笔者和某位朋友都是一家著名连锁卖场的普通会员，某次聊天时对方提到，最近收到了该卖场发来的关于某类商品打折销售的广告短信。笔者感到奇怪，因为我也不时收到该卖场的广告短信，但那位朋友所说的此条短信我并未收到。

　　为何对方收到的短信跟笔者收到的有区别?根据笔者长期的观察，此卖场应该是对会员以往的消费记录进行数据分析之后才发出短信的。

　　这种根据后台数据分析做决策的事例其实并不新鲜。例如，2003年就有新闻报道称，中国科学技术大学通过分析学生“一卡通”消费数据发现，某些学生在食堂消费金额极低，例如某学生一个月在食堂就餐88次却只消费了51.9元，校方及时与学生所在系进行联系，确认该学生真实情况后，直接联系学生并将补助款打到其“校园一卡通”账户上。这种隐形资助形式让贫困生体面地得到了温暖，也彰显了后台数据分析的威力。

　　近几年来，这种数据分析方法逐渐被电子商务企业广泛应用。2011年，原谷歌全球副总裁、现创新工场董事长兼首席执行官李开复曾在某业内会议上说过他的一段亲身体验。在赶往一个会场的路上，李开复用3G(第三代通信技术)上网访问了亚马逊网站，亚马逊向他推荐了一本新书，虽然李开复没听说过这本书，但一看就喜欢，于是当场下单购买。

　　原来，亚马逊运用了推荐引擎技术。李开复过去在亚马逊买过很多书，亚马逊记录下来并进行数据分析，推测李开复会喜欢那本新书，于是在李开复登录亚马逊网站后马上推荐给了他。据VentureBeat统计，亚马逊网站超过35%的销售直接来自于推荐。

　　同时，网络服务、网络游戏等企业近几年来也逐渐开始使用这种技术。

　　2012年以来，“大数据”的说法开始流行开来，这是将前面所说的数据分析、推荐引擎以及相关概念概括起来的一个说法。全球有数十亿计的互联网用户，每一次互联网互动过程中都会产生大量的数据，从这些数据当中找到信息之间的关联和联系，并分析出来其中的规律，从规律中引申出用户的需求，然后，企业就可以根据需求向用户推荐满足其需求的信息。

　　这么说来，该连锁卖场分析后觉得笔者不可能购买某类商品，因此没有给笔者发出那条广告短信。问题出来了——我近期实际上购买过此类商品，而且可能继续购买此类商品，只不过，上次笔者不是在这家卖场买的。看来，这家企业犯了“信息孤岛”的毛病，即，仅仅只对自家企业的相关数据进行了分析，却忽略了消费者在其它渠道购买的可能性，从而失去了一次将流失客户拉回来的机会。

　　无独有偶。前不久，某知名财经媒体撰文指出，航空公司在进行会员服务与管理时，仅仅关注自家公司的数据，可能会犯下一些错误。例如，不少消费者实际每年飞行次数很多，但其对航空公司的选择比较分散，导致其在任何一家航空公司的飞行里程都有限，无法成为贵宾会员，只能做普通会员。如果航空公司了解到实情，毅然向某些会员赠送贵宾会员待遇，这些会员将有机会深刻体验到这家公司的优质服务，再加上一丝回报的心理，完全有可能成为该航空公司的忠实粉丝，并成为真正的贵宾会员。

　　不难看出，前述连锁卖场所犯的错误跟航空公司所犯错误类似，都是在“大数据”时代掉入陷阱，仅仅进行自家企业小数据库的分析，从而得出了可能与实情相反的结论。

　　要想摆脱前述陷阱，企业需进行基于整个互联网的数据挖掘、分析与优化，这样才有可能真正了解用户的偏好、品味、习惯等，进而推荐精准的信息。

　　当然，这听起来有点侵犯个人隐私的嫌疑。正如电子科技大学互联网科学中心主任周涛所说，这是一个平衡问题。用户要想得到个性化体验，就需要损失一定的个人隐私;同时必须注意，这部分隐私只能被企业用于提高信息推荐的质量，而不能被企业公开、贩卖或谋求其他利益。

　　具体到卖场或航空公司，如果要摆脱前述陷阱，最佳选择大概是获取竞争对手的消费者数据，但这会涉及到商业机密和消费者个人隐私。笔者认为，企业至少可以采取其它措施来优化原有的企业自身数据分析结果，例如对消费者进行电话访问、问卷调查。