评析触不到的大数据 从预测未来到规避错误

迷途

最近这几年，我们可以听到很多关于大数据在影视方面的案例，Netflix 这个词估计大家都快听到耳朵起茧了，另外英国的一家做剧本语义分析的公司Epagogix也成为一个小热词，频繁被提及。神秘的大数据与神秘的影视行业，结合在一起之后，便有了玄学一般的色彩，似乎你今天在社交媒体上打了一个喷嚏，正在担心自己是不是感冒了，我明天就能做出一部关于禽流感的恐怖片，并且让你有不得不去看的冲动。

事实上所谓《纸牌屋》式的成功，在视频行业的人都知道，与其当做一个技术发展案例来分析，不如将它作为一个公关案例来学习。原本在华纳工作的CMO Kelly Bennett 和来自迪斯尼的CCO Jonathan Friedland 通过《纸牌屋》这一事件让Netflix 变得更像一个电视台，而不是互联网企业，这其实是让Netflix 的想象空间变大了，因为互联网已经有了一家Youtube，但是还没有一家HBO 或者Showtime 。

至于将大卫·芬奇、凯文·史派西，以及1990年的《纸牌屋》组合在一起，可以产生奇妙的化学反应，这种充满诱惑的想法一看便知是好莱坞经纪公司的手段，而不是属于大数据的语言体系。

在《纸牌屋》的背后，大卫·芬奇和凯文·史派西同属一家经纪公司，这部电视剧的主要推手，是好莱坞的影子幕僚之一CAA 以及制作方MRC ，Netflix能够加入只是因为他们比有线电视台出钱更多。大数据在整部剧集中的作用，不会比在2008年将英剧《纸牌屋》推荐给MRC 联席董事长Modi Wiczyk 的那个实习生，所产生的价值更大。

至于Epagogix ，所提供的服务也并不新鲜，好莱坞有上千名剧本医生，又便宜又好用。80年代之后，好莱坞的观众结构和观影偏好逐渐趋于稳定，对观众喜好的判断并不是个难题，目前在北美普遍采用的焦点访谈形式，所能获得的反馈也要更为具体和实用。

从某个角度来说，好莱坞并不缺少好创意和好剧本，将文字转换成影像的过程，所存在的不可控要比一些娱乐报道中的公开信息复杂的多。如果单纯基于剧本和演职员搭配的角度，就可以预测未来高枕无忧，就好比我们是通过分析母鸡的体格，然后去判断一盘西红柿炒鸡蛋的受欢迎程度，它们二者之间必然互有相关，但是这种相关性不足以用来证明一名以泡面为生的宅男，为何会顿时爱上为他炒鸡蛋的MM。

大数据为何近几年大热？

人类进入大数据时代，类似于生物学迎来了显微镜，天文学发现了望远镜，因为网络传输和计算机存储运算能力的提高，交给了我们一把信息放大镜，从此我们对现象的观察进入一个新的领域。

在网络与终端的支撑下，虽然我们身处的时空没有任何变化，但是通过更加碎片化的信息，我们可以将时间与空间的分割从以往的单位中进一步细分，这就相当于原本一个9寸蛋糕切四块，现在可以切成六百四十块。所能够建立的观察维度，更加接近于无穷大，观察的基准点，更加趋向于无限小。这有点像是搭积木的游戏，当积木的数量足够多时，你最终所能搭出的形状也足够复杂，如果随便交给你一个图形，拥有更多的积木当然更有可能组合出结果。

关于多维度数据的挖掘，自古就有，历法的制定过程或许可以作为一个很好的例证，江湖上现在偶尔也会有关于林元帅诸葛军师的传说，自从计算机技术诞生之后，对数据的利用和处理一直在同步发展中，无论是分布处理还是并行处理，并不是一天就蹦跶到今日的技术高度，我们很多科学发现都是在近三十年之间才完成，正是得益于此。

但为何在这几年“大数据”忽然大热，甚至你一个做火烧做煎饼做包子的，如果不说两句大数据，大家看你的眼神就和看一个死人没啥区别。原因其实很简单，全球智能手机的普及。

随着移动终端信息处理能力的提升，与用户的交互界面不仅更加具备黏性，并且实现了全方位全时段互动，此时每个人的移动终端实际上就变成了一个数据记录仪。它比PC所能获取到的信息更加个人化，不仅暴露这个人的生活细节，位置动向，同时也记录着它的消费习惯，人类第一次拥有了这么多数据的生产者。每一个元数据都可以直接挂钩一份具体的支出额度，每一个数字都可以被货币量化，大数据的商业价值与各个企业的营收几乎都可以直接挂钩。所以，围绕“大数据”来说故事迅速成为当下的主流。

但是揭开媒体的那些噱头背后，你会发现，国内对复杂系统的研究，仍然是处于概念大于应用的阶段，大部分行业对线性、封闭系统内的数据关系都没办法掌握，更不用说将大数据转化成有价值的信息。而在影视行业，工业化体系处于刚刚起步的阶段，很多从业人士连财务报表这种基础数据都看不明白，去理解大数据的价值更是有些不可想象了。

大数据于国内影视行业的意义：

大数据技术作为一种工具，其应用方向，无非三个方面，一是对过于和曾经的理解，二是对以后和将来的认知，三是对当下进行判断并进行实时处理，影视行业大数据技术的应用如果想要有长足的发展，那么在这三个方面都会面临着一些需要解决的问题。

1、对过去和曾经的理解

既然是对已发生的进行判断，就会涉及到数据采集，这个部分往往会引发争论，中心议题是到底多大才叫大，GB还是TB，PB还是EB？

如果我想要知道《致我们终将逝去的青春》这部差一点就可以归类到文艺片的电影，为什么能在2013年上半年收获仅次于《西游降魔篇》的票房，我是应该仅以社交媒体的传播效率来进行数据的挖掘，还是要追溯到原著小说里的青春，以及被电影宣传所唤起的记忆？

将数据挖掘的范围放在社交媒体的范畴，那么通过对一部电影推广过程的梳理，其实我们很容易就可以通过数据制定出一张细化到分钟的参考，以及观众会被什么样的宣传内容所吸引，但是它仍然只是在描述现象。

用脚趾头想一想也知道，将观察只停留在眼前，无法找到最终的因果，必须对推动现象发生的机制进行论证，那么我们该用什么样的体量来储存和分析观众们的记忆，从而找到个人经历和集体共鸣之间的关系？

在这个方面，如果只用社交媒体的数据进行相关性的分析，其实和我们日常所做的感性推导没有太大区别，甚至还不如感性推导灵活，很容易因为数据的不够全面犯下“黑天鹅”式的错误（在发现澳大利亚之前，西方认为只有白天鹅）。必须要追溯到成因阶段更庞大的外部数据，比如主要观众群十年间的消费偏好及社会经历，以及对他们观影之前的心理活动进行统计分析。会不会太复杂？但是从数据挖掘的角度来说，只有在这个方向上进行努力才可能会提供实质性的价值。
或者说，我们也可以简单粗犷一些，如麦特的负责人陈砺志所言，《致青春》的成功最主要的因素是因为赵薇的敬业与投入，以及她个人在行业的积累。
大家可以继续用脚趾头想一想，以上三个角度，哪个会更容易接近整个事件的核心。