大數(shù)據(jù)不僅是一種龐大數(shù)據(jù)資料的稱謂，也是一種獲取和分析資料的方法。在社會學(xué)研究領(lǐng)域，大數(shù)據(jù)的引入被認為是定量研究的范式下所做出的收集和分析資料方法的創(chuàng)新。但是大數(shù)據(jù)在多大程度上反映人群的狀況、能否解決被研究者的主觀性問題、如何洞悉變量間關(guān)系的真?zhèn)巍⑷绾谓鉀Q數(shù)據(jù)缺失問題等方面，還存在一定程度的方法論困境。這就要求研究者在使用大數(shù)據(jù)進行研究時，能夠在研究對象與問題的選擇、變量的選取、數(shù)據(jù)的清理等一系列工作中更加謹慎，切勿犯簡化社會生活、盲目推廣分析結(jié)果的錯誤。

　　1.引言

近年來，“大數(shù)據(jù)”(big data)作為一個熱門話題在社會各領(lǐng)域被廣泛討論。一般認為擁有“4V”的特征的數(shù)據(jù)集合是大數(shù)據(jù)：

規(guī)模(Volume)，數(shù)據(jù)的體積巨大

高速性(V e l o c i t y)，數(shù)據(jù)產(chǎn)生、處理和分析的速度快，數(shù)據(jù)具有實時性，且數(shù)據(jù)流量大

多樣性(Va r i e t y)，大數(shù)據(jù)的類型復(fù)雜，除傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)之外，還包括大量非結(jié)構(gòu)化數(shù)據(jù)

價值性(V a l u e)，數(shù)據(jù)的整體價值及商業(yè)利潤高，潛力巨大

李天柱等在大數(shù)據(jù)的“4V”特征的基礎(chǔ)上進一步指出：“假設(shè)存在規(guī)模龐大、類型多樣、動態(tài)產(chǎn)生且價值巨大的‘特殊數(shù)據(jù)’集合，那么大數(shù)據(jù)可以定義為，在此‘特殊數(shù)據(jù)’集合的基礎(chǔ)上，借助計算科學(xué)及其它新興技術(shù)來實現(xiàn)特定功能的整體架構(gòu)。” 大數(shù)據(jù)的魅力除了“大”，更在于它將多學(xué)科、跨領(lǐng)域的數(shù)據(jù)結(jié)合在一起，開辟了傳統(tǒng)方法所不能實現(xiàn)的、更為創(chuàng)新的研究路徑。

需要注意的是，大數(shù)據(jù)不僅是用于研究的經(jīng)驗材料，也是一種獲取材料的方式和運用材料的方法，具有獨特的方法論邏輯。從已有的文獻來看，大部分是對大數(shù)據(jù)的贊揚之聲，一些學(xué)者甚至斷言大數(shù)據(jù)帶來了社會科學(xué)范式的革命，超越了定量與定性研究的對立，少數(shù)對大數(shù)據(jù)方法的質(zhì)疑也僅僅停留在數(shù)據(jù)獲取的倫理問題上。然而，大數(shù)據(jù)作為一種收集和分析資料的方法，能不能用于社會學(xué)研究之中，它在方法論上的基礎(chǔ)是什么，其適用性和邊界又在哪里，這些問題依然沒有得到充分探討和回答。本文正是以此為起點，試圖在梳理社會科學(xué)領(lǐng)域大數(shù)據(jù)研究的基礎(chǔ)之上，闡述大數(shù)據(jù)在社會學(xué)研究中的方法論邏輯，并說明大數(shù)據(jù)在應(yīng)用過程中的方法論困境。

2.大數(shù)據(jù)的方法論邏輯

大數(shù)據(jù)是將社會生活數(shù)字化、數(shù)據(jù)化、變量化，再通過測量這些變量，提取量化信息，得到關(guān)于這個變量的描述以及多變量關(guān)系的分析。大數(shù)據(jù)方法與定量研究范式有著共同的認識論基礎(chǔ)，但又有其特有的方法論特征。

(一)樣本趨近總體

社會學(xué)定量研究為調(diào)查某一社會現(xiàn)象在總體中的情況，在抽樣框中隨機抽取一定比例的樣本，通過描述和統(tǒng)計等一系列方法，得到樣本之中不同變量間的關(guān)系，并以此為依據(jù)推論總體之中這些變量之間的狀況。而以大數(shù)據(jù)為經(jīng)驗材料的研究不涉及隨機抽樣的問題，而是將全部總體納入到分析的框架內(nèi)，得出的變量之間的關(guān)系也無需參數(shù)檢驗，而直接用于反映總體趨勢。例如，2015 年12 月淘寶聯(lián)合第一財經(jīng)商業(yè)數(shù)據(jù)中心推出的《淘寶大數(shù)據(jù)解讀中國消費趨勢》的系列報告， 并不是將用戶做隨機抽樣形成樣本，然后調(diào)查他們的性別、地理位置、購物傾向等，而是直接將3.86 億淘寶用戶這一總體作為分析的對象，描述總體的消費狀況并預(yù)測未來消費趨勢。

(二)利用非傳統(tǒng)方式獲取數(shù)據(jù)

一方面，大數(shù)據(jù)不同于傳統(tǒng)問卷調(diào)查依靠被研究者的主訴來獲得資料，而是直接利用技術(shù)手段對被研究者的行為進行檢測。另一方面，大數(shù)據(jù)的獲取不依賴傳統(tǒng)的社會統(tǒng)計部門。例如，全國性人口普查是關(guān)于人口的最“大”的數(shù)據(jù)，理論上涵蓋每一個個人的信息，體量巨大，卻不能被稱為“大數(shù)據(jù)”，因為人口普查數(shù)據(jù)通過接觸被調(diào)查者直接獲取，并依賴傳統(tǒng)的社會統(tǒng)計部門逐級上報。大數(shù)據(jù)往往基于現(xiàn)代科技手段，采取實時監(jiān)控、測量、存儲的方式整合海量信息，例如交通流量監(jiān)控、氣象水文監(jiān)測數(shù)據(jù)、環(huán)境監(jiān)測數(shù)據(jù)、商業(yè)物流的數(shù)據(jù)記錄，尤其是近年來基于互聯(lián)網(wǎng)的瀏覽、搜索引擎、上傳下載等行為的大數(shù)據(jù)，更是成為了大數(shù)據(jù)的主流——甚至幾乎成為了“大數(shù)據(jù)”的同義詞。

(三)通過歸納建立模型

傳統(tǒng)的定量研究先提出假設(shè)，并設(shè)計基于假設(shè)的待檢驗?zāi)Ｐ?，進而通過分析數(shù)據(jù)證明或證偽假設(shè)及相關(guān)統(tǒng)計模型。而大數(shù)據(jù)方法是通過對海量的數(shù)據(jù)進行分析，尋找變量之間的關(guān)系，而后建立模型。正如張曉強等所說：“數(shù)據(jù)科學(xué)以海量的數(shù)據(jù)為研究對象，通過數(shù)據(jù)挖掘等手段來尋找海量數(shù)據(jù)中潛在的規(guī)律。它研究各個科學(xué)領(lǐng)域所遇到的具有共性的數(shù)據(jù)問題，通過對數(shù)據(jù)的規(guī)律的研究來實現(xiàn)對科學(xué)問題的解答。”這也就意味著通過大數(shù)據(jù)方法建立的模型并不反應(yīng)必然規(guī)律，而是在非實驗控制的條件下，一系列影響因素綜合作用的結(jié)果。雖然這種模型具有模糊性與偶然性，卻可以在一定程度上預(yù)測現(xiàn)象發(fā)展的趨勢。

(四)呈現(xiàn)相關(guān)關(guān)系而非因果關(guān)系

舍恩伯格等認為，大數(shù)據(jù)“不是因果關(guān)系，而是相關(guān)關(guān)系”。定量研究目的是為變量的變異性提供因果解釋，用其他變量解釋所要研究的變量的變異性。而應(yīng)用大數(shù)據(jù)，尤其在商業(yè)領(lǐng)域，其目的是銷售商品，這種情況下商家只需要了解用戶的行為與銷售額的相關(guān)關(guān)系為何，并以此作為決策依據(jù)，向用戶推薦可能需要的商品，指導(dǎo)商業(yè)活動，而不需要為這種相關(guān)性做出解釋。例如，在美國沃爾瑪在季節(jié)性風(fēng)暴到來時，將蛋撻和颶風(fēng)用品擺放在一起，以增加蛋撻的銷售量。分析兩個變量關(guān)系時，僅僅止步于相關(guān)關(guān)系，即使這個相關(guān)關(guān)系是虛假關(guān)系，或者通過其他變量相互關(guān)聯(lián)。這并不是說大數(shù)據(jù)不能為因果解釋提供數(shù)據(jù)基礎(chǔ)，而是說因為在一些大數(shù)據(jù)廣泛應(yīng)用的領(lǐng)域，人們并不探究因果，而是利用大數(shù)據(jù)呈現(xiàn)現(xiàn)象，預(yù)測現(xiàn)象發(fā)展的趨勢，為決策提供依據(jù)。

3.大數(shù)據(jù)的方法論困境

大數(shù)據(jù)的使用雖然也建立在統(tǒng)計與計算的基礎(chǔ)之上，但是卻有著不同于傳統(tǒng)定量研究范式的方法論特征，這些特征使得研究者在運用大數(shù)據(jù)的過程中不可避免地遇到一些方法論困境，這就要求研究者在分析和結(jié)論推演時謹慎行事。

(一)被研究者的主觀性問題

大數(shù)據(jù)更多強調(diào)對個體活動的監(jiān)測來獲取數(shù)據(jù)，而非如傳統(tǒng)的定量調(diào)查采取問卷的方式。其中隱含的預(yù)設(shè)是，個體的主訴是含混不清的，被研究者有意隱瞞或是無意遺忘都可能會影響到數(shù)據(jù)的信度與效度，而對個體活動監(jiān)測得來的數(shù)據(jù)就可以避免被研究者主觀意向的介入對數(shù)據(jù)質(zhì)量的影響，例如我們在調(diào)查被研究者的收入情況時，如果采用問卷調(diào)查的方法，由被研究者自主填寫，可能會出現(xiàn)由于記憶不準(zhǔn)導(dǎo)致誤報或者故意瞞報的情況，而如果有技術(shù)可以做到對被研究者銀行賬戶收支的數(shù)據(jù)進行監(jiān)測，那么后者將最為接近被研究者收入的“真實”情況。

但是在研究之中，排除被研究者的主觀參與而對其行為的監(jiān)測存在很多問題。首先，社會學(xué)的研究對象是社會現(xiàn)象，社會現(xiàn)象需要人的參與，但是個人的行為與社會現(xiàn)象是兩個不同的概念。行為必須與外部世界中的他人發(fā)生聯(lián)系并主觀指向他人才能被稱為社會現(xiàn)象，所以任何社會現(xiàn)象都有作為主體的人的主觀參與，僅僅依靠觀察個人的活動軌跡并不能說明發(fā)生了某種社會現(xiàn)象。例如，我們可以利用視頻監(jiān)控觀察一定時間地點內(nèi)的人群流動狀況，但是我們無法區(qū)分人群是隨機地在該地出現(xiàn)，還是發(fā)生了集會、游行等社會運動。所以用行動代替社會現(xiàn)象是一種概念的偷換。

其次，當(dāng)我們利用行為監(jiān)測來獲得可供研究的經(jīng)驗數(shù)據(jù)時，數(shù)據(jù)的完整性依靠于我們監(jiān)測的手段和方法的可及性與適用性。以調(diào)查收入為例，如果要完整地掌握一個人的收入狀況，我們不僅需要將他名下的賬戶收支都調(diào)查清楚，還要考慮到他日常生活中的現(xiàn)金流動狀況，即便我們可以使用銀行的數(shù)據(jù)，但是還是難以監(jiān)測他在日常生活中的收支狀況，也就是說僅利用銀行大數(shù)據(jù)也無法監(jiān)測到此人的完整收入信息。所以在現(xiàn)有手段和技術(shù)的條件下，直接向被研究者詢問的問卷法，依然是最有效的調(diào)查方法。

再次，雖然大數(shù)據(jù)的使用者聲稱用監(jiān)測其行為的方式替代了被研究者的自我敘述，避免了其主觀意志的干擾，但是在互聯(lián)網(wǎng)的虛擬環(huán)境下，數(shù)據(jù)化的信息有很大一部分來自于被研究者的鍵入。例如社交網(wǎng)站上的性別、地點、愛好等信息，依然主要依賴被研究者的自我鍵入，他們有可能會胡亂填寫一些錯誤信息，那么這種利用互聯(lián)網(wǎng)大數(shù)據(jù)的調(diào)查方法比面對面的問卷調(diào)查更加難以保證材料的真實性。

(二)研究對象的局限性

大數(shù)據(jù)方法把總體作為分析的樣本，直接分析總體的情況并建立模型，免去了隨機抽樣的過程。這種方法認為將總體作為樣本避免了隨機抽樣過程中的抽樣誤差的產(chǎn)生，能夠精確地反映總體的變化趨勢。但是大數(shù)據(jù)方法能夠獲取的“總體”本身是存在偏差的。

首先，由于大數(shù)據(jù)抓取方式的特殊性，研究者的分析可能產(chǎn)生系統(tǒng)性偏誤。也就是說，研究者僅能獲得“能夠被抓取”的信息，而大量不能被抓取的信息則被排除在了總體之外。到2016 年初，中國有6.88 億網(wǎng)民，而中國總?cè)丝?3.68 億，那么通過網(wǎng)絡(luò)抓取個人信息的方式來獲得的大數(shù)據(jù)依然無法涵蓋不會在網(wǎng)上留下痕跡的6.8 億非網(wǎng)民。在實際的研究中，研究者往往僅依靠一個或幾個網(wǎng)站的后臺數(shù)據(jù)作為分析資料，那么這種大數(shù)據(jù)僅是使用該網(wǎng)站的用戶的數(shù)據(jù)，不能將分析結(jié)果推論到其他網(wǎng)民，更不能推論到全體國民。因此，研究者必須注意，大數(shù)據(jù)中所謂的總體是有限的總體，大部分難以通過大數(shù)據(jù)方法抓取的個體并不被作為研究對象包含在總體中。

第二，即使在同一數(shù)據(jù)收集平臺上，由于不同的個人活躍性不同，其信息被抓取的概率也不同，因此這些大數(shù)據(jù)的形成既不是抽樣，也遠非隨機，而是具有極大的偶然性。英國廣播公司在2011 年通過互聯(lián)網(wǎng)上自助填寫問卷的形式進行了一項英國階層調(diào)查，并以此為根據(jù)將英國社會分為7 個階層。該調(diào)查共有161458 人參加，樣本規(guī)模遠超傳統(tǒng)的問卷調(diào)查，有的學(xué)者將該調(diào)查所獲得的數(shù)據(jù)界定為大數(shù)據(jù)，并認為該調(diào)查由被研究者填寫，可以擺脫以往的大數(shù)據(jù)方法多是對行為進行觀察而忽視個人主觀性的方法論困境。然而網(wǎng)絡(luò)調(diào)查的樣本僅僅是在問卷投放網(wǎng)絡(luò)的一段時間內(nèi)發(fā)現(xiàn)并有意愿填寫問卷的網(wǎng)民，如果一個網(wǎng)民在這一時間并不活躍，那么他將不被納入調(diào)查的樣本之中，因此通過該網(wǎng)絡(luò)調(diào)查得出的結(jié)果只是一種偶然關(guān)聯(lián)，一種統(tǒng)計學(xué)上的相關(guān)，而不具有任何推論價值。

(三)變量關(guān)系的真?zhèn)螁栴}

如前所述，一般情況下人們在使用大數(shù)據(jù)時僅僅關(guān)注兩個事件的相關(guān)關(guān)系。而對社會學(xué)研究來說，研究者需要描述特定社會現(xiàn)象的變異，再通過了解該社會想象與其他社會現(xiàn)象(變量)的因果關(guān)系，為該現(xiàn)象的變異提供解釋依據(jù)。所以當(dāng)我們試圖用大數(shù)據(jù)作為材料來進行解釋社會現(xiàn)象時需要非常謹慎，可能兩個具有高度統(tǒng)計相關(guān)的變量并不具有社會學(xué)意義上的因果關(guān)系。

第一，在一些領(lǐng)域應(yīng)用的大數(shù)據(jù)變量間的關(guān)系為虛假關(guān)系。例如颶風(fēng)用品的銷售量和蛋撻的銷售量呈現(xiàn)成比例相關(guān)，但是二者并不具有因果關(guān)系，而是共同的受到另一變量即颶風(fēng)天氣因素的影響，控制天氣因素則二者相關(guān)關(guān)系自動解除。所以在使用大數(shù)據(jù)分析兩個變量關(guān)系時往往需要控制其他變量，以達到辨別相關(guān)關(guān)系真?zhèn)?，進而對社會現(xiàn)象進行因果解釋的目的。

第二，由于大數(shù)據(jù)旨在一個較大的數(shù)量級上關(guān)注兩個變量變異的總體趨勢預(yù)測，所以往往忽視樣本內(nèi)部個體之間的差異，試圖用一個變量完全解釋另一個變量的變異，導(dǎo)致層次謬誤。Ar tés 對西班牙選舉日的天氣和投票大數(shù)據(jù)進行分析，發(fā)現(xiàn)如果天氣狀況不佳，則保守政黨得票比例將增高。如果分析止步于此，就會得到結(jié)論：天氣狀況影響保守派的得票率。但是作者將投票者的社會經(jīng)濟地位作為變量帶入分析之中，進而論述天氣不佳會影響較低階層的人們出行，而較低階層的人群更多地將選票投給左翼政黨，所以天氣不佳，較低階層的投票者數(shù)量減少，左翼政黨得票比例下降，保守政黨得票比例上升?？刂粕鐣?jīng)濟地位這一變量，則可以看到天氣僅對低階層人群的投票率產(chǎn)生影響，所以僅關(guān)注數(shù)據(jù)的整體趨勢則可能導(dǎo)致層次謬誤的出現(xiàn)。

第三，利用大數(shù)據(jù)方法獲取資料是否要進行顯著性檢驗、應(yīng)該如何進行相關(guān)檢驗，依然存疑。一方面，大數(shù)據(jù)方法聲稱其樣本即總體，那么既然直接分析總體趨勢的變化則可以免去顯著性檢驗的過程。然而如前所述，大數(shù)據(jù)方法能夠獲取到的“總體”和作為研究對象的“總體”總是存在著錯位，大數(shù)據(jù)“總體”(樣本)的獲取也并不是采用概率抽樣，所以該不該進行顯著性檢驗的問題就擺在了研究者面前。另一方面，即使暫且認為大數(shù)據(jù)需要進行顯著性檢驗，通常顯著性檢驗是針對正態(tài)分布的較小樣本而進行的，樣本規(guī)模會對顯著性檢驗的結(jié)果產(chǎn)生影響，而大數(shù)據(jù)由于樣本規(guī)模龐大，所以在分析的過程中很容易發(fā)現(xiàn)統(tǒng)計顯著性，那么就有可能導(dǎo)致這樣一種錯誤：被發(fā)現(xiàn)變量之間的關(guān)系是偶然出現(xiàn)的而并不具有任何規(guī)律性，卻僅僅由于龐大的樣本量而被證明具有顯著性。

(四)數(shù)據(jù)缺失問題

不管是辨別相關(guān)關(guān)系的真?zhèn)?，還是避免層次謬誤，都離不開數(shù)據(jù)本身包含的變量的規(guī)模，只有在數(shù)據(jù)包括足夠豐富的其他變量時，我們才能夠引入或者控制這些變量，已達到解釋因變量變異的目的。舉例說明，當(dāng)研究者對人群的收入進行研究時，不僅僅要看作為整體的收入變量如何分布，還需要收集人群的其他變量，例如性別、年齡、收入、職業(yè)等，分別分析收入在不同人群之中的變異情況，從而對收入不平等進行解釋。也就是說，社會學(xué)研究需要的是多變量的數(shù)據(jù)矩陣，而不是樣本龐大但變量單一的大數(shù)據(jù)。然而做到這一點并不容易。

第一，如果一個大數(shù)據(jù)樣本量巨大，但只包括單一的變量，那么只能對這個大數(shù)據(jù)中的這個變量進行描述統(tǒng)計，則這個大數(shù)據(jù)不能作為社會學(xué)分析的材料，例如單一的地區(qū)人均收入數(shù)據(jù)、流行病死亡率數(shù)據(jù)等。如果研究者想要使用這些數(shù)據(jù)，必須將時間、地點等內(nèi)容作為中間變量，將該大數(shù)據(jù)與其他數(shù)據(jù)庫進行對接，以此獲得較多的分析所需的變量。

第二，一些網(wǎng)絡(luò)大數(shù)據(jù)由于其獲取形式的非常規(guī)問題，導(dǎo)致數(shù)據(jù)本身的模糊性和混雜性，致使不可避免地出現(xiàn)數(shù)據(jù)缺失的情況。假設(shè)要對一個匿名的不需要身份驗證的社交網(wǎng)站上的內(nèi)容做分析，我們難以保證所有用戶都鍵入了研究所要分析的社會特征信息，例如性別、畢業(yè)學(xué)校、薪資等內(nèi)容，這就必然導(dǎo)致大量的數(shù)據(jù)缺失，面對海量的缺失數(shù)據(jù)，任何刪除和填補的補救措施都會對分析的結(jié)果產(chǎn)生影響，因此關(guān)鍵變量的大量數(shù)據(jù)缺失使得任何統(tǒng)計分析的結(jié)果都存在偏誤。

4.結(jié)語

大數(shù)據(jù)近年來的廣泛應(yīng)用，大大拓展了社會學(xué)的理論視野。然而，任何單一范式中的理論與方法都有其適用性和解釋邊界。大數(shù)據(jù)將社會生活數(shù)字化、數(shù)據(jù)化、定量化，認為社會生活的本質(zhì)是由信息構(gòu)成的，主張測量一切，實質(zhì)上是用一種科學(xué)主義簡化論的世界觀來看待社會生活。社會學(xué)是一門多研究范式的學(xué)科，以統(tǒng)計分析為特征的大數(shù)據(jù)方法，充其量只能作為社會學(xué)諸多研究范式中的一種，并不會帶來社會學(xué)的范式革命。

數(shù)據(jù)，是世界通過我們的感覺和工具呈現(xiàn)給我們的東西，而知識，是我們對數(shù)據(jù)的理解與詮釋。大數(shù)據(jù)不是“告訴”了我們世界如何運作，而僅僅是呈現(xiàn)給我們需要解讀的材料，如何對數(shù)據(jù)進行理解與詮釋，還需要具有一定知識結(jié)構(gòu)和理論背景的研究者發(fā)揮社會學(xué)的想象力。大數(shù)據(jù)是我們認識世界的工具，并不能代替研究者的理性思考，也不會帶來社會學(xué)研究范式的根本轉(zhuǎn)變，因此神化大數(shù)據(jù)的諸多論斷，在本文看來都是不可取的。

物聯(lián)網(wǎng)有助于降低成本，為消費者提供新的體驗。但它仍然需要一定的時間來完善，才能為公司提供持續(xù)性的價值。

物聯(lián)網(wǎng)的時代已經(jīng)到來，但物聯(lián)網(wǎng)技術(shù)的發(fā)展卻沒有想象中理想。物聯(lián)網(wǎng)的現(xiàn)實和愿景之間還存在著一定的差距。

嘗試物聯(lián)網(wǎng)(IoT)的公司都會理解這種矛盾。以Hexagon Manufacturing Intelligence為例，在2014年10月，Milan Kocic和他的團隊曾經(jīng)下大力氣創(chuàng)建MMS Pulse——一個物聯(lián)網(wǎng)互聯(lián)的機器人，他們要在Dreamforce——Salesforce的年度會議上進行演示。

機器人負責(zé)收集崩潰數(shù)據(jù)以及機械上對環(huán)境敏感的信息，如溫度、濕度和振動，確保機器零件根據(jù)設(shè)計規(guī)格運轉(zhuǎn)。它將收集到的數(shù)據(jù)傳送到Salesforce應(yīng)用，以便人類可以采取相應(yīng)的行動。Milan Kocic團隊的演示展示了一個典型的物聯(lián)網(wǎng)應(yīng)用——從傳感器或其他網(wǎng)絡(luò)設(shè)備上獲取信息，對這些信息進行實時分析，幫助企業(yè)根據(jù)數(shù)據(jù)做出決定。

Dreamforce上示范展示了物聯(lián)網(wǎng)技術(shù)解決實際問題的愿景，但同時也顯示了物聯(lián)網(wǎng)技術(shù)的不成熟。“這與黑客的工作類似，“Hexagon負責(zé)用戶體驗和創(chuàng)新業(yè)務(wù)發(fā)展的經(jīng)理Kocic回憶道，“我們將用電線來懸掛東西。我們經(jīng)常開玩笑說，人們都會認為這是一個3D打印機，但其實它和打印機一點關(guān)系都沒有。”

Kocic指出，互聯(lián)機器人仍然會被認為是一項科學(xué)展覽項目，它引起了大量的關(guān)注，但它仍然是一個實驗。“它并不是一個沒有實際用處的東西，”他補充說，“很多東西仍在處于類似于玩具的階段，但MMS Pulse(代表)了物聯(lián)網(wǎng)在制造業(yè)的應(yīng)用前景。”

物聯(lián)網(wǎng)技術(shù)為人們提供了收集和分析大量數(shù)據(jù)的機會，企業(yè)可以使用物聯(lián)網(wǎng)來降低成本，提高運營效率和開發(fā)新產(chǎn)品。但物聯(lián)網(wǎng)正在經(jīng)歷尷尬的漸變，缺乏行業(yè)標(biāo)準(zhǔn)，對數(shù)據(jù)安全性的擔(dān)憂都阻礙著物聯(lián)網(wǎng)的發(fā)展，此外，企業(yè)在收集數(shù)據(jù)方面同樣存在著困惑，他們并不十分清楚對哪些數(shù)據(jù)進行收集將更有價值。因此，許多企業(yè)選擇謹慎地開展物聯(lián)網(wǎng)相關(guān)的項目，即使開展，這些項目也僅僅限制在試點層次。

企業(yè)對IoT的接受進度十分緩慢

即使是試點項目，物聯(lián)網(wǎng)技術(shù)所產(chǎn)生的數(shù)據(jù)量也是巨大的。IDC和EMC的2014 Digital Universe研究中估計，到2020年，物聯(lián)網(wǎng)技術(shù)產(chǎn)生的信息量將占嵌入式系統(tǒng)生成的數(shù)據(jù)總額的10%。這樣的體積使得全面觀察客戶變得不那么容易。“仍然只能讓你管中窺豹，” Forrester Research的分析師Michelle Goetz說道，“你迷失在數(shù)據(jù)的體量中，更不用說試圖把所有的信息融合在一起，真正了解你的客戶是誰了。”

Kocic解釋說：“時間都耗費在部署上，并且我們會得到過多的數(shù)據(jù)，這超過了我們的能力范圍，我們可能會陷入惡性循環(huán)，為客戶提供不恰當(dāng)?shù)姆?wù)。”

盡管有很多這樣的警示故事，行業(yè)分析師依然預(yù)測，物聯(lián)網(wǎng)市場即將產(chǎn)生爆炸性的發(fā)展。Gartner預(yù)測到2020年將會有135億物聯(lián)網(wǎng)互聯(lián)設(shè)備。2016年2月Gartner的一份報告指出，目前只有29%的受訪企業(yè)正在使用物聯(lián)網(wǎng)技術(shù)，而14%的人說他們計劃今年實現(xiàn)物聯(lián)網(wǎng)相關(guān)應(yīng)用，21%的人表示會在2016年后嘗試物聯(lián)網(wǎng)。

但這些企業(yè)，尤其是那些依賴于客戶數(shù)據(jù)的企業(yè)，仍受困于數(shù)據(jù)隱私以及如何深入了解信息等問題。“這是一個巨大的趨勢，”West Monroe Partners咨詢技術(shù)服務(wù)的主管Erik Brown表示，“但每個人都在努力嘗試，想要找到其真正需要關(guān)心的數(shù)據(jù)所在。”

數(shù)據(jù)治理十分關(guān)鍵

如果對于操作相關(guān)問題存在疑問，那么處理和保護客戶數(shù)據(jù)也同樣存在問題。eBay，Home Depot，JPMorgan Chase和Target這些的公司泄露了用戶的數(shù)據(jù)，直接導(dǎo)致其公眾信任的削弱。在多個公司進行數(shù)據(jù)共享，進行入侵時營銷，同樣打擾到公司客戶，導(dǎo)致他們與客戶的關(guān)系日漸疏遠。公司需要認識到，利用物聯(lián)網(wǎng)技術(shù)需要完備的數(shù)據(jù)安全政策和良好的客戶數(shù)據(jù)管理策略。

“如果你無力保護數(shù)據(jù)，那么就不要收集數(shù)據(jù)，” CGI Group負責(zé)全球網(wǎng)絡(luò)安全的副總裁John Proctor在一次由Economic Club of Canada舉辦的互聯(lián)網(wǎng)治理和安全的會談中說道，“如果你失去所有的客戶數(shù)據(jù)，誰知道會發(fā)生什么可怕的事情。”

總部設(shè)在加州的ChargePoint 公司，收集物聯(lián)網(wǎng)客戶數(shù)據(jù)時遇到了類似的問題。該公司處于環(huán)保運輸業(yè)的最前沿，它生產(chǎn)電動汽車(EV)充電站，賣給零售商和雇主，安裝在停車場和其他地方。成為ChargePoint網(wǎng)絡(luò)項目一員的消費者可以通過無線電頻率識別信用卡或一個移動應(yīng)用程序訪問一個充電站。服務(wù)對于項目成員是免費的，另一方面，充電站提供者向司機收取使用費用。

通過物聯(lián)網(wǎng)互聯(lián)的充電站收集大量的數(shù)據(jù)。當(dāng)電動車車主在Target, Walgreens 或者Whole Foods的充電站給汽車充電時，ChargePoint能夠知道客戶在這個位置待了多久，開什么樣的車。ChargePoint商業(yè)拓展部的高級主管Tavis Szeto表示，第三方對于訪問這些信息很感興趣。“公用事業(yè)公司，大學(xué)和研究公司都向我們索取數(shù)據(jù)，”我們并沒有分享這些數(shù)據(jù)的打算，因為我們還要分析它們。“

雖然ChargePoint 沒有激活數(shù)據(jù)伙伴關(guān)系，但交換客戶數(shù)據(jù)，交叉銷售的可能性依然存在。例如，一個持有Target RedCard的顧客是ChargePoint的成員，使用一個毗鄰Target的充電站后，可以享受商店給予的折扣。數(shù)據(jù)可以從ChargePoint發(fā)送的Target的系統(tǒng)中，后者可以在客戶每天完成五筆消費后，贈送客戶兩個免費DVD，這不會使用到個人身份信息，如信用卡或社會保險信息等。

與Hexagon類似，ChargePoint謹慎地處理物聯(lián)網(wǎng)收集的數(shù)據(jù)，以確保其交付積極的客戶體驗。許多公司共享數(shù)據(jù)和使用數(shù)據(jù)增加用戶粘度，非常容易濫用數(shù)據(jù)，他們可能發(fā)送很多電子郵件給客戶或者使用盲目的“個性化”通知策略。ChargePoint擔(dān)心客戶對自己產(chǎn)生偏見，覺得他們沒有充分保護客戶的信息。

“我們所做的一切都是為了司機能夠有更好的體驗，”Szeto說，“我們不想事與愿違。關(guān)掉驅(qū)動程序，然后保存數(shù)據(jù)，直到時機正確時再使用。”

從數(shù)據(jù)中挖掘價值

但一些業(yè)內(nèi)專家表示，年輕消費者愿意放棄個人數(shù)據(jù)，他們希望通過這些數(shù)據(jù)得到相關(guān)信息。“如果你提供一些相關(guān)信息給他們，他們會做出回應(yīng)，這些關(guān)聯(lián)性的東西彌補了信息泄露帶給人的恐慌感。”West Monroe Partners的Brown 說道。

加州25歲的ChargePoint會員Jonathan Precopio是一名學(xué)生，同時也是環(huán)球影城的兼職員工，他還擁有一輛Nissan Leaf EV。Precopio表示，他歡迎ChargePoint和其合作伙伴之間共享數(shù)據(jù)享，這樣可以讓自己獲得一些額外的補貼。“這將鼓勵我在類似Target的商店購買更多東西，”他補充道，“這將是一個很好的工具，它帶來更多的客戶，尤其是電動汽車司機。”

分析師承認，數(shù)據(jù)安全并不一定是物聯(lián)網(wǎng)的一個累贅。例如Forrester的Goetz指出，公司現(xiàn)在可以聚合數(shù)據(jù)，將數(shù)據(jù)匿名化并用來獲得客戶更多的個人信息，而且還不危害到數(shù)據(jù)安全。她說，“你不需要維護大量的個人信息來創(chuàng)建良好的體驗。你可以把數(shù)據(jù)扔掉，除非客戶明確說你可以持有這些數(shù)據(jù)。你也不需要知道我是Forrester的Michelle ，我已經(jīng)留下足夠的碎片化信息。”

物聯(lián)網(wǎng)缺乏標(biāo)準(zhǔn)

標(biāo)準(zhǔn)缺乏也在物聯(lián)網(wǎng)的癥結(jié)之一。不同種類的互聯(lián)設(shè)備相互通信，他們必須使用同樣的語言。但很多行業(yè)開發(fā)了他們自己的協(xié)議。標(biāo)準(zhǔn)組織大量出現(xiàn)，包括Industrial Internet Consortium，AllSeen Alliance和 Thread Group。大多數(shù)公司認為物聯(lián)網(wǎng)技術(shù)想要日趨成熟，必須制定相應(yīng)的標(biāo)準(zhǔn)。

Hexagon的Kocic表示：“將會有某種形式的整合出現(xiàn)，當(dāng)設(shè)備都各自為政時，他們無法互相通信。在某種程度上，這是不能接受的。”

ChargePoint的Szeto認為，市場將最終決定實際的標(biāo)準(zhǔn)。“多種標(biāo)準(zhǔn)目前也有著其存在的理由。我們還不知道哪一個會是最好的，”他說。

未來的物聯(lián)網(wǎng)應(yīng)用

最終，物聯(lián)網(wǎng)將度過其漸變階段，變得更為成熟，但數(shù)據(jù)安全，客戶個性化，如何說服客戶認清物聯(lián)網(wǎng)價值等仍然是物聯(lián)網(wǎng)技術(shù)發(fā)展的阻礙。

盡管全球客戶使用了其成千上萬的機器，Hexagon目前只有四個物聯(lián)網(wǎng)互聯(lián)的機器。該公司正在慢慢將MMS Pulse轉(zhuǎn)化為一個商業(yè)產(chǎn)品。首先，它想要知道更多關(guān)于客戶需求的數(shù)據(jù)。“物聯(lián)網(wǎng)發(fā)展的下一步是變得善于知道你想收集什么，”Kocic說，“我們想要確保在兩到三年內(nèi)，在我們不指明的情況下，Pulse能夠知道我們想要什么。我們做了一個很好的嘗試，但我們迷路了。從小事做起更有意義。”

Hexagon計劃將MMS Pulse推銷給客戶，作為一個基于訂閱的服務(wù)，提供實時數(shù)據(jù)，顯示機器如何運行并在機器需要維護時主動提示。“我們不再被動的響應(yīng)，我們可以打電話給一個客戶說，‘我們發(fā)現(xiàn)你的機器有問題，我們明天就過來幫你解決問題，’”Kocic說，“過去，我們派服務(wù)人員單獨訪問客戶，找出問題所在，現(xiàn)在只需要一次，就可以定位需要修復(fù)的部分。這一過程可能需要一個星期。”

ChargePoint的Szeto還透露了其公司對未來的設(shè)想。比如在充電站安裝監(jiān)控攝像頭，以確保公共安全，或使用物聯(lián)網(wǎng)技術(shù)幫助汽車實現(xiàn)自動駕駛。像UberEats模型一樣，ChargePoint 設(shè)想一個場景，在該場景中，一輛無人駕駛汽車收到請求，開車載她去開會，在自動充電站充電，替時間不夠充裕的客戶拿午餐，并快速載她到達下一個目的地。

Forrester的Goetz解釋說，這是一個趨勢，包括互聯(lián)體驗和虛擬現(xiàn)實，例如，對度假地點虛擬預(yù)覽等。“這樣的場景離我們不遠了。”

此外，還要將這些未來的前景與當(dāng)今現(xiàn)實相結(jié)合。電動汽車行業(yè)的專家Szeto表示，他最近開著妻子的Toyota Sienna休旅車進行了一次家庭旅行，這不是電動車。事實上，市場上還沒有電動休旅車。“我過去開一輛Nissan Leaf，是一輛電動汽車，”Szeto說，“但我現(xiàn)在有三個孩子，電動車無法容納全部的人。”