全息化重组具有三个重要维度

全息论是关于部分和整体之间的关系的一种理论。按照这一理论，部分和整体之间具有全息对应和全息相关的关系，因此，可以有条件地把部分和整体，或看作整体的缩影。而全息控制，则是通过控制部分而达到控制整体的目的。所以，它的特点在于，它不是直接把整体当做施控对象，而是把整体中的一部分作为直接的施控对象。通过对一部分的控制强化这一部分的功能，并通过该部分对整体的辐射作用，达到改善整体状况，提高整体效益的目的。

大数据经济得以存在的前提必须是高度发达的计算机技术，由于经济行为被离散化解构后，很多原本无法用数字记录与表达的经济行为变得可以表达。再加上计算机的智能化程度越来越高，智能化被广泛应用于经济社会领域，因此，我们便可以采用智能化信息采集、储存，为我们获取全样本信息提供了可能。

全息化重组具有三个重要维度：

第一，全样本。以前由于缺乏获取全体样本的手段，人们发明了“随机调研数据”的方法。理论上，抽取样本越随机，就越能代表整体样本。但问题是获取一个随机样本代价极高，而且很费时。在信息处理能力受限的时代，世界需要数据分析，却缺少用来分析所收集数据的工具，因此随机采样应运而生，它也可以被视为那个时代的产物。

如今，计算和制表不再像过去一样困难。感应器、手机导航、网站点击和Twitter被动地收集了大量数据，而计算机可以轻易地对这些数据进行处理。谷歌可以提供谷歌流感趋势的原因就在于它几乎覆盖了7成以上的北美搜索市场，而在这些数据中，已经完全没有必要去抽样调查这些数据：数据仓库，所有的记录都在那里躺着等待人们的挖掘和分析。

在很多领域，从收集部分数据到收集尽可能多的数据的转变已经发生了。如果可能的话，我们会收集所有的数据，即“样本=总体”。我们能对数据进行深度探讨，而采样几乎无法达到这样的效果。用采样的方法分析整个人口的情况，正确率可达97%。但是你无法得到一些微观细节的信息，甚至还会失去对某些特定子类别进行进一步研究的能力。在一个资源有限的时代，要解决这些问题需要付出很高的代价。

但是在大数据时代，样本已经是传统意义上的全样本了。过去不可能的事情，现在已经成为可能，这是全息化重组的重要前提，也就是无遗漏，低误差。

第二，全方位。大数据经济时代，生产者、消费者之间的角色界限模糊，供求信息高度智能化与透明化，不对称信息降到最小，消费者可以参与生产者的生产决策过程，即时与直接给出改进或需求意见，全面改变了传统企业库存大，决策滞后的生产决策模式。

进入大数据经济时代，企业可以全方位掌握消费者需求信息的全貌。企业对消费者的消费进行在时间维度上进行纵向累积，横向上对不同消费者进行空间记录，在时空两个维度上构成“全样本”数据。这种“全息”，在大数据的时代还表现为“多源”，即有多个源头在从不同方向对同一个对象进行数据记录，数据之间可以互相印证，可以得出消费者的需求偏好函数集，此后可以预测消费者的每一次需求，适时给予推荐。

第三，全景式。企业通过大数据分析，可以数据驱动，刻画业务全貌，细化需求细节，实行“全样本拼像”和“实时反馈活系统”，从而改变传统的业务流程和形态，使得传统业务获得飞跃。大数据可以改变方方面面，对所有产业都是一种全新的思维和冲击。

阿里基于交易大数据设计了“千人千面”，所谓“千人千面”，在“双十一”将登场。“千人千面”是指对不同消费者有专属会场：在活动预热期间，用户关注、浏览、加入购物车、收藏等行为的数据进行分析；而消费者抢到的红包、领到的优惠券等所有相关信息也将集合在一起，最终形成每个消费者的专属会场。阿里打造千人千面，满足每一位消费者的个性化需求，是阿里主动改变往年单一主会场的模式，试图避免往年流量过于集中在少数商品的尴尬；从大数据层面来看，利用交易数据的分析结构，对流量进行个性化分配，长尾流量被充分分配了，阿里做到了全样本的记录。

我们给出以下定义：

定义5.1　全息化重组是指在获取经济社会全样本的基础上，全方位、全景式地对数据进行重新组合，再度挖掘大数据价值。

经济社会之所以能够被全息化重组，还必须具有以下技术背景：

首先，大数据时代能够建立超大容量的数据仓库。数据仓库具有容量大、主题明确、高度集成、相对稳定、反映历史变化等特点，可以有效地支撑快速消费品企业进行大数据研究与应用。数据仓库可以更有效地挖掘数据资源，并可以按照日、周、月、季、年等周期提供分析报表，有助于营销人员更有效地制定营销战略。

其次，大数据时代具有专业、高效的搜索引擎。旅游搜索、博客搜索、购物搜索、在线黄页搜索等专业搜索引擎已经得到了广泛应用，快速消费品企业可以根据自己的特点构建专业化的搜索引擎，对相关的企业信息、产品信息、消费者评价信息、商业服务信息等数据进行智能化检索、分类及搜集，形成高度专业化、综合性的商业搜索引擎。

第三，大数据时代有基于云计算的数学分析模型。市场研究的关键是洞察消费者需求，基于云计算的数学分析模型可以将碎片化信息还原为完整的消费过程信息链条，更好地帮助营销人员研究消费行为及消费心理。这些碎片化的信息包括消费者在不同时间、不同地点、不同网络应用上发布的消费价值观信息、购买信息、商品评论信息等。基于云计算的智能化分析，一方面可以帮助市场研究人员对消费行为及消费心理进行综合分析，另一方面云计算成本低、效率高的特点非常适合快速消费品企业数据量庞大的特性。

因此，大数据时代的市场研究与传统市场研究的方法截然不同。传统的市场研究包括定性研究及定量研究，以座谈会为主的定性研究受制于主持人的访谈技巧，以街头拦截访问为主的定量研究虽然以严谨的抽样理论为基础，但同样不能完全代表总体的客观情况。而大数据时代革命性的调研方法为市场研究人员提供了以“隐形人”身份观察消费者的可能性，超大样本量的统计分析使得研究成果更接近市场的真实状态。

与此同时，大数据时代，很多传统非结构化数据可以被解读，比如反应经济信息的图片、视频、文本等非结构化数据能够被有效识别。但是在获取全样本信息的同时，必须注意样本采集过度的问题。