自从麦肯锡咨询集团提出“大数据”一词，大数据已从商业变革扩张到生活变革。这个世界所拥有的数据越来越多，越来越离散。

　　大数据应用改变了我们的思维深度和体验惯性。它可以预测犯罪的发生、预测流行病的散布规律，甚至预测重大的政治危机和人事变局，更可以很好地预测人们的消费习惯和消费行为。

　　从经济学视角看，大数据类似于理性的经济模型分析，从探寻规律中实现预测。

　　然而，最近30年来，理性经济学不断面临行为经济学的挑战，并出现二者相互融合和互补的新局面。大数据背后所蕴藏的“生活感性”问题，也长久以来被忽视，值得探讨。

　　举例而言。著名心理学家施瓦茨提到一个经典案例：一个人想买一台新车，而且对安全性和可靠性非常看重，于是他反复阅读了美国著名的商业大数据研究报告《消费者报告》，该报告数据来自于数以万计的大数据分析。终于，他决定买一台某名牌的轿车。但当天晚上其朋友对该品牌轿车的负面评价使其打消了购买该车的念头。

　　上述现象被称之为大数据背后的“个数据”现象。这在生活经济学中涉及到“消费感性”对“消费理性”的挑战。但为什么在消费行为选择中，“个数据”常常能战胜“大数据”？

　　2002年诺贝尔经济学奖获得者丹尼尔·卡恩曼提出的“可获得性启发”理论，对此可提供重要解释。“可获得性启发”是指，人们认为容易想起的事件比不容易想起的事件更常见更生动，所以也更可靠，因此会选中前者，尽管后者实际上可能更可靠。

　　亲朋的介绍常常比数据报告或商品推送更常见更生动。于是，来自某个亲朋的“个数据”，就很容易战胜来自于千万个陌生人的“大数据”。大量的生活经济学实验证实了在消费选择方面“个数据”对“大数据”的“颠覆”。

　　“可获得性启发”还有一个推论是“熟悉定律”：人们通常对熟悉的商品更有好感，当所选商品势均力敌时，最熟悉的商品会被买走。相较而言，人们对身边人提供的或自己亲耳听到的（虽然很可能只是道听途说）信息更具熟悉感，而对基于大数据的推送信息缺乏熟悉感。因此，大数据推送常常败在“熟人耳语”的“个数据”面前。

　　此外，值得注意的是，大数据分析通常能甄别和预测到消费者“需要”的东西，但无法保证是消费“喜欢”的东西。

　　尽管在生活经济学和行为经济学的领域中存在对大数据应用的某些挑战，但这些“异象”并不能掩盖大数据蓬勃的发展现实和强劲的发展态势。

　　“个数据”选择现象是对大数据应用的有益补充。它提醒我们注意并不断改进未来的“大数据应用”，并在大数据分析方法中嵌入更多的“个数据”分析节点。