在一个越来虎重视大数据的市场上，你要谨记：品牌需要的是大数据后面的大洞察，而非“大数据”本身。十多年来，快递承运商和包裹运送公司UPS一直在尽量避免让运输车辆左转弯。

    对追踪系统数据进行分析发现，避免车辆左转弯，可以节省时间和汽油。类似这样的洞察可以帮助企业更好地改进自己的服务，但是这样的洞察却很难发现，即使你拥有许多可用的数据。

    UPS最早的数据分析要追溯到2001年，当时大数据还没有被大肆宣传。但是当时的确有事实表明，如果能够对企业经营和营销中获得的大量数据进行研究分析，企业将因此受益。2004年，UPS提出“不左转策略”，至今已节省1000万加仑汽油，为此减少的碳排放量超过10万吨。

    在UPS分析中用到的追踪数据是否能称之为现在人们据说的“大数据”呢？这要看你对大数据怎么定义。如果UPS所有的运输车辆追踪数据都运用到分析中——当时大约是9万辆——那么根据牛津大学维克托·梅耶尔教授的说法，可以将它称为大数据。他在发表于《金融时报》的一篇文章中提到，他认为判断是不是大数据，要看运用的数据集是不是全部的数据集（N=All）。换句话说，你要避免样本偏差导致错误的结论，就必须分析所有数据。

    当然，这仍然是今天大数据面临的一个主要问题。事实上，我们很少能让所用的数据集等于全部数据集。在《大数据：我们是否犯了大错？》一文中，维克托强调为什么大数据有可能让我们误入歧途，他引用样本偏差的例子，说明这种做法带来的后果，从而得出大数据可能让我们犯大错的结论。

    他说：“大量新的廉价数据工具和强有力的分析工具将带来许多好处，对于这一点没人怀疑。已经有一些案例证明大数据分析工具的确能够带来非凡的业绩……但是问题在于，所有数据的重要性——不管是大数据还是小数据——都取决于数据来源的可靠性，以及对于分析者的信赖和预期。即使我们能够成功地解决先入为主的问题，并且了解研究中的所有运用，仍然有一个最大的问题：对于分析结果我们应该如何利用？如何让事情变得更好？”