在波兰的用户体验国际会议上，杰夫帕克（Jeff Parker）提出：
“如果缺乏研究，企业就无法做出明智的决策。”
企业家和交互设计师，可以利用数据分析，提升产品与服务的效率，并获得更大的商业价值。
结合情境分析数据的方法，对处理大量繁复数据十分有效。如facebook和twitter都是获取数据的良好渠道，但是要是想将所有获取到的信息都为我们所用，这项工作会非常复杂且会消耗大量的时间成本。
即使我们将这些所有数据都赋予了涵义，也需要分析这些数据从而提出有价值的见解，但这取决于我们需要应用的情境，否则我们只能通过这些数据得到一个广义的结论而并不能解决实际问题。
总而言之，将数据结合具体的场景应用，可以帮助我们进一步探索用户与其行为之间的关系。
什么是大数据？
首先，大数据（big data）之所以“大”，是因为我们每个人每天都会向公司传递千兆级别的信息，当数据累积起来变得足够大的时候，就不能应用传统的方法来进行处理了。
面对大量的数据，我们也不能再仅是使用电子表格来进行罗列，因为电子表格缺乏一定的灵活性和可扩展性。然而，大数据一旦经过处理就会变得十分有价值。利用分析得到的情境，大数据分析可以识别出可提升的关键指标，为每一位用户打造属于他们自己的个性化产品。
大数据在零售行业的例子
大数据应该如何应用到现代商业中？
下面提到了三种具体的方法结合情境，进行大数据分析，从而带来更好的产品和用户体验：
- 大数据能够增强我们对用户的了解，并设计出满足用户需求的产品与服务。
- 大数据可以帮助我们深入理解用户的行为，通过数据发现用户深层次的想法。
- 大数据有助于市场推广，因为它为我们提供一个机会去分析用户在多个渠道上的行为，并了解用户在何时更容易去购买产品或者服务。
在本文中，我们将了解到如何最大化利用分析结果，以及情境对大数据分析的重要性。
情境数据
几年前， 我们的一个客户在 UsabilityTools （关于用户研究的网站）上使用我们的表单测试工具（Form Tester）去了解用户在他们公司网站上的行为。该工具可以分析网站游客与在线表单的交互方式，利用该工具可以了解到表单每一步的转化率。
我们通过该工具注意到的第一个问题是该网页的跳出率很高，我们意识到表单的设计可能出现了问题。通过观察表单中的不同元素后，发现一般用户对于单个表单项的响应时间为5秒，但是却有一项会花费用户3分钟左右的时间去填写。
意识到这个问题后，我们结合其使用语境发现：该项的目的是让用户填写其身份证号，这意味着用户必须离开他的办公桌，找到他的钱包，并且从身份证上抄下他的身份证号码。这解释了3分钟的等待时间，并告诉我们，我们不是需要去修正表单，而是需要提前提醒用户准备好他们的卡，这样就会减少完成这种复杂任务时用户的流失率。
结合语境进行分析便于让企业寻找到适合自己的商业模式，探索商业趋势，就像我们之前做的那样。结合对数据分析，可以辅助设计师进行预测模型的建立与商业策略的制定。
为什么说没考虑情景是错误的？
大部分电子行业的公司都在使用一些网络分析软件(web analytics software implemented)，但是这不足以让他们完全理解到，影响用户行为的心理因素和人文因素。
从业务层面来考虑，诸如浏览量、跳出率（bounce rate）等一些网页分析中典型对象。其提供的数据，可能与我们的观点和对重要任务的看法在实际上完全相反。
简单的数据也可以说谎，特别是在它们脱离语境时。例如：网站的平均访问时间这项数据，5分钟的平均留存时间看上去很不错。但是当我们记录单一访客时，会恍然发现大多数的访客都仅仅在页面停留了10秒钟，平均数据被一些停留时间特别长的访客所扭曲了！
我们意识到不能再盲目相信数据了，纽约时报的大卫∙布鲁克斯（David Brooks）在文章“What Data Can’t Do”中指出：大数据的主要问题在于无法考虑到意外的情况与前后发生的语境，它甚至不能应用于简单而多变的新事物。
这个问题最好的处理方法就如同Teradata（天睿公司）的Scott Gnau（斯科特∙葛瑙）所说：大数据是一个新事物，但是它不是唯一的数据难题。
情景分析和语境分析能充分发挥大数据的潜力，通过对已有数据进行语境的分析（contextualizing），我们可以做些类似这样的事情——改善客户的看法，找出普通消费行为背后的原因。这样，企业也就能创造出让用户惊喜愉悦的体验。
“纸牌屋”（House of Cards）是在网飞公司（Netflix）上很流行的政治电视剧，它也许是大数据影响最好的例子之一。Netflix运用了大数据来设定纸牌屋的剧情和人物性格（character twists），正如报告中说的，一个用户在看某段剧情时暂停播放去拿点心，Netflix会记录这次暂停和播放。
Netflix虽然不确定观众暂停的原因，但是他们会进行询问和假设：为什么人们会在这一瞬间暂停？是震惊、厌恶、被吸引或者仅仅是无聊？为什么大多数的人都精确的倒回到14分钟这一段，是因为有某些东西难以理解或者是场景非常的震撼？最后，为什么人们在观看到一半时选择放弃了？
这个原因可能很简单：仅仅是因为不好看。
通过观察这些情况（暂停、倒带、停止）发生的场景，分析团队将事件放在情境中，利用对结果的分析改善下一季观看体验。目前，根据“烂番茄”（to rottentomatoes.com ）网显示：“纸牌屋”接下来的两季都获得了超过80%的收视率，足以证明利用大数据的改进是成功的。
在大数据与情境结合的方面，“网飞公司”（Netflix）称已经准备好通过数据分析努力做到将用户牢牢吸引在屏幕前。
“纸牌屋”是一个极端的例子，但是同样的原则仍然适用于任何案例。在线外送手机应用“Foodler”根据用户以往在餐厅消费的习惯，向他们进行“最佳推荐”。他们可以通过饮食的时间段进一步分析用户的习惯，并且在相应的时间开始推荐早餐、午餐或晚餐所对应的食物。
同样的，“Target”这款app结合不同情境，利用大数据分析顾客的行为变化——这就是为什么“Target”甚至比孕妇的家人更早知道她们怀孕的消息。
Foodler能够预测出用户在任何餐馆可能会吃什么
知道数据变化背后的原因才是真正有价值的，结合情境来分析解释了消费者行为背后的心理，并因此影响了我们开发营销的策略，这些策略在关键的接触点上能够成功地影响用户。
情境对预测的作用
有充分的理由证明，运用准确的模型和模式是推动大数据环境下分析决策过程的关键。情境分析有助于我们建立预测模型，帮助我们基于用户真实行为去考虑，这对构建好的预测模型至关重要。
我们可以使用情境分析来加强数据的可用性和商业相关性，使我们能够通过创建模型来预测消费者可能的行为，例如：亚马逊的推荐系统。
当我购买一个帐篷，亚马逊使用分析来确定我可能也想要一个睡袋
结合情境分析数据可以帮助我们更好的做出决策，确定是否不同的数据观察结果对每个人都适用，选择合适的情境与用户真正建立起关联。
例如：使用数据预测分析的电商从业者会注意到，许多用户会在周五下午购买鞋子，但情景分析可以让他们看到，这些客户中绝大多数都是在办公室做出的决定，并且他们更有可能在等待客户或等待开会时购买。（在一小时的最后五分钟或前五分钟）。
情境分析（study of contextual analytics）的研究中，IBM的Lisa Sokol和Steve Chen创建了另一个典型的应用，涉及传统的评分系统，银行用来确定客户是否有资格获得贷款。
他们表示，如果银行仅使用数据分析，可以得到每家银行每个账户的信息，但是不能将来自多个银行的所有不同账户关联到一个人，结果只能得到不精确的信息。但另一方面，通过情境分析，银行能够知道这几个账户属于同一个人，因此将可以得到准确评估客户偿还贷款能力的所有必要信息。
通过利用情境推动的分析，我们可以提高预测模型的效率，从而做出更好的业务决策。
接下来的一些步骤
认识到在大数据分析中使用情境化的好处，仅仅只是开始。一旦我们开始收集数据，我们就要做好洞察情境的准备，从而创造更好的用户体验。
下面提供了一些实际应用的方法：
（1）研究别人正在使用的数据和指标，从而更好地理解哪些数据与该领域相关性最高。
（2）不要依赖平均值！无论指标是什么，都要将它置于情境中考虑。
（3）阅读更多关于大数据的情境化分析：
- 《情境时代：移动通信、传感设备、数据以及个人隐私何去何从》Robert Scoble著
- 《大数据下的众生相》 Rick Smolan著
- 《数据粉碎：信息浪潮如何驱动新商机》Christopher Surdak著
- 《极客大数据博客》
- 关注推特上经常发布有关大数据文章的推主，例如：鲍勃格鲁尔（Bob Gourley），托尼拜耳（Tony Baer）或者迪杰拜托（DJ Patil）