依靠直觉进行盲目决策，是很多企业领导者容易跌入的坑。如今，大数据为这一风险提供了规避途径，日益受到企业青睐。

谷歌内部正用数据进行“即时预报”，比如根据6月份的第2周汽车销售的查询数量，预测出几周后发布的6月汽车销售报告。

美国运通公司正通过分析数据监控查找违规者。如果有人在美国运通卡上存入大额账款，再在佛罗里达州注册一个转寄地址，他很可能在利用该州不严格的破产法钻空子。

亚马逊则申请了一项包裹运输预测系统的算法专利，它根据消费者的网站停留时间、商品浏览时间、点击及停留的链接和愿望清单等，来预测他的购买情况，从而尽可能减少运输、库存和供应链成本。

英国网络服务公司沙赞（Shazam），让200个国家的4亿用户，使用自家产品查找歌曲、电视节目和广告，从而建立了一个巨大的用户偏好数据库，沙赞声称，自己能够准确预测哪些群体 / 艺术家 /曲目会取得成功。

麻省理工斯隆管理学院教授安德鲁·麦卡菲（Andrew McAfee）甚至建议，人类应该尽量减少对经验判断的依赖，更多地依靠数据驱动型硬性算法的结果。他认为，大量研究表明，在“混乱、复杂、真实”的环境中做出判断时，基于数据的算法比专家更有可能做出正确的预测。

反对的声音：过度预测是场骗局

这股迷信浪潮近年来越刮越烈，忠实的追随者前仆后继，同时也有一群激愤的反对者逐渐出现。

之前，“大数据之父”舍恩伯格就曾表示，“如果对大数据解读得过度，实际上就是滥用数据”。Thinkers50奖得主、管理学者马丁?林斯特龙（Martin Lindstrom）也提出：“目前我们面临的问题是，商业世界已经完全被大数据给蒙蔽了。”

谷歌对流感趋势的分析就是一个典型事例。

谷歌依据自己的搜索结果，推测11%的美国人都患了流感。然而事实证明，庞大的搜索量很大程度上受到社交媒体造势的影响，谷歌高估了2013年年初的流感趋势。美国东北大学的大卫·拉泽（David Lazer）领导的研究团队指出：“谷歌的方法是在5000万个搜索词中，找到适合的1152个数据点。”而在此过程中，与“流感”相匹配、但实际上与此无关的搜索词出现概率“相当高”。

过分迷恋数据，也会影响公司前程。

Zynga公司的联合创始人马克·平卡斯（Mark Pincus），在公司创立之初就搭建了一套完整的数据分析系统。管理层习惯不做决策，他们只按用户反馈意见作出反应。比如，游戏中的草地到底是设为红色还是绿色，直接依据用户喜好拍板。这种讨好策略的确让Zynga 在草创时期获益良多，其最热门的一款游戏《Farm Ville》曾创下月活跃用户8300万的纪录。但时间一长，Zynga公司的新游戏产品只能同质化迭代，公司上下关注游戏商业模式创新者日益减少。随着对手不断推出创新型游戏，Zynga也在市值蒸发逾100亿美元后，逐渐淡出主流游戏公司阵营。

学界将数据预测失败主要归纳于两个方面的原因——

1.对历史数据的过度信赖

所有预测的好坏，都取决于管理者所运用的历史数据。然而现实中，创新性业务或新产品是没有先例可循的。历史数据即使有，也不可靠——手机品牌商虽然拥有手机购买和使用体验等方面的大量历史数据，但手机的类别已经今非昔比。

2.管理者总是怎么方便怎么选

对于一些很重要、但不方便采集的数据，人们常常会选择性忽视。很多专家学者认为，如果金融机构将采集的范围扩大，也许可以避免2008年金融危机的发生。

此外，企业的大数据研究，已经成为一场军备竞赛。Facebook花了将近四年时间，才建立了一个超过30人的数据团队，而维持该平台的常规运行需要超过100名数据分析专家，LinkedIn公司建立起自己的大数据部门用了整整六年时间。这显然不是每一个普通公司都可以承担的。

数据只能预测简单事务，复杂决策别指望它

这样看来，数据可以很好地预测一些事情，比如去某地度假是否会下雨，鸟类是否会以预定的途径迁徙，然而我们却很难准确预测出股价走势、有多少人会买一款新型汽车、鼓励健康饮食是否能达到理想的效果。

数据本身没有错，数据预测的两极化效果，主要在于简单系统和复杂系统的区别:

“简单系统，是用一个模型就可以把握所有或大部分变化的系统......而复杂系统内部，则有许多以非线性方式相互作用的因素。”

因此，如果该系统是“简单的”，只要我们能够模拟出它的变化，就可以精准预测出该系统的下一步活动。现实中，乐高和雪佛兰都曾利用“小数据”帮助企业探索创新业务。

相反的是，复杂系统是无法预测的，系统内的一个微小变化，可以对预测结果造成很大影响。管理者一旦对“大数据”的判断深信不疑，并对此孤注一掷，很有可能一手将自己推向深渊。

在推出Betamax卡带式录像机之前，索尼进行了大量的数据分析，并考虑了当时录像租赁市场的快速发展，为自己建立了封闭式生态结构（类似于今天的苹果）。但不幸的是，消费者需求的变化速度远远超出了行业预测，他们更偏好于使用可以储存完整电影的录像系统，而Betamax并不具备可以和其打通的开放系统，Betamax的战略定位宣布失败。德勤首席战略官迈克尔·雷纳认为，苹果其实与Betamax执行了相同的战略，不同的是，“苹果公司的运气比索尼公司好而已”。

因此，企业必须要将大数据拉下神坛，不能依靠它来应对不确定性，而应该采取灵活而广泛的战略——即便有一部分规划可能会失败，而另一部分则有可能成功。管理者需要确定，大数据在哪些情况下有效，而在哪些情况存疑，并将精力投身于灵活战略的建设中来。

某种程度上来说，大数据的真正机遇不一定是预测，而是用来解释。只有在充分调研、了解市场环境后，管理者才能够制定合适的战略，来应对可能出现的各种风险。