了解了“活”字的具体含义之后，我们再来看看“活数据”的三大重要特征。

1.全本记录，而非样本抽查

虽然按照统计学的方法，一个随机样本也可以在相当程度上推导出全局的特征，但商业的环境是动态的，始终处于不断变化的过程之中，一个间隔很长时间才收集到的样本，充其量只能将静态的一部分描述出来，并不足以支撑商业决策的全部需求。

众所周知，在传统时代收集数据是一件极其麻烦的事情。首先得先整理出问题，随后设计合理的问卷调查，再有针对性地找人专门填问卷，这样才有可能收集到一些对商业决策有些许帮助的数据。但互联网的第一步就是连接、在线，你只要让自己的业务处于在线状态，就会得到巨大的好处。要知道，你的用户的所有行为都会在互联网上留下清晰的印迹，而将这些行为直接记录下来，就能够让你对这个用户进行全面而深刻的了解。

淘宝并不需要经常性地组织抽样调查，去询问用户对淘宝的服务是否满意。淘宝的每一个用户在登录后，后续的所有行为都会被自动记录下来。他们看了哪些商品、在某一款商品的详情页上停留了多长时间、最后购买了何种商品，这些数据都会被自动记录下来。这种不加选择全本记录的方式，毫无疑问意味着巨大的数据记录成本。因此，今天我们谈论“活数据”的最大前提，一定是数据记录成本的大幅下降。这个前提如果无法得到满足，“活数据”的概念不谈也罢，因为它无法落地。

2.先有数据，后有洞察

传统市场调查方法的第一步是整理问题，如果你想了解一个问题，或者想测试某一个假设，你就要根据这个问题去收集相关的数据。其中最麻烦的地方在于，一旦你发现自己遗漏了一些问题，或者产生了一些新问题，这个过程就必须推倒重来，从头收集相关的数据和信息。

但是在“活数据”时代，市场调查的整个过程被颠倒了。在越来越多的人口中，可以听到这样的说法：“我们重视的是相关性，而不是因果性。”由于数据存储和计算成本足够低，我们可以把所有相关数据都记录下来，在业务的发展过程中去看哪些数据的使用能够让我们更好地进行洞察，能够帮助我们重新进行商业决策。简而言之，就是先有数据记录，再有分析和洞察。这样做的最大好处，是避免了事后出现新的需要调查的问题而被迫进行重复作业，这种传统方式所带来的成本是巨大的。

3.数据就是决策(www.daowen.com)

数据就是决策。也就是说，数据智能的引擎机器要能够直接做决策，而不是传统的利用数据分析来支持人的决策。如果数据仅仅被用来支持人的决策，那便无法形成真正的闭环，不具备大规模复制推广的价值。

举个例子，如今很多企业不太理解数据工程师跟商业智能（BI）分析师的区别。其实，BI是business intelligence的缩写，也就是所谓的商业分析部门，规模稍微大一点的公司都有这个部门。BI分析师最核心的工作就是研究数据，然后将数据分析成一个个报告，支持高管做出某些商业决策。这里提到的数据其实是离线的，目的是支持决策，并非我们正在讨论的“活数据”的概念，真正的“活数据”一定要能将数据本身产生的洞察直接变成商业决策。

说到这里，让我再以淘宝为例。如果用户在淘宝上通过关键字搜寻自己想要的商品，那么他第一眼会看到什么、在第一次点击之后再给他看什么，类似这样的决策其实都是机器自主完成的。用户看到的一切其实都是机器想让他看到的，都是通过数据智能的算法自动形成的，不存在任何人为干预。

实话实说，早期我们也走了不少弯路。那时，为了帮助淘宝卖家进行数据化运营，我们的数据部门会不断地为卖家后台推送数据分析报告，然而收效甚微。后来我们发现，数据部门推送的这些数据，不仅使用率很低，就连打开率也不高，很多淘宝卖家甚至看不懂这些数据分析报告。在得出这一结论后，我们猛然意识到，其实卖家真正需要的不是去理解这些晦涩庞杂的数据，而是让数据直接帮助他们更快更好地做出决策，让他们的运营效率产生质的飞跃。

所以，我们第一个比较成功的产品就是在卖家的后台装了一个行动按钮。只要卖家点击一下这个按钮，整个店铺的陈列展现就会被自动优化，从而带动销售额的提升。对于卖家来说，这样的操作再简单不过，只需要点击一下鼠标即可完成。这个产品其实就是淘宝的后台通过“活数据”的运营，对海量数据进行算法分析，最后智能化地帮助卖家自动优化店铺展现，实际上就是让卖家的店铺展现智能化了。如果不是依靠机器和算法，仅凭人力来完成如此庞大且快捷的决策过程，估计连爱因斯坦也无法办到。

以上三大特征结合在一起，也就形成了反馈闭环的概念。只有“活数据”，才能让整个反馈闭环顺畅运作。你跑业务的时候自然会产生数据，这些数据会被自动、全部地记录下来，然后经过算法处理直接形成决策，用以指导你的业务，并通过客户反馈不断地优化你的决策。如此一来，整个企业的业务发展就走上了反馈闭环的正向循环，也就是走上了智能商业的发展道路。

如果从“活数据”的角度来考虑商业运营的话，感受便会很不一样。现在有很多人一听到“大数据”这个词，就会觉得和自己没有太大的关系——“我就是个小公司，数据量也不大，你们讲的那一套理念跟我没有任何直接关系”。但是，如果从“活数据”的角度去思考，你会明白数据量的大小只是个相对概念。如果让数据成为你业务中的自然组成部分，让机器成为你决策中的一个环节，你的商业行为就会走入智能化的快车道。