
rosebt:小數(shù)據(jù)很美麗-CDA數(shù)據(jù)分析師
市場(chǎng)營(yíng)銷(xiāo)技術(shù)將“大數(shù)據(jù)”鼓吹的天花亂墜,反而忽略了這樣一個(gè)事實(shí):更易操作的,更有價(jià)值的見(jiàn)解更有可能在小數(shù)據(jù)而不是大數(shù)據(jù)中被找到。有很多理由支持這一點(diǎn),但主要的理由是大數(shù)據(jù)的“詛咒”?!按髷?shù)據(jù)”意味著和小數(shù)據(jù)集有著不同性質(zhì)的龐大數(shù)據(jù)集,需要特別的數(shù)據(jù)科學(xué)方法來(lái)區(qū)分信號(hào)和噪音,并提取出有意義的信息,這需要特別的計(jì)算系統(tǒng)和計(jì)算能力。
Vincent Granville這樣定義大數(shù)據(jù)的詛咒。簡(jiǎn)單來(lái)說(shuō),你會(huì)在大數(shù)據(jù)集中發(fā)現(xiàn)更多“統(tǒng)計(jì)上顯著”的關(guān)系?!敖y(tǒng)計(jì)上顯著”是一個(gè)統(tǒng)計(jì)檢驗(yàn),檢驗(yàn)觀測(cè)值是否具有某個(gè)不僅僅是巧合的規(guī)律,這個(gè)規(guī)律可能有也可能沒(méi)有意義。數(shù)據(jù)集越大,越多的“統(tǒng)計(jì)上顯著”的關(guān)系將會(huì)無(wú)意義—這將大大提高人們把噪音誤解為信號(hào)的可能性。“信號(hào)”意味著根據(jù)科學(xué)對(duì)數(shù)據(jù)有意義的解讀,并可能轉(zhuǎn)化成科學(xué)證據(jù)和知識(shí)?!霸胍簟币馕吨鴮?duì)數(shù)據(jù)無(wú)科學(xué)依據(jù)的解讀,不會(huì)被認(rèn)作是科學(xué)證據(jù)。但噪音可能被操縱成為某種形式的知識(shí)(事實(shí)上是無(wú)稽之談)。
所以大數(shù)據(jù)在數(shù)據(jù)中會(huì)產(chǎn)生更多關(guān)聯(lián)和規(guī)律—然而也產(chǎn)生比信號(hào)更多的噪音。統(tǒng)計(jì)第二類(lèi)錯(cuò)誤(存?zhèn)危┑臄?shù)量大大增加。換句話說(shuō),更多非因果關(guān)系的相互關(guān)系導(dǎo)致了對(duì)真相的幻覺(jué)。
“相互關(guān)系”意味著一系列廣義的統(tǒng)計(jì)聯(lián)系。“虛假的相互關(guān)系”意味著不是由于兩變量間的直接關(guān)系,而是其他變量對(duì)其影響而產(chǎn)生的關(guān)系?!耙蚬P(guān)系”意味著有科學(xué)證據(jù)支持的原因和結(jié)果之間的關(guān)系(比如一個(gè)事件(原因)和另一個(gè)事件(結(jié)果)的關(guān)系,第二個(gè)事件被認(rèn)為是第一個(gè)事件的結(jié)果)。“相互關(guān)系并不能推斷出因果關(guān)系”是科學(xué)界和統(tǒng)計(jì)學(xué)界的一個(gè)術(shù)語(yǔ),來(lái)強(qiáng)調(diào)兩變量之間有相互關(guān)系并不一定能推斷出一個(gè)導(dǎo)致了另一個(gè)。
但人們天生就擅長(zhǎng)看到規(guī)律。這對(duì)人類(lèi)在叢林里生存是必要的素質(zhì),但卻損害了我們很多形式的抽象思維—特別是誤將數(shù)據(jù)中的隨機(jī)性理解為有意義。換句話說(shuō),將噪音誤解為信號(hào)。
大數(shù)據(jù)使我們難以在大堆數(shù)據(jù)中發(fā)現(xiàn)有操作性的、有價(jià)值的見(jiàn)解。它的危險(xiǎn)是,我們將越來(lái)越多的錯(cuò)將數(shù)據(jù)中的隨機(jī)性當(dāng)作信號(hào),從而做出錯(cuò)誤的決策。
我有一個(gè)策略來(lái)解決“大數(shù)據(jù)的詛咒”這一問(wèn)題—在很多情形下(但不是所有),有意的將大數(shù)據(jù)集分解為若干小數(shù)據(jù)集。將大數(shù)據(jù)集分解為小數(shù)據(jù)集應(yīng)該有技巧的進(jìn)行,而不是隨意而為。分析和測(cè)試小數(shù)據(jù)集來(lái)區(qū)分信號(hào)和噪音并提取意義要比直接分析大數(shù)據(jù)容易得多。
時(shí)刻注意大數(shù)據(jù)的詛咒,避免錯(cuò)將噪音當(dāng)成信號(hào)。小數(shù)據(jù)實(shí)際上也很美麗。
數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢(xún)效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類(lèi)型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類(lèi)分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類(lèi)分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10