提起“大數據”這個詞，很多人第一印象可能是：高科技、遙不可及。但是，我們生活中，很多傳統的數據服務已經或多或少地被大數據所賦能，通過不同的形式走進了我們生活。
因爲從業於大數據相關領域，所以對身邊數據服務的變化非常敏感，而近年來也的確頗爲深刻地感受到了身邊數據服務形式的變遷，以及帶給我們生活的變化。數據服務的形式經歷了：結果型數據服務、靈活型數據服務、個性化數據服務，未來也必將發展爲智能化數據服務。下面就以我們看天氣預報爲例。展示三十年來數據怎樣一步步改變我們的生活方式。
一、結果型數據服務
還記得我們90後這一代小的時候，每天晚上七點半新聞聯播之後，家人們會準時蹲守在電視機前看天氣預報，甚至哪天不看天氣預報，總感覺生活少了點什麼。而因爲央視的天氣預報不可能將全國所有地區的天氣都報道出來，只能報道一些省會城市的天氣。所以，如果你待在一個小縣城裏，就只能看距你最近的城市的天氣。這個準確度可想而知。
其實國家氣象局在每個地區都有氣象觀測站。也就是說，每天全國所有的氣象數據都是有的，但是受限於數據傳輸的限制。普通大衆獲取這些數據其實是有時間和地點限制的。
這就屬於結果型數據服務。這些數據中心化極高。數據由權威人士加工，不能精確地滿足每個人的需求，普通大衆只能學會適應這些數據。
# 二、靈活型數據服務
進入PC互聯網時代，當人們想知道天氣時，更多人選擇打開網頁，輸入當前城市以及天氣預報的關鍵詞來獲取當前城市的天氣信息，每天準點去電視前看天氣預報的人越來越少。你可以根據你的搜索、條件篩選等方式主動獲取數據，網頁根據不同人的需求來展現不同的結果。
這就是PC時代典型的靈活型數據服務方式，這種服務方式破除了空間的限制。做到了半定製化甚至全定製化。可以從你想看的各種維度展示數據。
目前商業上也在努力推動這種靈活的數據化服務，BI（商業數據）服務平臺也如雨後春筍般冒了出來。他們可以提供海量數據實時在線分析服務，通過拖拽式的操作完成一些簡單的數據分析、業務數據探查、報表製作等工作。比如微軟的Power BI，阿里的Quick BI等。
三、個性化數據服務
現在的人們獲取天氣預報就更簡單了，移動互聯網時代剛興起那會兒，紅極一時的天氣預報軟件：“墨跡天氣”就是個典型的例子。時至今日，我們甚至不用下載多餘的app，任何一個智能手機的主頁面都會根據你的位置信息展示當前城市的天氣。
這就是個性化的數據服務，你的設備可以自動根據你當前的狀態，來幫你從海量的數據中篩選出來可能對你有用的數據。類似這樣的數據服務已經鋪開，悄悄走入每個人的生活。比如現在打開餓了麼、美團等外賣軟件，軟件已經根據你的位置將周圍的外賣商家展示出來供你隨意挑選。如果你在北京，絕不會展示出上海的外賣商家來浪費你的挑選時間。甚至如果你在朝陽區，就不可能給你展示大興區的美食商家。
四、智能化數據服務
未來獲取天氣預報的形式我們不得而知，但是可以肯定的是，天氣預報數據也會變得越來越懂你。不僅僅是在明天有暴雨的時候提醒你出門帶傘，降溫的時候提醒你多穿衣物。可能結合其他維度的數據或者智能化設備提供更加個性化的服務。比如根據當前溫度、空氣污染指數溼度等狀況自動開窗通風，打開空調等，讓你無感地享受數據帶來的服務。
通過天氣預報這個例子你有沒有發現一個規律：天氣數據三十年來一直在那裏，不來不去，而其之所以能夠越來越好地服務我們的生活，很大程度上取決於數據傳播的效率、範圍、以及與其他數據（地理位置）的結合。
數據放在那裏只是一堆雜亂的編碼，但是用起來就是無價之寶。
智能化的數據服務就是以數據爲驅動的模式。充分發揮數據的作用，讓數據形成一個閉環，讓產品更智能、更懂你，而且不斷自我進化。這纔是真正的大數據，也是目前無數機器學習算法工程師和數據分析師努力探索的方向。
現在的很多APP以及具備了一定這種能力。抖音正是基於智能推薦算法，讓無數用戶刷視頻成癮。還有淘寶的個性化推薦，根據你的點擊自動推薦商品，提高你的購買慾望。
五、再談數據
回顧當前的疫情，數據對疫情防控也做了很大的貢獻。單靠人力是沒有辦法掌控全國這麼多人的行程的。而且單靠人們的主動申報，由於記憶偏差，或者因爲各種原因謊報，是沒有辦法做到精確防控的，目前盛行的健康碼根據你的鐵路行程、手機基站信號來獲取你是否接觸過確診人員的信息。雖然現在這些形形色色的健康碼目前做得還不是很完善，給大家帶來很多困擾。但是的確一定程度上減輕了基層人員的防控壓力。
目前，各大公司也開始注重自己數據資產的建設。2020年3月發佈的《中共中央 國務院關於構建更加完善的要素市場化配置體制機制的意見》文件中，首次將“數據”作爲一種新型生產要素，與土地、勞動力、資本、技術等其他傳統要素相提並論。爲什麼國家對數據的重視？因爲其確實能夠產生不小的價值。
如果銀行能夠分析出更願意辦信用卡的用戶羣體畫像數據，那麼在設計信用卡產品的時候，可以把有限的資金預算投入更吸引目標用戶的權益中，節省推銷卡的成本。比如，如果你的目標用戶更喜歡看電影，那麼就可以跟電影院合作，推出每月六元看電影權益，那麼會有更多用戶喜歡辦理和使用你的信用卡。
如果電商平臺能夠從用戶的購物行爲數據中分析出購物偏好，那麼會給用戶推薦適合你的產品。增加電商的營收。
當然，用數據之前收效要先梳理好數據。對於企業，政府來說，一方面是儘可能地蒐集和梳理業務用到的數據，搭建基礎的數據平臺供員工方便地提取和使用數據，甚至可以與其他公司協商互相引入多維度的數據。另一方面，就是培養能夠用數據，懂數據的人才，讓手裏的數據發揮出更大的價值。這對一些畢業生們來說也是一個不小的機會。
大數據的時代進程無法避免。但還是希望各大公司在合理使用這些數據的同時，做好對用戶數據隱私的保護。因爲，每個人都渴望獲得更好的數據服務，但絕對不是以自己被裸奔作爲代價。