双十一结束的第二天，总结、整理进入尾声，各大电商平台、服务商频繁爆出各种亮眼数据刷存在感，从Bra尺寸哪里强，到哪里男人最居家，分类奇葩，榜单多多，也是够了。

于是，有商家说，市场数据丰富了，终于有机会收集多元化数据，扩充数据容量，正好可以结合自家数据，玩玩大数据分析。

果真可以如此？要知道，如此催动大数据分析，可是“欲与关公借宝刀”，不得不考虑的是：关公的宝刀也许只有关公能用，没有足够的臂力和技艺，不仅难以挥舞自如，甚至根本拿不好，伤到自己。

毕竟，数据统计的口径可能不同——是按交易量还是交易笔数？前提假设也可能不同——客单价超过X元才纳入统计？即便这些已知，也可能因不易发现的数据细节，导致分析模型“差之毫厘”，结果“谬以千里”，企业很可能由此遭受“阿瓦达索命”——《哈利·波特》中最可怕的“死咒”，魂飞魄散，生命被终结。

月前，就有一家擅长出口供应链金融的A公司，就遭遇了这可怕的“死咒”。

该公司一直以来，号称有大数据的“神圣防御”，以其技术不断挖掘日常出口生意里的各个细节，建立大数据模型，掌握风控要点，引以为傲地玩起供应链垫资的生意，因此解决了国内出口商资金周转慢的大问题，获得他们青睐。

然而，这一次，大数据的“神圣防御”突然失效，却来得猝不及防，因为海上运输损失的认定问题，买方拒绝付款，处理货物，以至于，作为垫资方的A公司无法收回款项，事涉千万美元。

要不是事前做了保险保护，恐怕，这次A公司将注定被这“阿瓦达索命”的黑魔法一击而亡。

为何在媒体那里“神奇无限，生机盎然”的大数据，到了现实中，却会显得如此脆弱，看似美好，却又可能如此致命。

好吧，还是从大家熟悉的“蝴蝶效应”讲起。其本源的说法是：亚马逊雨林，一只蝴蝶的翅膀偶尔振动，也许两周后，就会引发美国得克萨斯州的一场龙卷风。现在常被媒体比作，小事件引发的大变故。

但实际上，这一说法，是美国麻省理工学院气象学家洛伦兹（Lorenz）在操作大气数学模型时发现的，它的本意是：在数学方程或模型的分析中，初始条件的假设，稍有不同，其结果会大相径庭。

其实，这就意味着现实与数学理想状态之间的差距，现实实在太复杂，而数学要求太严密而理想。所以，建立在数学基础上的大数据分析，有时可以令企业更生机勃勃，而有时不小心就可能造成致命打击。

看看最早运用大数据决策的金融界便一目了然。

若按照经典经济学和金融学理论，建立大数据模型，结果显示，股市出现超过10%以上跌幅的日子，百年才有一次。可就近几十年看，每隔5-7年，就会出现这样的日子，“黑色星期一”、“黑色星期五”这样的纪念日，几乎将一周5个交易日占满，数学的美和现实的残酷，形成鲜明的对比。

而更严重的是2008年的金融危机——各种金融评级机构被雷曼兄弟为代表的投行们蒙住，仅看到数学模型“表面上”完美地切割了风险与收益，便给包装完美的垃圾证券极高的评级，却忽略了这些机构贪婪的本性（假设做得异常理想，所以结果表现得异常美好），引得各类投资人争相购买，保险公司竞相做保，市场呈级数增长。

结果，待到美国房地产跌价的“蝴蝶”扇动翅膀，便掀起一场大风暴，垃圾外精美的包装迅速剥落，评级机构醒悟过来，加速给相关产品降级，使其价值体系崩溃，市场快速萎缩，保险公司Too Big To Fail地到处求援自保，而雷曼们便成为弃儿，彻底死球。最终，由此引发的金融危机，导致美元泛滥救市，美国危机输出，全世界都为之埋单。

是的，上帝用手盖住了一些东西，我们不可能任何时间都穷尽、知晓一切影响现实的因素。

所以说，大数据的分析和预测，实际上是为了更多地减少不确定性，当下的世界，看上去数据泛滥，实际上，很多时候也同样显得“信息过窄”，人们依旧喜欢“目光所及，便是一切”的偏执，令大数据的起步假设太过完美……就像金融家们没想到美国房市、就业会持久低迷，A公司没有明确海损在不同地区、不同企业间的定义一样，它们因大数据致死，不过是时间问题。

请相信，A公司绝非孤例，一切才刚刚开始，电商、移动互联网等领域内还会有更多企业因大数据遭遇“阿瓦达索命”，区别只是短时间内集中爆发，还是长时段里离散发生。

因此，小郝子还是奉劝更多中小企业，没那金钢钻，还是别揽瓷器活了，毕竟，大数据不是你想玩，想玩就能玩，真真的比预测李X春的Bra罩杯、葛大爷顶上的头发要难太多了。No Zuo No Die，Why U Try？