解讀《大數(shù)據(jù)時代》：大數(shù)據(jù)時代的神話

地球人都知道我們處在大數(shù)據(jù)時代，或許地球人也都知道關(guān)于大數(shù)據(jù)時代最著名的一本書就是邁爾-舍恩伯格所著的《大數(shù)據(jù)時代》。

　　我本以為大數(shù)據(jù)這么高深的學(xué)問絕不是我們這樣的屌絲能夠理解或者使用的，所以一直對此書敬而遠之，不敢閱讀。不料周邊談?wù)摯髷?shù)據(jù)的人越來越多，談?wù)摗洞髷?shù)據(jù)時代》這本書的人也越來越多，似乎不讀《大數(shù)據(jù)時代》，估計連屌絲都做不成了。所以斗膽請來《大數(shù)據(jù)時代》。一讀，果然不懂，許多疑問。

　　何為大數(shù)據(jù)？

　　這是一個很令人困惑并且絕對屌絲的問題，平時都不好意思開口問別人，希望從書中得到答案。遺憾的是，邁爾大叔在書中就根本沒有告訴我們什么是大數(shù)據(jù)，這對像我這樣習(xí)慣在課堂里死記硬背的學(xué)生來說，就產(chǎn)生了輕微的智障：怎么似乎什么都是大數(shù)據(jù)?？梢矣涀∧囊粋€卻十分困難。

　　看完此書，我只能回答說大數(shù)據(jù)就是數(shù)據(jù)多數(shù)據(jù)大。可是這個回答似乎有明顯的問題。邁爾大叔在書中就舉了一個大數(shù)據(jù)的例子，這個大數(shù)據(jù)只有“4000”和“兩小時”。

　　在解釋大數(shù)據(jù)時代不需要精準(zhǔn)性時，邁爾大叔這樣寫道：

　　“互聯(lián)網(wǎng)上最火的網(wǎng)址都表明，它們欣賞不精確而不會假裝精確。當(dāng)一個人在網(wǎng)站上見到一個Facebook的“喜歡”按鈕時，可以看到有多少其他人也在點擊。當(dāng)數(shù)量不多時，會顯示像“63”這種精確的數(shù)字。當(dāng)數(shù)量很大時，則只會顯示近似值，比方說“4000”。這并不代表系統(tǒng)不知道正確的數(shù)據(jù)是多少，只是當(dāng)數(shù)量規(guī)模變大的時候，確切的數(shù)量已經(jīng)不那么重要了。另外，數(shù)據(jù)更新得非常快，甚至在剛剛顯示出來的時候可能就已經(jīng)過時了。所以，同樣的原理適用于時間的顯示。谷歌的Gmail郵箱會確切標(biāo)注在很短時間內(nèi)收到的信件，比方說“11分鐘之前”。但是，對于已經(jīng)收到一段時間的信件，則會標(biāo)注如“兩個小時之前”這種不太確切的時間信息。”

　　4000個“贊”或者兩小時(120分鐘)也是大數(shù)據(jù)？我開始崩潰了！

　　我想是不是邁爾大叔可能考慮到我們對過萬的數(shù)字數(shù)不過來所以有意簡化，挑選我們能夠理解的“大數(shù)據(jù)”來說明他的論斷。

　　指鹿為馬是謂荒唐?？墒?，如果對馬沒有定義，那指鹿為馬就無所謂了。

　　呵呵，邁爾大叔還真幽默。

　　何為大數(shù)據(jù)時代？

　　我讀西洋人寫的書，總是覺得讀書時很爽，讀完后基本記不住。讀《大數(shù)據(jù)時代》也有同感。很多很多的大數(shù)據(jù)例子，讀完合上書后基本上一個都記不住。不過邁爾大叔可能知道我的這個毛病，所以提綱挈領(lǐng)，總結(jié)了大數(shù)據(jù)時代的三大特征。這就是地球人都知道的大數(shù)據(jù)時代的三大特征：1)不是隨機樣本，而是全體數(shù)據(jù)；2)不是精準(zhǔn)性，而是混雜性；3)不是因果關(guān)系，而是相關(guān)關(guān)系。

　　一本書，三句話，一個時代的特征！楚漢河界，涇渭分明，一目了然。

　　小數(shù)據(jù)時代是隨機樣本、精準(zhǔn)性和因果關(guān)系，大數(shù)據(jù)時代是全體數(shù)據(jù)、混雜性和相關(guān)關(guān)系。

　　可是我的腦子就是轉(zhuǎn)不過來，沒法從邁爾大叔的三個簡單扼要的特征總結(jié)中悟出大數(shù)據(jù)時代來。這個看上去忒簡單的總結(jié)，其實真的很深奧。簡直可謂深不可測！

　　一大堆的問題等著邁爾大叔來回答。

　　比如說，是不是大數(shù)據(jù)時代就不要隨機取樣分析了？小數(shù)據(jù)時代是否也有所謂的全體數(shù)據(jù)？比如說30年前互聯(lián)網(wǎng)未流行前美國銀行或保險公司擁有的數(shù)據(jù)是不是全體數(shù)據(jù)？怎樣定義全體數(shù)據(jù)？谷歌、百度、FACEBOOK或者騰訊，哪個公司擁有所謂的全體數(shù)據(jù)？為什么有了全體數(shù)據(jù)分析就要完全拋棄隨機樣本分析？如果考慮到隨機樣本分析會影響到分析結(jié)果的精度，不是大數(shù)據(jù)時代不追求精度嗎？

　　關(guān)于大數(shù)據(jù)時代不要精準(zhǔn)性，我怎么也拐不過彎來。你說，大數(shù)據(jù)時代的老師教學(xué)生“2+2或許等于3.9”，公司會計記賬錯了也可以對老板理直氣壯地說“現(xiàn)在是大數(shù)據(jù)時代了”，甚至到飯店吃飯付賬也不要精準(zhǔn)了....。.呵呵，這日子還讓不讓人活?。?！

　　還有有關(guān)因果關(guān)系和相關(guān)性的問題，這也要命！我一直認為人與猴子的根本區(qū)別在于人喜歡問個“為什么？”。原本兩個猴子，一個不斷好奇地問“為什么日落就要睡覺”，結(jié)果大腦不斷進化變成了人；另一個只是看到日落就上樹睡覺，結(jié)果至今還是猴子?，F(xiàn)在好了，大數(shù)據(jù)時代不需要問“為什么”了，豈不苦了我們從猴子變?nèi)诉^程中長期培育起來的好奇心了。

　　因果關(guān)系與相關(guān)關(guān)系的區(qū)別，就是因果關(guān)系在相關(guān)關(guān)系上問了個”為什么“。

　　流傳甚廣的有關(guān)超市將啤酒與尿布一起賣的大數(shù)據(jù)例子。說是通過大數(shù)據(jù)分析發(fā)現(xiàn)，人們在買尿布時通常也會買啤酒，于是就將啤酒與尿布陳列在一起賣。

　　如果你生活在大數(shù)據(jù)時代，故事到此結(jié)束了。

　　如果你還好奇地想知道為什么人們買尿布時要買啤酒。呵呵，對不起，你和我一樣還生活在小數(shù)據(jù)時代。

　　我們無疑生活在一個互聯(lián)網(wǎng)的時代，這是一個充滿海量數(shù)據(jù)的世界。數(shù)據(jù)的多種形式、數(shù)據(jù)的多種來源、數(shù)據(jù)之間的多種復(fù)雜的聯(lián)系，都使我們這個世界變得更加神秘但也更加激動人心。這就是大數(shù)據(jù)時代。

　　對大數(shù)據(jù)時代的探索，猶如當(dāng)年美國對西部的探險，充滿許多傳說和神話。《大數(shù)據(jù)時代》或許可能就是這樣一本充滿神話與傳說的探險記。我們?yōu)橹膭?，但依舊要活在現(xiàn)實的生活中，現(xiàn)實生活中的那些規(guī)律依舊適用。

　　即使是大數(shù)據(jù)時代，我們依舊需要問”為什么“，我們依舊需要教會孩子“2+2=4”，我們甚至依舊要做隨機樣本分析。

　　大數(shù)據(jù)并沒有改變我們現(xiàn)有社會的基本生活邏輯。

　　大數(shù)據(jù)時代，平常人，平常心。