大数据是最近最火的几个名词之一，而大数据的应用里大众接受程度最广的一项就是个性化推荐。打开网易云音乐评论区，多少人觉得终于找到了那个最懂你的“它”，淘宝和亚马逊总能推送一些我想买的东西，咦，微博怎么知道我想关注这个大V？仿佛现在的推荐越来越准了，越来越“个性”了。
其实仔细想想，这些推荐算法并不是在找“个性”，而是在找“相似”。你之所以收到那些推荐，是因为有千千万万个和你相似的人曾经做出类似的选择，喜欢过同样的东西。你觉得推荐越准，其实说明你和某类群体越相似，反而是“不个性”的体现。
不过我并不想抨击个不个性这件事情，因为人本身就是在追求相似与不同的螺旋中前进的，但大数据给我们带来了另一个隐患，那就是stereotype，即一种对某一类人群的刻板印象，这种东西很可怕。
美国的汽车保险金额计算方法是不透明的，保险公司各自都有自己的计算方法，选取一些客户的feature根据某些模型来计算保费。人们会发现男性的保费比女性要高，原因就是“数据分析”显示，男性事故概率比女性高。这乍一看好像没什么，但是细细想想就会很不舒服，为什么我要被其他男性“代表”？为什么我的个体差异性就要这样被抹杀？以前我们批判某些刻板印象的言论总会说：“你怎么知道这些特征是普遍存在的，你做过数据调查么？”。好了，现在我们真的有了数据支撑这些观点，然后呢？就可以光明正大的给所有人按照模型贴上标签了么？我们就可以根据大数据的结果多征收黑人“治安管理费”，或是在企业招聘的时候直接过滤某些大学毕业的学生？
大数据实际上是人类利用现代科技继续向“效率”端狂奔的手段，这些数据对企业、政府甚至个人来说很诱人，因为可以极大的提高它们的效率，但是另一方面，对个体特征的忽略也极大地抑制了公平。我希望我们发展大数据的同时，也能时常思考一下这些问题。
我本人也从事着大数据相关的工作，我也会希望我的模型很准，但是我更希望，我们每个人，终究不会被数据所刻画。“无法预测”，将是人类头顶闪耀着的最美的光。所以，比起“你真懂我”，我更愿意听见的是
“你懂个蛋”
