
透過現(xiàn)象看本質(zhì) 大數(shù)據(jù)核心并不在規(guī)模大
大數(shù)據(jù)之所以可以飛速發(fā)展,得益于互聯(lián)網(wǎng)以及各種智能設(shè)備的發(fā)展,人們的行為、位置、生理特征等等,無時無刻不在生成數(shù)據(jù)被這些設(shè)備所采集。
而大數(shù)據(jù)的核心并不在規(guī)模大,而是它蘊含的是計算和思維方式的轉(zhuǎn)變。大數(shù)據(jù)的推崇者認(rèn)為所有通過數(shù)據(jù)的分析都事正確的;認(rèn)為數(shù)據(jù)捕捉全面,所以可以摒棄過去傳統(tǒng)的抽樣統(tǒng)計的方法;認(rèn)為人們只需要知道數(shù)據(jù)之間有統(tǒng)計相關(guān)性就行,數(shù)據(jù)已經(jīng)達(dá)到可以自己做出結(jié)論了。
通過現(xiàn)象看本質(zhì) 不要曲解數(shù)據(jù)
上述這些觀點過于樂觀,事實并非如此。在我們有了足夠多的數(shù)據(jù)時,往往不能看直接的結(jié)果,需要對數(shù)據(jù)進(jìn)行進(jìn)一步分析。比如英國二戰(zhàn)時期空戰(zhàn)的例子,每次能回來的戰(zhàn)斗機(jī)機(jī)翼上有很多槍眼,于是工程師們就加強(qiáng)防護(hù),但增加了防護(hù)之后,飛機(jī)的損失率反而提高了,于是統(tǒng)計學(xué)家 Wald改變思維模式,在沒有槍眼的部位加強(qiáng)防護(hù),最后效果很好。
數(shù)據(jù)并非絕對全面
前段時間,淘寶做過幾個基于網(wǎng)購的大數(shù)據(jù)調(diào)查分析,主要以娛樂為主,得出了一些很有趣的結(jié)果。但也不難看出,雖然淘寶的注冊用戶高達(dá)幾億,但是所統(tǒng)計的數(shù)據(jù)中,并不是所有用戶都購買了所統(tǒng)計的產(chǎn)品,也有部分用戶不是用自己賬號購買商品,淘寶也有很多刷單的情況等等。
不確定的情況很多,喜歡網(wǎng)購的人群是受限制的,他們并不能代表所有的消費群體。我們不能說網(wǎng)上的統(tǒng)計結(jié)果沒有意義,但是也不能夸大這種只有部分代表性的結(jié)果,否則我們可能會被誤導(dǎo)。
《大數(shù)據(jù)》這本書的聯(lián)合作者,牛津大學(xué)互聯(lián)網(wǎng)中心的Viktor Mayer-Schonberger教授說,“他最喜歡的對于大數(shù)據(jù)集合的定義是‘N=所有’,在這里不再需要采樣,因為我們有整個人群的數(shù)據(jù)?!碑?dāng)“N=所有”的時候確實不再有采樣偏差的問題,因為采樣已經(jīng)包含了所有人。
結(jié)語
對于大數(shù)據(jù),統(tǒng)計學(xué)家們正爭先恐后的為大數(shù)據(jù)開發(fā)新的工具。這些新的工具當(dāng)然很重要,但它們只有在吸取而不是遺忘過去統(tǒng)計學(xué)精髓的基礎(chǔ)上才能成功。不能過度崇拜大數(shù)據(jù),要善用大數(shù)據(jù),大數(shù)據(jù)所反映出的結(jié)果是需要人們進(jìn)行科學(xué)的分析和提取的。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 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)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(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 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
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? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(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)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 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)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(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)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
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值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11