從《大數(shù)據(jù)時代》尋找大數(shù)據(jù)思維

 大數(shù)據(jù)(big data)，IT行業(yè)術(shù)語，是指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。大數(shù)據(jù)這個概念聽說過挺久的了，但一直沒有系統(tǒng)了解，由于工作需要，想做點深入了解，于是翻了關(guān)于大數(shù)據(jù)的經(jīng)典之作《大數(shù)據(jù)時代》，猛然發(fā)現(xiàn)這本書出版于2012年，已是七年前的著作了。

與大數(shù)據(jù)對應(yīng)的是小數(shù)據(jù)，在小數(shù)據(jù)時代，由于技術(shù)條件的限制，人類無法獲取大量的數(shù)據(jù)，即便獲取了，也無法快速處理那些數(shù)據(jù)，為了解決這一難題，聰明的人類發(fā)明了隨機采樣法。在隨機采樣中，由于一切都是隨機的，它本身就綜合了各種因素，又排除了人為因素，所以它的結(jié)論也大致滿足需求。但是在大數(shù)據(jù)時代，樣本=總體。要所有數(shù)據(jù)，不管這數(shù)據(jù)是對的還是錯的，有意的或無意的，有用的還是無用的，全要。一個最簡單的例子是翻譯軟件的發(fā)展，在最開始的版本中，翻譯學(xué)家想要把一切語言規(guī)則都內(nèi)置到軟件中，他們認為這樣軟件就會實現(xiàn)自動翻譯，結(jié)果他們發(fā)現(xiàn)自己得到了一坨屎。

《大數(shù)據(jù)時代》這部書算是易懂的，因為它是從宏觀的角度講了大數(shù)據(jù)時代帶來的思維變革，還有很多豐富詳實的案例，但并不涉及數(shù)據(jù)處理細節(jié)那些瑣碎的東西，所以對于非專業(yè)人士來講讀起來并不困難甚至可以說是有趣的。當下的翻譯軟件則不然，它的“師傅們”不再是一堆語言規(guī)則，而是全世界人民!首先，開發(fā)人員先把館藏雙語對照的書籍植入計算機中，其次每個人每天在網(wǎng)絡(luò)上發(fā)的雙語對話都會被計算機記錄并學(xué)習(xí)，目前的計算機已經(jīng)可以實現(xiàn)深度學(xué)習(xí)，即不要內(nèi)置規(guī)則，它根據(jù)大量的輸入自己學(xué)習(xí)規(guī)則。

在這個簡單的例子中已經(jīng)彰顯出大數(shù)據(jù)的三個特點：

更多：不是隨機樣本，而是全部數(shù)據(jù);

更雜：不是精確性，而是混雜性;

更好：不是因果關(guān)系，而是相關(guān)關(guān)系。

數(shù)據(jù)主義即只認數(shù)據(jù)，唯數(shù)據(jù)是從，極端情況就類似于電影《少數(shù)派報告》所展現(xiàn)的場景了，在電影里有三個人具備預(yù)知能力，警方用他們的超能力實施罪前打擊，當一個人想要犯罪還沒有犯罪的當口抓住他，而在數(shù)據(jù)時代，當一個人奉數(shù)據(jù)為圭臬時，他可能六親不認只認數(shù)據(jù)，當數(shù)據(jù)預(yù)測到某人要犯罪時，是直接抓他坐牢還是坐等他犯罪?這是個問題。

首先第一點“要全部數(shù)據(jù)”很好理解，本來就是大數(shù)據(jù)嘛，其次第二點“不是精確性而是混雜性”這點也容易理解，這個世界本來就是混亂的，想要秩序不過是人類的一廂情愿而已，從混亂的世界中得到的數(shù)據(jù)自然也是混亂的、不精確的，但這樣的數(shù)據(jù)才能更真實地反映世界的本來面目，何必追求精確呢?在翻譯軟件的例子中，當計算機去識別網(wǎng)絡(luò)上的語句時，它是無法保證每個人寫的都是正確的，但正是這種多樣性的存在才更能賦予計算機翻譯的智能性。最不好理解也最有爭議的就是第三點，用相關(guān)關(guān)系替代因果關(guān)系。相關(guān)關(guān)系顧名思義，當一種現(xiàn)象發(fā)生變化時，另一種現(xiàn)象隨之改變，這說明兩種現(xiàn)象是相關(guān)的，但這里并不強調(diào)二者之間有什么邏輯上的因果性，因果關(guān)系則不然。

在心理學(xué)上有個第三變量問題，說當兩個現(xiàn)象具有相關(guān)關(guān)系時，人們往往會把它誤當作因果關(guān)系，而忽略第三變量。一個典型的例子是說私立學(xué)校和公立學(xué)校教育水平問題，一般來講，人們只看到私立學(xué)校教出來的學(xué)生更優(yōu)秀就認為他們的教育水平更好，而往往忽略上私立學(xué)校的孩子家庭條件更好，父母的受教育程度更好，而這才是影響孩子學(xué)習(xí)成績的關(guān)鍵因素。

從大數(shù)據(jù)的角度來講，取消因果關(guān)系是明智的，因為當數(shù)據(jù)龐大了以后，想要分析因果關(guān)系勢必登天，因為它牽扯的因素太多了，根本無法分析，更重要的是，人們需要因果關(guān)系嗎?人們只需要知道這件事發(fā)生了以后接下來會發(fā)生什么就足夠了，至于為什么會發(fā)生，誰關(guān)心呢?上帝嗎?關(guān)心這個問題的大概都是哲學(xué)家。哲學(xué)家們會擔心，沒有了因果關(guān)系，人在計算機面前就會像傻子一樣任人擺布，這是一種墮落。但不管如何，大數(shù)據(jù)時代的特點就是這樣，接受它你就邁入了大數(shù)據(jù)時代。在這樣的背景下，數(shù)據(jù)開始值錢了，但也不是說誰有數(shù)據(jù)誰就能雄霸天下。有的公司空有一堆數(shù)據(jù)但不會處理，有的公司知道怎么處理數(shù)據(jù)但卻缺少創(chuàng)新思維，不知道拿來何用。最好的是那些既有數(shù)據(jù)又知道怎么處理數(shù)據(jù)還具備創(chuàng)新思維的公司，但這樣的公司又極易淪為數(shù)據(jù)主義。