點之後，兩者的相關性關聯通常都會有一定的強度。
舉一個例子，以前有個統計學研究發現經常吃海參的小孩智商通常比較高，那我們可以下吃海參可以讓人變聰明的結論嗎？不能，真正的原因可能是因為能經常吃到海參的家庭都有一定的經濟實力，而有經濟實力的家庭的基因與教育條件通常也都有一定的水準，所以小孩才會表現的比較聰明一些。所以，海參跟聰明具有相關性，但並沒有因果性。
但在大數據的時代，所謂的因果性的意義就沒有這麼大了。
假設我們蒐集了極為龐大的數據後，判斷出「吃海參與智商高」具有高度的相關性的話，那麼，假設現在有一堆孩子，我們要幫忙判斷出哪些孩子的智商比較高的話，直接問問他們誰比較常吃海參就是一個優秀的判斷方式吧。
當然，這麼做肯定會漏掉一些聰明卻不吃海參的孩子，但我們要的也不是百分之百的準確度吧？或著說如果真的有一個百分之百準確度的判斷方式的話，還會需要找人幫忙判斷嗎？
簡單來說，只要數據量夠大，根本不需要理解海參跟智商或是冰棒跟溺水之間相關的原理，人們只需要能做出高效率的判斷即可。例如在冰棒銷量上漲之時加派救生員的人手等等，而前面提到的成功的企業家與休學、非常努力與特例獨行之間的關係，只要作者或是研究人員研究的數據量夠大的話，結論就會是高度有效的。
這也是現今行銷中常見的狀態，我想大家都聽過尿布與啤酒的故事，這就是一個顯著的例子。
美國大型超市沃爾瑪（Walmart），利用數據分析，發現每週五的晚上，啤酒與尿布的銷售量呈現正向關係。也就是每個週五的晚上時段，尿布和啤酒這兩樣東西一起，賣得特別好。原因竟然是，年輕父親會去超市幫嬰兒買尿布，並且順便買啤酒回家，以便週末在家看球賽。
（題外話，這故事只是謠傳，但卻體現出數據分析的重點）
在行銷之外，每個人在體驗世界時都會形成自己的心智模型。這個模型常有預設的幾種模式，而我想大數據與觀察帶給我們的啟發就是培養模型時要多看一點世界，多看一點其他人，廣納更多的數據，才能培養出高度有效的模型。
結論
這堂課其實也蠻無趣的，這系列的課程我基本都是兩倍速在聽。
要說有沒有學到東西，裡面介紹的工具確實有趣，但介紹的並不詳盡，也沒有特別突出的例子。後續有一些訪談，訪談內容也大多是泛泛之談，網路上也都有相關資料。總地來說，不推！如果不是很需要這系列的學分，那不建議花時間來上這門課。
