穿孔卡片與美國人口普查（2）

　　最近，以固定電話用戶為基础進行投票民調就面臨了這樣的問題，採樣缺乏隨機性，因為沒有考慮到只使用移動電話的用戶——這些用戶一般更年輕和更熱愛自由。沒有考慮到這些用戶，自然就得不到正確的預測。2008年在奧巴馬與麥凱恩之間進行的美國總統大選中，蓋洛普咨詢公司、皮尤研究中心（Pew）、美國廣播公司和華盛頓郵報這些主要的民調組織都發現，如果他們不把移動用戶考慮進來，民意測試結果就會出現三個點的偏差，而一旦考慮進來，偏差就只有一個點。鑒於這次大選的票數差距極其微弱，這已經是非常大的偏差了。

　　更糟糕的是，隨機採樣不適合考察子類別的情況。因為一旦繼續細分，隨機採樣結果的錯誤率會大大增加。這很容易理解。倘若你有一份隨機採樣的調查結果，是關於1000個人在下一次競選中的投票意向。如果採樣時足夠隨機，這份調查的結果就有可能在3%的誤差範圍內顯示全民的意向。但是如果這個3%左右的誤差本來就是不確定的，卻又把這個調查結果根據性別、地域和收入進行細分，結果是不是越來越不準確呢？用這些細分過後的結果來表現全民的意願，是否合適呢？

　　你設想一下，一個對1000個人進行的調查，如果要細分到“東北部的富裕女性”，調查的人數就遠遠少於1000人了。即使是完全隨機的調查，倘若只用了幾十個人來預測整個東北部富裕女性選民的意願，還是不可能得到精確結果啊！而且，一旦採樣過程中存在任何偏見，在細分領域所做的預測就會大錯特錯。

　　因此，當人們想了解更深層次的細分領域的情況時，隨機採樣的方法就不可取了。在宏觀領域起作用的方法在微觀領域失去了作用。隨機採樣就像是模擬照片打印，遠看很不錯，但是一旦聚焦某個點，就會變得模糊不清。

　　隨機採樣也需要嚴密的安排和執行。人們只能從採樣數據中得出事先設計好的問題的結果——千萬不要奢求採樣的數據還能回答你突然意識到的問題。所以雖說隨機採樣是一條捷徑，但它也只是一條捷徑。隨機採樣方法並不適用於一切情況，因為這種調查結果缺乏延展性，即調查得出的數據不可以重新分析以實現計劃之外的目的。

　　我們來看一下DNA分析。由於技術成本大幅下跌以及在醫學方面的廣闊前景，個人基因排序成為了一門新興產業。2012年，基因組解碼的價格跌破1000美元，這也是非正式的行業平均水平。從2007年起，矽谷的新興科技公司23andme就開始分析人類基因，價格僅為幾百美元。這可以揭示出人類遺傳密碼中一些會導致其對某些疾病抵抗力差的特徵，如乳腺癌和心髒病。23andme希望能通過整合顧客的DNA和健康信息，了解到用其他方式不能獲取的新信息。

　　公司對某人的一小部分DNA進行排序，標註出幾十個特定的基因缺陷。這只是該人整個基因密碼的樣本，還有幾十億個基因堿基對未排序。最後，23andme只能回答它們標註過的基因組表現出來的問題。發現新標註時，該人的DNA必須重新排序，更準確地說，是相關的部分必須重新排列。只研究樣本而不是整體，有利有弊：能更快更容易地發現問題，但不能回答事先未考慮到的問題。

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。