颗粒度指的就是粗糙度，粗糙就是颗粒度大，精细就是颗粒度小。如果很粗糙的数据也有人埋单，就意味着对数据的敏感度弱。比如中国的教育，只要说出对孩子有帮助，就会有大量的消费人群，这就是标准的颗粒度大、敏感度弱的数据应用场景。这种场景往往有很大的市场，而且是买方市场，符合“人傻钱多速来”的要求。
再以医疗为例，病急乱投医也是这个情况，明显的颗粒度大、敏感度弱。但它不如教育，原因是有很大的基础约束度在限制它的发展，基础约束度就是我们国家医疗行业管理上的条条框框和与人的生命相关的法律法规，以及在这些条条框框下形成的利益链。医疗行业的数据创新原本是可以大有作为的，但是因为固有利益链的阻力，所以就变得难以实现，或者说不能全面展开，我们可以寻找最薄弱的切入点进行试点，比如社区医疗和保健等。
当然，不是说这些条条框框是完全的障碍，医疗业的行业管理在中国必须是非常严格的，原因是我们国家的诚信体系和法律体系尚不健全，做假的成本很低，必须以政府管理为主导进行改革，逐步实现市场化。这也说明了为什么美国的医疗大数据要比我们先进，其诚信体系和法律法规体系健全而已。再分析教育，教育行业的数据与医疗行业的数据不同，教育行业并不关联生死或医疗事故，即使数据有误，也会用开卷有益来解释，所以教育的数据颗粒度之大、敏感度之弱就可想而知了。
总之，数据粗糙度和敏感度同市场需求息息相关，仔细把握，商机无限。
颗粒度的量化可描述为数据的真伪性比例系数和数据的全量比例系数。
真伪性比例系数= 
×100%
全量比例系数=
×100%
敏感度的量化描述为：年、月、日或每次在数据需求上的消费支出以及在这个时间段内的消费次数。
