大數(shù)據(jù)將(Erik Brynjolfsson)稱，大數(shù)據(jù)將取代想法、范例、組織以及人們思考世界的方式。

　　這些前衛(wèi)的預(yù)測的前提是：Web瀏覽記錄、傳感器信號(hào)、GPS跟蹤和社交網(wǎng)絡(luò)信息等數(shù)據(jù)能夠以前所未有的程度面向衡量和監(jiān)控人類及設(shè)備的行為敞開大門。通過計(jì)算機(jī)算法，可以預(yù)測出人類的許多事情，如購物、約會(huì)或投票等。

　　業(yè)內(nèi)專家預(yù)計(jì)，最終的結(jié)果就是：世界變得越來越智能，企業(yè)的工作效率越來越高，消費(fèi)者獲得的服務(wù)質(zhì)量越來越高，人們所做出的決定也越來越合理。

　　我之前寫過不少關(guān)于大數(shù)據(jù)的文章，但在2012年底這個(gè)特殊的時(shí)刻，我想應(yīng)該是反思、 提問和質(zhì)疑大數(shù)據(jù)的時(shí)刻。

　　從商業(yè)評(píng)估中挖掘?qū)嵱脝⑹静⒎切迈r事物。100多年前，弗雷德里克溫斯洛泰勒(Frederick Winslow Taylor)的名著《科學(xué)管理原理》就是大數(shù)據(jù)的前身。泰勒的評(píng)估工具是秒表，為員工的每一個(gè)行動(dòng)進(jìn)行定時(shí)和監(jiān)測。泰勒及其助手利用這種時(shí)間和動(dòng)作研究模式來重新設(shè)計(jì)最有效的工作方式。

　　但如果這種方法被過度夸大，就成為了卓別林《摩登時(shí)代》(Modern Times)所諷刺的對(duì)象。此后，人們對(duì)于這種量化方法的熱情也開始跌宕起伏。

　　通常，互聯(lián)網(wǎng)被大數(shù)據(jù)倡導(dǎo)者作為成功的數(shù)據(jù)業(yè)務(wù)的范例，這其中以谷歌為代表。而如今，許多大數(shù)據(jù)技術(shù)，如數(shù)學(xué)模型、預(yù)測算法和人工智能軟件等已被華爾街所廣泛應(yīng)用。

　　在本月的麻省理工學(xué)院大會(huì)上，當(dāng)被問及大數(shù)據(jù)領(lǐng)域一些重大失敗案例時(shí)，幾乎沒有人能夠說出這樣的失敗案例。后來，麻省理工學(xué)院斯隆管理學(xué)院(Sloan School of Management)教授羅伯特萊格伯恩(Roberto Rigobon)稱，金融危機(jī)毫無疑問影響了數(shù)據(jù)業(yè)務(wù)。他說：對(duì)沖基金在全球都是失敗的。

　　問題是，數(shù)學(xué)模型是一種簡化。這種模型源自自然科學(xué)，根據(jù)物理定律，流體中的粒子行為是可以預(yù)測的。

　　在如此眾多的大數(shù)據(jù)應(yīng)用中，一個(gè)數(shù)學(xué)模型通常附帶關(guān)于人類行為、興趣和偏好的精確數(shù)據(jù)。這種方法在金融等領(lǐng)域的危險(xiǎn)性也是有目共睹，美國哥倫亞亞大學(xué)金融工程學(xué)系主任曼紐爾德曼(Emanuel Derman)在他的書中《Models. Behaving. Badly》中就詳細(xì)闡述了其危險(xiǎn)性。

　　紐約創(chuàng)業(yè)公司Media6Degrees首席科學(xué)家克勞迪婭珀利徹(Claudia Perlich)稱：你可以用數(shù)據(jù)來欺騙自己，我擔(dān)心大數(shù)據(jù)出現(xiàn)泡沫。珀利徹?fù)?dān)心許多人將自己稱為數(shù)據(jù)科學(xué)家，但并未做足功課，反而給該領(lǐng)域抹黑。

　　珀利徹認(rèn)為，大數(shù)據(jù)似乎將面臨勞動(dòng)力瓶頸。她說：我們的技能提升速度還遠(yuǎn)不夠。麥肯錫全球?qū)W會(huì)(McKinsey Global Institute)去年發(fā)布的一份報(bào)告顯示，美國需要14萬名至19萬名具有深度分析經(jīng)驗(yàn)的工作者，以及150萬名更加精通數(shù)據(jù)的經(jīng)理人，無論是已退休人士還是已受聘人士。

　　哈佛商學(xué)研客座教授托馬斯達(dá)文波特(Thomas H. Davenport)正在寫一本名為《Keeping Up With the Quants》的新書，旨在幫助經(jīng)理人來應(yīng)對(duì)大數(shù)據(jù)挑戰(zhàn)。達(dá)文波特認(rèn)為，管理大數(shù)據(jù)項(xiàng)目的一個(gè)重要部分是要問正確的問題：如何定義問題?你需要哪些數(shù)據(jù)?來自哪里?等等。

　　谷歌調(diào)研(Google Research)高級(jí)統(tǒng)計(jì)師雷切爾查特(Rachel Schutt)稱，如果建模人員能夠思考倫理維度(ethical dimensions)等問題，那就會(huì)更好地服務(wù)于社會(huì)。查特說：模型不僅僅是預(yù)測，它們還可以讓事情真正發(fā)生。

　　模型能夠創(chuàng)建數(shù)據(jù)科學(xué)家所謂的行為循環(huán)(behavioral loop)，如果一個(gè)人被提供足夠的數(shù)據(jù)，都能對(duì)自己的行為進(jìn)行指導(dǎo)。

　　以Facebook為例，將個(gè)人數(shù)據(jù)上傳到自己的Facebook頁面，F(xiàn)acebook的軟件就會(huì)跟蹤你的點(diǎn)擊和搜索。通過算法來評(píng)估這些數(shù)據(jù)，然后再提供好友的建議。

　　但這種通過軟件跟蹤用戶的行為卻引發(fā)了隱私擔(dān)憂，難道大數(shù)據(jù)將迎來數(shù)字監(jiān)控的到來?

　　我個(gè)人最大的擔(dān)憂是，當(dāng)前確定我們個(gè)人數(shù)字世界的算法過于簡單，不夠智能。這也是艾利帕里瑟(Eli Pariser)所著《The Filter Bubble: What the Internet Is Hiding From You》所探討的問題之一。

　　令人鼓舞的是，像珀利徹和查特這些有思想的數(shù)據(jù)科學(xué)家意識(shí)到了大數(shù)據(jù)技術(shù)的局限和不足。他們認(rèn)為，聽取數(shù)據(jù)是重要的，但經(jīng)驗(yàn)和直覺同樣重要。

　　在麻省理工學(xué)院大會(huì)上，查特被問及如何才能成為一名優(yōu)秀的數(shù)據(jù)科學(xué)家，她說，需要計(jì)算機(jī)科學(xué)和數(shù)學(xué)技能，擁有好奇心，具有創(chuàng)新意識(shí)，以數(shù)據(jù)和經(jīng)驗(yàn)為行動(dòng)準(zhǔn)則。她說：我不會(huì)把機(jī)器神化。