大數據，大挑戰（1）

　　大數據的核心代表著我們分析信息時的三個轉變。這些轉變將改變我們理解和組建社會的方法。

　　第一個轉變就是，在大數據時代，我們可以分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，而不再依賴於隨機採樣。這部分內容將在第1章闡述。19世紀以來，當面臨大量數據時，社會都依賴於採樣分析。但是採樣分析是信息缺乏時代和信息流通受限制的模擬數據時代的產物。以前我們通常把這看成了理所當然的限制，但高性能數字技術的流行讓我們意識到，這其實是一種人為的限制。與局限在小數據範圍相比，使用一切數據為我們帶來了更高的精確性，也讓我們看到了一些以前無法發現的細節——大數據讓我們更清楚地看到了樣本無法揭示的細節信息。

　　第二個改變就是，研究數據如此之多，以至於我們不再熱衷於追求精確度。這部分內容將在第2章闡述。當我們測量事物的能力受限時，關註最重要的事情和獲取最精確的結果是可取的。如果購買者不知道牛群里有80頭牛還是100頭牛，那麼交易就無法進行。直到今天，我們的數字技術依然建立在精準的基础上。我們假設只要電子數據表格把數據排序，資料庫引擎就可以找出和我們檢索的內容完全一致的檢索記錄。

　　這種思維方式適用於掌握“小數據量”的情況，因為需要分析的數據很少，所以我們必須盡可能精準地量化我們的記錄。在某些方面，我們已經意識到了差別。例如，一個小商店在晚上打烊的時候要把收銀台里的每分錢都數清楚，但是我們不會、也不可能用“分”這個單位去精確計算國民生產總值。隨著規模的擴大，對精確度的痴迷將減弱。

　　達到精確需要有專業的資料庫。針對小數據量和特定事情，追求精確性依然是可行的，比如一個人的銀行帳戶上是否有足夠的錢開具支票。但是，在這個大數據時代，在很多時候，追求精確度已經變得不可行，甚至不受歡迎了。當我們擁有海量即時數據時，絕對的精準不再是我們追求的主要目標。

　　大數據紛繁多樣，優劣摻雜，分佈在全球多個伺服器上。擁有了大數據，我們不再需要對一個現象刨根究底，只要掌握大體的發展方向即可。當然，我們也不是完全放棄了精確度，只是不再沉迷於此。適當忽略微觀層面上的精確度會讓我們在宏觀層面擁有更好的洞察力。

　　第三個轉變因前兩個轉變而促成，即我們不再熱衷於尋找因果關係。這部分內容將在第3章闡述。尋找因果關係是人類長久以來的習慣。即使確定因果關係很困難而且用途不大，人類還是習慣性地尋找緣由。相反，在大數據時代，我們無須再緊盯事物之間的因果關係，而應該尋找事物之間的相關關係，這會給我們提供非常新穎且有價值的觀點。相關關係也許不能準確地告知我們某件事情為何會發生，但是它會提醒我們這件事情正在發生。在許多情況下，這種提醒的說明已經足夠大了。

　　如果電子醫療記錄顯示橙汁和阿司匹林的特定組合可以治療癌症，那麼找出具體的致病原因就沒有這種治療方法本身來得重要。同樣，只要我們知道什麼時候是買機票的最佳時機，就算不知道機票價格瘋狂變動的原因也無所謂了。大數據告訴我們“是什麼”而不是“為什麼”。在大數據時代，我們不必知道現象背後的原因，我們只要讓數據自己發聲。

　　我們不再需要在還沒有收集數據之前，就把我們的分析建立在早已設立的少量假設的基础之上。讓數據發聲，我們會註意到很多以前從來沒有意識到的聯繫的存在。

　　例如，對沖基金通過剖析社交網路twitter上的數據信息來預測股市的表現；亞馬遜和奈飛（Netflix）根據用戶在其網站上的類似查詢來進行產品推薦；twitter，facebook和linkedIn通過用戶的社交網路圖來得知用戶的喜好。

　　當然，人類從數千年前就開始分析數據。古代美索不達米亞平原的記賬人員為了有效地跟蹤記錄信息發明了書寫。自從聖經時代開始，政府就通過進行人口普查來建立大型的國民資料庫。兩百多年來，精算師們也一直通過搜集大量的數據來進行風險規避。

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。