不關(guān)注人性的大數(shù)據(jù)，只是大忽悠_數(shù)據(jù)分析師培訓(xùn)

斯大林曾說：一個人的死是悲劇，一百萬個人的死就是數(shù)據(jù)。如果拿醫(yī)學(xué)界的術(shù)語，這是一種共情疲勞，如果換成時下最流行的術(shù)語，就是我們還無法處理大數(shù)據(jù)。

上周參加騰訊思享會，主題就是“大數(shù)據(jù)將如何影響社會變革”。場間針對大數(shù)據(jù)，提出了不同的聲音，有“數(shù)據(jù)孤島論”：現(xiàn)有的大數(shù)據(jù)是斷裂而封閉的，比如騰訊說自己有某方面的全數(shù)據(jù)，但是否有百度，有阿里的？有“數(shù)據(jù)陰謀論”：現(xiàn)在在用大數(shù)據(jù)做事的就是大企業(yè)和政府機構(gòu)，如果我們普通人不能掌握，那就是被一個無形的網(wǎng)所束縛、所監(jiān)控。有從經(jīng)濟安全角度來看待大數(shù)據(jù)處理“黑箱”問題時的作用。也有從實踐角度來談?wù)摯髷?shù)據(jù)在商界中的應(yīng)用。但最觸動我的是下面兩個觀點。這里簡單摘編下以飧讀者。

不關(guān)注人性的大數(shù)據(jù)是大忽悠－－－劉德寰

現(xiàn)在主流對大數(shù)據(jù)的理解是基于維克托的《大數(shù)據(jù)時代》進行二次改良。但這其中有兩個十分值得商榷的觀點，一是對抽樣的極端蔑視，二是無原則的推崇相關(guān)。大數(shù)據(jù)是一種拋棄隨機分析法（抽樣調(diào)查）而對所有數(shù)據(jù)進行處理，那么這其中就存在一個由斯坦福Trevor Hastie提出的問題，如何在稻草里找一根針，前提是很多稻草長得和針一樣。這是我們所有大數(shù)據(jù)研究面臨的最大風(fēng)險，數(shù)據(jù)太大之后帶來的實際上是一個規(guī)律的喪失和失真，千萬不要忽視了抽樣。

拋開這兩個觀點，更為可怕的是現(xiàn)在的大數(shù)據(jù)鮮有關(guān)注人性。先舉個生活中大家都遇到過的問題，一個人去網(wǎng)上買了5升的洗衣液，整個流程花費了不到1分鐘。第二天瀏覽網(wǎng)頁，他發(fā)現(xiàn)旁邊的廣告就是各種各樣的洗衣液。這是什么？基于大數(shù)據(jù)的精準營銷？ 這恐怕是基于大忽悠的精準騷擾吧。 有點常識的人都知道，5升的洗衣液就算家里人再多也要用一個月，而且那個人流程這么短，肯定就是品牌忠誠者，推廣的應(yīng)該是什么時候那個品牌的洗衣液會打折之類的，這才是大數(shù)據(jù)。人類早期研究問題的方法就是靠體會、知覺、體驗、內(nèi)省等，這些看起來跟大數(shù)據(jù)無關(guān)的東西可能恰恰是大數(shù)據(jù)的核心，因為它是思想。

 谷歌2008年弄了一個非常厲害的東西叫流感趨勢預(yù)測，它預(yù)測的結(jié)果比美國疾病控制中心還準，當(dāng)時轟動了全球。結(jié)果后來里面東西越來越亂，嚴重的高估了流感的狀態(tài)。為什么？這就是剛剛說的維克多流派談大數(shù)據(jù)的時候重相關(guān)不重因果。流感跟發(fā)病的時間點，跟美國比如中學(xué)生籃球賽那個時間點是完全一致的，這倆概念能有關(guān)系嗎？問題是只要搜索中學(xué)生的籃球賽，就構(gòu)成了流感預(yù)測的一個主要的詞之一。類似的東西太多了，為什么？因為在谷歌預(yù)測的時候，沒有找疾控公共衛(wèi)生的專家，這些東西才是進行大數(shù)據(jù)預(yù)測的一個很重要的前提。

基因工程才是真正的大數(shù)據(jù)

人有多少細胞？量級為10的14次方。 其中一個細胞癌變就能導(dǎo)致你生命的完結(jié)。難道這不是大數(shù)據(jù)？真正的大數(shù)據(jù)是生命大數(shù)據(jù)，基因篩查可以消滅先天性疾病和預(yù)防癌癥，人類想在千年之后復(fù)活亦不是難事。可是這樣的基因科技發(fā)展卻遭遇了無數(shù)現(xiàn)實瓶頸和倫理挑戰(zhàn)。