IT從來是寂寞的，它沒有鮮亮的外表和跌宕的故事供人消費(fèi)。但借著大數(shù)據(jù)的東風(fēng)，IT變得火熱起來。各行各業(yè)都開始用大數(shù)據(jù)告訴你來造句。順著所有公司都是IT公司的邏輯，那么，說什么都是在說大數(shù)據(jù)。

　　大數(shù)據(jù)在受到熱捧的同時(shí)，受到的批評(píng)也不少。近日，一篇《大數(shù)據(jù)、大安利》的文章總結(jié)了幾點(diǎn)國(guó)外對(duì)大數(shù)據(jù)濫用的批評(píng)，原文附錄如下：

　　1，無意義的顯著性：沒有理論的大數(shù)據(jù)是皮毛，只看到顯著相關(guān)性，但不經(jīng)檢驗(yàn)，沒有理論，這樣的相關(guān)是沒有意義的，或許是虛假。關(guān)鍵是：大數(shù)據(jù)的data point太多，在計(jì)算上找到兩個(gè)矢量的顯著關(guān)系極其容易，但正是因?yàn)閿?shù)據(jù)量大，控制虛假關(guān)系反而更難，這是一個(gè)兩難。我有一篇文章投出去，匿名評(píng)審說：樣本很大，當(dāng)然能找到顯著相關(guān)，但是看不出意義。

　　2，采樣方法問題：統(tǒng)計(jì)學(xué)家方凱撒總結(jié)了一個(gè)現(xiàn)象，谷歌、facebook等網(wǎng)絡(luò)收集的數(shù)據(jù)，往往不具有同質(zhì)性，是在不同的時(shí)間用不同的資源收集，隨后把整個(gè)數(shù)據(jù)合并起來，結(jié)果大數(shù)據(jù)內(nèi)部許多部分的數(shù)據(jù)根本不是用同樣的方法收集的，統(tǒng)計(jì)抽樣的基本假設(shè)都被推翻了。而且網(wǎng)絡(luò)數(shù)據(jù)和線下數(shù)據(jù)的內(nèi)容不一致，比如華爾街郵報(bào)的電子版和紙版就不一樣，而且用戶可以自定義內(nèi)容。

　　3，機(jī)器語言不穩(wěn)定：谷歌最開始用關(guān)鍵字預(yù)測(cè)感冒流行地區(qū)，開始說比疾控中心預(yù)測(cè)的還準(zhǔn)，但后來越來越不準(zhǔn)。有人認(rèn)為這是谷歌的搜索算法在不停地改進(jìn)，所以自動(dòng)收集數(shù)據(jù)不穩(wěn)定了。另外機(jī)器語言一旦被誤導(dǎo)會(huì)越錯(cuò)越離譜，比如谷歌翻譯是根據(jù)真實(shí)的文章總結(jié)的，但是有些網(wǎng)絡(luò)的真實(shí)翻譯其實(shí)是谷歌翻的，于是谷歌會(huì)把自己的翻譯基于這些真實(shí)文章上。

　　當(dāng)企業(yè)提到大數(shù)據(jù)的時(shí)候，往往希望把全部數(shù)據(jù)收集起來，加以分析，這也是理想場(chǎng)景下的大數(shù)據(jù)分析應(yīng)用。但很多時(shí)候，企業(yè)會(huì)受到技術(shù)和成本的掣肘，仍然采用抽樣分析。實(shí)際抽樣中往往需要分層，分層抽樣的情況下，后期統(tǒng)計(jì)運(yùn)算都必須一個(gè)權(quán)重，權(quán)重是和該層被選擇的概率成反比的。一個(gè)分層的權(quán)重高，在分析中就不可忽視。大數(shù)據(jù)的問題是它只能收集到權(quán)重低的數(shù)據(jù)。

　　現(xiàn)實(shí)生活中也是這樣，最容易研究的對(duì)象往往最無聊，心理學(xué)經(jīng)常上課找大學(xué)生做實(shí)驗(yàn)，所以現(xiàn)在以大學(xué)生為樣本的文章很難發(fā)表了。因此，有時(shí)大數(shù)據(jù)雖然大，卻往往不重要。

　　無獨(dú)有偶，《黑天鵝》一書也說到，決定社會(huì)變革的大部分是帕累托分布，并不是鐘形分布，這表面上看來暗合了數(shù)據(jù)越大越不重要的觀點(diǎn)。但實(shí)際上是對(duì)大數(shù)據(jù)的使用者有了更高的要求，怎樣在海量的數(shù)據(jù)里挑選出看似風(fēng)馬牛不相及的變量聯(lián)系在一起得出結(jié)論。

　　大數(shù)據(jù)因?yàn)楦拍钏缮?，理論欠缺，被填充進(jìn)了太多的假象。如何結(jié)合具體的應(yīng)用場(chǎng)景，滿足業(yè)務(wù)需求才是企業(yè)內(nèi)大數(shù)據(jù)技術(shù)落地的正確方向。