因为工作关系，最近密集和物联网大佬们聊起各种传感器、可穿戴设备的行业应用，由于成本约束，目前投入实际应用的大多数传感器其实并不精密，一般容许5%的数据误差，要消除这误差，技术可行，但是代价昂贵。所以显示在手腕上那些信誓旦旦告诉我们现在空气中pm2.5如何如何，跑步速度、心率跳动、皮肤温度、空气湿度多高多低等等数字，其实就是个参考值，如果太较真儿了，可就成了大傻瓜。但是读者要问了，如果这些价格高贵的酷玩意儿一点也不准确，那么买这些东西的人不就真是大傻瓜了？

　　或者，不仅仅消费者是大傻瓜，连急着利用物联网开发产品与服务的厂商都犯傻了吗？工业4.0的基础建立在物与物、物与机器之间，通过传感器绵密流动的信息交换，如果交换的信息不准确，这世界会不会乱套了？

　　工业4.0是商业4.0的供给面，在商业4.0的模式设计下，还得通过传感器来感知人与物之间需求面的种种互动过程，例如在热水器里置入流量、水温、计时器等等传感装置，可以侦测家庭人数、个人洗澡的时间、周期、用水量、洗澡水温等等，通过Wifi将这些数据传送到服务器进行计算，不仅可以估计热水器的堪用状态，进而主动提供维修服务，还能掌握客户的居住地点、生活作息、洗澡行为偏好等等个人私密信息，对于保持顾客长期的体育忠诚、提升新产品研发品质助力极大。我们的问题是，如果这些通过传感器所取得的数据不精密，商业4.0的蓝图还能实现吗？

　　从大数据视角，其实我们从来不追求单个数据的精密。我们更想从多视角、长时间持续搜集的有瑕疵数据，来归纳出精密的数据特征。

　　例如在我正在构建的数学模型里，通过可穿戴设备所量测到的心率跳动、皮肤温度、皮肤电位差、过去一段时间里的活跃度、再加上环境温度、湿度等数据，可以估计这个人的情绪。这些数据单个看都存在误差，但是只要能够针对特定用户搜集若干时日的数据，通过对这些多维变量的建模与叠加计算，可以获得这个人的情绪特征，进而做出相当准确的情绪估计来。换句话说，可穿戴设备可以知道它主人的情绪。实际上，不仅仅可以估计情绪，拿来预测睡眠也挺准确。

　　当然，要理解消费者并不见得非要让他们穿戴那只奇怪的手表不可。京东、淘宝、腾讯、百度等互联网巨头，通过捕捉人们在他们虚拟国度里的行为，一样可以透彻理解这些消费者的所思所行，进而对每个用户名、甚至每个IP地址贴上特征标签，对具有不同行为特征的人进行精准营销。例如通过消费者购买产品的品项和购买周期，大概可以推知他的性别；通过对性别的估计，加上时间序列里购买品项类型的变化，可能可以得出他目前所处的人生阶段（毕业、结婚、怀孕、退休等等）。就每个单一变量的数据而言，它们可能看起来随机、存在不可预知的误差、对于判断消费者特征帮助不大，但是当我们整合了数个相关变量长时间的数据、构造模型并进行计算后，深刻的意义自在其中。

　　所以什么是精准数据？其实这数据个个看来毫不精准，只要能够积累成大数据，通过数据科学就有可能获得相当精准的预测结果。为什么会这样？其实很容易理解，就好像老夫老妻，每天相濡以沫点点滴滴，大小琐事从来不需丈量算计，但是随着相处时日既久，逐渐心领神会，举手投足间，一个眼神，事事相契，一切自在不言中。

　　Data Science专家。曾任中国人民大学商学院教授、博士生导师，英国 University of Warwick商学博士，研究领域包括市场营销、消费者行为、零售学、云计算、大数据、商业智能。联系邮箱：。