允許不精確（1）

　　在越來越多的情況下，使用所有可獲取的數據變得更為可能，但為此也要付出一定的代價。數據量的大幅增加會造成結果的不準確，與此同時，一些錯誤的數據也會混進資料庫。然而，重點是我們能夠努力避免這些問題。我們從不認為這些問題是無法避免的，而且也正在學會接受它們。這就是由“小數據”到“大數據”的重要轉變之一。

　　對“小數據”而言，最基本、最重要的要求就是減少錯誤，保證質量。因為收集的信息量比較少，所以我們必須確保記錄下來的數據盡量精確。無論是觀察天體的位置還是觀測顯微鏡下物體的大小，為了使結果更加準確，很多科學家都致力於優化測量的工具。在採樣的時候，對精確度的要求就更高更苛刻了。因為收集信息的有限意味著細微的錯誤會被放大，甚至有可能影響整個結果的準確性。

　　歷史上很多時候，人們會把通過測量世界來徵服世界視為最大的成就。事實上，對精確度的高要求始於13世紀中期的歐洲。那時候，天文學家和學者對時間、空間的研究採取了比以往更為精確的量化方式，用歷史學家阿爾弗雷德-克羅斯比（AlfredCrosby）的話來說就是“測量現實”。

　　我們研究一個現象，是因為我們相信我們能夠理解它。後來，測量方法逐漸被運用到科學觀察、解釋方法中，體現為一種進行量化研究、記錄，並呈現可重複結果的能力。羅德-凱文（LordKelvin）曾說過：“測量就是認知。”這已成為一條至理名言。培根也曾說過：“知識就是力量。”同時，很多數學家以及後來的精算師和會計師都發展了可以準確收集、記錄和管理數據的方法。

　　19世紀，科技率先發展起來的法國開發了一套能準確計量時間、空間單位的系統，並逐漸成為其他國家普遍採用的標準，這套系統還為後來國際公認的測量條約奠定了基础，成為測量時代的巅峰。僅半個世紀之後，20世紀20年代，量子力學的發現永遠粉碎了“測量臻於至善”的幻夢。然而，在物理學這個小圈子以外的一些測量工程師和科學家仍沉湎在完美測量的夢中。隨著理性學科，如數學和統計學逐漸影響到商業領域，商業界更加崇尚這種思想。

　　然而，在不斷湧現的新情況里，允許不精確的出現已經成為一個新的亮點，而非缺點。因為放鬆了容錯的標準，人們掌握的數據也多了起來，還可以利用這些數據做更多新的事情。這樣就不是大量數據優於少量數據那麼簡單了，而是大量數據創造了更好的結果。

　　同時，我們需要與各種各樣的混亂做鬥爭。混亂，簡單地說就是隨著數據的增加，錯誤率也會相應增加。所以，如果橋梁的壓力數據量增加1000倍的話，其中的部分讀數就可能是錯誤的，而且隨著讀數量的增加，錯誤率可能也會繼續增加。在整合來源不同的各類信息的時候，因為它們通常不完全一致，所以也會加大混亂程度。例如，與伺服器處理投訴時的數據進行比較，用語音識別系統識別某個呼叫中心接到的投訴會產生一個不太準確的結果，但也是有助於我們把握整個事情的大致情況的。

本文摘自《大數據時代》

---

　　 《大數據時代》是國外大數據系統研究的先河之作，本書作者維克託-邁爾-舍恩伯格被譽為“大數據時代的預言家”，擁有在哈佛大學、牛津大學、耶魯大學和新加坡國立大學等多個互聯網研究重鎮任教的經歷，早在2010年就在《經濟學人》上發佈了長達14頁對大數據應用的前瞻性研究。維克託-爾耶-舍恩伯格在本書中前瞻性地指出，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型，並用三個部分講述了大數據時代的思維變革、商業變革和管理變革。
　　維克託最具洞見之處在於，他明確指出，大數據時代最大的轉變就是，放棄對因果關係的渴求，而取而代之關註相關關係。也就是說只要知道“是什麼”，而不需要知道“為什麼”。這颠覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。