中国小康网讯 近日，英国取消“高考”A-level考试，推出一种全新软件算法为考生评分。新打分法先由教师给出预估分数，再依据算法进行调整给出最终成绩。据统计，英格兰地区39.1%的学生成绩被调低，引发学生和家长热议。
相关新闻视频截图
数据算法的概念最早是由美国硅图公司的首席科学家John R.Masey于1998年提出的。随后，麦肯锡咨询公司又提出了“大数据时代”，如今，大数据确实成为了现代企业占据行业制高点，并预测未来趋势的利器。1990年代的两个大数据事件，对于我们拓展“大数据思维”也许有一些启示。
上世纪90年代，美国的沃尔玛超市收银员发现了一个奇怪的现象，结账时乘客的购物车里，啤酒和纸尿裤总是摆在一起。收银员把情况报告给了超市管理员，管理员也感到大惑不解，于是找到了学者艾格拉沃。
艾格拉沃经过调查发现，原因出自“奶爸”这一群体。
首先，从时间上，周末比工作日购买纸尿裤喝啤酒的频率更多；其次，从年龄上，家里的孩子不超过两岁；再次，他们喜欢看体育节目，而且边喝啤酒边看；最后，美国的体育节目多在周末扎堆。
所以，当周末年轻的母亲需要给孩子换纸尿裤时，通常会让正在看球的奶爸去买。奶爸出去买纸尿裤，会顺便带一件啤酒回来。艾格拉沃通过进一步调查研究发现：
如果奶爸们在商场或便利店只看到啤酒和纸尿裤的其中一件，那么他就会去另一家两件都有的商店，而不会分别去购买，而两种兼有的地方，只能是沃尔玛这种大型超市了。
发现这个秘密后，沃尔玛大胆地把纸尿裤摆放在啤酒旁边，方便奶爸们购买。结果，二者的销量双双上升。
艾格拉沃则跳出了啤酒和纸尿裤的局限，分析了沃尔玛购物车中所有商品的集合，找出所有商品之间的关联关系；并根据商品之间的关联关系，找出用户的购买行为。最后用数学和计算机提出了商品关联关系的计算方法——A prior算法。
1993年，艾格拉沃将A prior算法引入到沃尔玛超市的POS机分析中，终于创造出了销售的奇迹，“啤酒与纸尿裤”的故事也成为营销的经典案例。
看了这个故事，大家有没有发现，沃尔玛超市和艾格拉沃的区别呢？
沃尔玛超市关注的是啤酒和纸尿裤之间的关联，而艾格拉沃则研究了所有产品的关联；沃尔玛超市将啤酒和纸尿裤放在一起提高了销量，艾格拉沃则将推导出的算法引入到POS机，让沃尔玛“一劳永逸”。
所以说，沃尔玛做的是抽样工作，获得的是抽样数据，是短期的小范围打法；而艾格拉沃则做了集合研究，获得了全数据，产生了长期的影响。 他使用了全脑思维方式，也就是时下流行的“大数据思维”。
实际上，大数据思维并不是什么新鲜事物，在这个概念诞生之前，人们就已经有成功的应用了。我再举一个上世纪90年代的例子。巧的是，与“沃尔玛的纸尿裤”发生在同一时期，那就是“撒切尔的纸牌屋”。
可能大家会奇怪，你是不是搞错了？《纸牌屋》不是Netflix推出的美剧吗？和撒切尔有什么关系？
确实，美版《纸牌屋》也应用到了大数据思维，收集了3000万用户的搜索、评分、点击量；剧情时间与导向，甚至具体到每一次暂停快进；而且精准地分析了用户群——
如同前文中纸尿裤和啤酒，这两件看似八竿子打不着的事物，被“奶爸”这一群体巧妙地联系在一起一样，喜爱导演大卫·芬奇的观众也是演员凯文·史派西的忠实拥趸。而将两部分观众又都爱看1990年BBC英剧版《纸牌屋》！
《纸牌屋》的原著作者迈克尔·道布斯，是前英国首相“铁娘子”撒切尔内阁的幕僚长。迈克尔·道布斯就是一个数据分析高手，曾成功预测了撒切尔夫人的前两次当选。
谁把握了大数据，谁就把握了未来的趋势。体现在政治上，就是把握民意。为此撒切尔非常忌惮这个“预言家”。第三次当选首相后，就找个理由把道布斯辞退了。
满腔怨怼的道布斯决定创作一部小说，影射撒切尔夫人，讽刺其背后的保守党政治。道布斯利用大数据分析历史人物和文学形象，发现英格兰国王理查三世和莎翁经典麦克白最深入人心，足以给撒切尔夫人“贴金”，于是野心勃勃的厄克哈德便诞生了。
小说甫一出版，便打入了畅销榜。BBC决定拍成电视剧。在选角之前，在全国范围内进行了数据调研，发现莎剧演员伊恩·理查森在人们心目中的形象最经典，于是力邀其出演，这正中道布斯下怀。
巧合的是，BBC版《纸牌屋》上映的时间，就是撒切尔下台、保守党重新选举的前两天。更巧的是，撒切尔第三次当选的举步维艰、因为内阁倒戈而辞职都被道布斯在《纸牌屋》中预言到了。
你看，撒切尔能开掉大数据的“操盘手”，却还是败给了大数据背后的民意。（子华）
标签： 撒切尔
②文章观点仅代表原作者本人不代表本站立场，并不完全代表本站赞同其观点和对其真实性负责。
③文章版权归原作者所有，部分转载文章仅为传播更多信息、受益服务用户之目的，如信息标记有误，请联系站长修正。
④本站一律禁止以任何方式发布或转载任何违法违规的相关信息，如发现本站上有涉嫌侵权/违规及任何不妥的内容，请第一时间反馈。发送邮件到 88667178@qq.com，经核实立即修正或删除。