说说大数据产品背后的信任感

在一家大数据产品公司做项目经理的工作，也帮助公司升级了几款大数据产品，这期间接触了各式各样的客户，其中有一些不太了解技术但是有旺盛好奇心的一批用户，他们对大数据产品的“需求”值得拿来一说。

这部分用户有个共性，他们不了解技术，也上了一些年纪，但是他们热爱自己的工作，希望切切实实地通过现在的“大数据技术”、“人工智能”这些技术为自己的工作带来一些深层次的改变。但恰恰是这种经历，让他们天生对“大数据技术”怀有一种不信任感。

何谓不信任感，不信任感来自哪里，为什么他们会有这种不信任感，让我对自己所做的产品工作带来了一些和之前不一样的思考。

---

一、对“数据”本身的不信任（疑问）

首先，大数据产品是基于用户需求，然后通过对海量数据的挖掘分析，得到一些可以实现用户需求的结论，亦或是办法。

那么，为了实现具体的需求，我作为产品经理应该选取哪些数据，这些数据又来源于哪，是否被篡改，这些都是最基础环节上要思考的问题。

因此对这些问题没有很好的一个思考，必然会造成结果的不可信，然后让用户也会产生不信任感。

二、对“大数据算法”的不信任（疑问）

第一步，我选取了可以进行分析的数据样本，第二步就来到了如何处理这些数据，这里着重指“对数据处理的算法”。

算法是一种为实现某个需求而制定的一些处理数据的规则，这些规则是否可靠，直接会影响最终计算结果的可行度。算法可以分为启发式算法和非启发式算法，其中非启发式算法一般是可以通过数据公式计算这些办法进行验证的；而启发式算法计算出来的结果，往往被人待以一种有色眼镜看待，甚至可能需要多年后这个算法被普遍使用了，其可信度才会被认可。

所以算法这个黑盒，又会让某些用户对其的可信度产生一些疑问。

三、对“代码”的不信任（疑问）

用户往往是通过最终结果来倒退一款大数据产品或者大数据系统是否可信赖的，但系统最终计算结果的准确性不仅取决于所选取的数据、用于计算的算法，最终展现到用户面前的结果还是需要代码层面的呈现，所以即使数据可信、算法牛逼、但是最终前端代码读错了一张结果表，导致最后的数据误差，也会直接让用户对这个大数据产品产生不信任。