《飄》陵吸、《湯姆叔叔的小屋》之類的小說和故事在全社會激起的是強(qiáng)烈的“情感”共鳴，和故事相比介牙，數(shù)據(jù)沒有情節(jié)壮虫，它僅代表客觀事實(shí)，數(shù)據(jù)激發(fā)的环础，更多的是理性思考囚似。作為理性的人類，我們不會僅僅滿足于感情的宣泄线得，而是希望通過數(shù)據(jù)掌握更多的事實(shí)饶唤，進(jìn)行理性思考。
在當(dāng)今時代募狂，最不缺乏的就是信息办素。信息消費(fèi)了什么，這是很明顯的：它消費(fèi)的是信息接受者的注意力祸穷。信息越豐富性穿，就會導(dǎo)致注意力越匱乏……當(dāng)今，信息并不匱乏雷滚，匱乏的是我們處理信息的能力需曾，我們有限的注意力是組織活動的主要瓶頸∑碓叮卡內(nèi)基梅隆大學(xué)的赫伯特·西蒙指出呆万，人類的理性是有限的，因此所有的決策都是基于有限理性的結(jié)果车份。他繼而提出谋减，如果能利用存儲在計(jì)算機(jī)里的信息——即數(shù)據(jù)來輔助決策，人類理性的范圍將會擴(kuò)大躬充，決策的質(zhì)量就能提高逃顶。
在大數(shù)據(jù)時代，人類社會面臨的問題之一是如何更好的利用數(shù)據(jù)來輔助決策充甚？
對小數(shù)據(jù)而言以政，最基本最重要的要求就是減少錯誤，保證質(zhì)量伴找。因?yàn)槭占男畔⒘勘容^少盈蛮，所以我們必須確保記下來的數(shù)據(jù)盡量精確。無論是確定天體的位置還是觀測顯微鏡下物體的大小技矮，為了使結(jié)果更加準(zhǔn)確抖誉，很多科學(xué)家都致力于優(yōu)化測量的工具。在采樣的時候衰倦，對精確度的要求就更苛刻了袒炉。因?yàn)槭占畔⒌挠邢抟馕吨?xì)微的錯誤會被放大，甚至有可能影響整個結(jié)果的準(zhǔn)確性樊零。
然而我磁，在不斷涌現(xiàn)的新情況里，允許不精確性的出現(xiàn)已經(jīng)成為一個新的亮點(diǎn)驻襟，而非缺點(diǎn)夺艰。因?yàn)榉潘闪巳蒎e的標(biāo)準(zhǔn)，人們掌握的數(shù)據(jù)也多了起來沉衣，還可以利用這些數(shù)據(jù)做更多新的事情郁副。這樣就不是大量數(shù)據(jù)優(yōu)于少量數(shù)據(jù)那么簡單了，而是大量數(shù)據(jù)創(chuàng)造了更好的結(jié)果豌习。谷歌的翻譯更好并不是因?yàn)樗鼡碛幸粋€更好的算法機(jī)制存谎，是因?yàn)楣雀璺g增加了各種各樣的數(shù)據(jù)拔疚。2006年，谷歌發(fā)布的上萬億的語料庫既荚，就是來自于互聯(lián)網(wǎng)的一些廢棄內(nèi)容草雕。谷歌將其作為“訓(xùn)練集”，可以正確地推算出英語詞匯搭配在一起的可能性固以。谷歌的這個語料庫是一個質(zhì)的突破，使用龐大的數(shù)據(jù)庫使得自然語言處理這一方向取得了飛躍式的發(fā)展嘱巾。
同時憨琳，我們需要與各種各樣的混亂做斗爭⊙眩混亂篙螟，簡單的說就是隨著數(shù)據(jù)量的增加，錯誤率也會相應(yīng)增加问拘。所以遍略，如果采集的數(shù)據(jù)量增加1000倍的話，其中采集的部分?jǐn)?shù)據(jù)就可能是錯誤的骤坐，而且隨著數(shù)據(jù)量的增加绪杏，錯誤率可能也會繼續(xù)增加。在整合來源不同的各類信息的時候纽绍，因?yàn)樗麄兺ǔ２煌耆恢吕倬茫砸矔哟蠡靵y程度。雖然如果我們能夠下足夠多的功夫拌夏，這些錯誤是可以避免的僧著，但在很多情況下，與致力于避免錯誤相比障簿，對錯誤的包容會帶給我們更多好處。
如果將傳統(tǒng)的思維模式——精確性運(yùn)用于數(shù)據(jù)化、網(wǎng)絡(luò)化的21世紀(jì)号俐，就會錯過重要的信息娃殖，執(zhí)迷于精確性是信息缺乏時代的產(chǎn)物。當(dāng)我們掌握了大量新型數(shù)據(jù)時世蔗，精確性就不那么重要了端逼，不因?yàn)橐蕾嚲_性，我們同樣可以掌握事情的發(fā)展趨勢污淋。大數(shù)據(jù)不僅讓我們不再期待精確性顶滩，也讓我們無法實(shí)現(xiàn)精確性。然而寸爆，除了一開始會與我們的直覺相矛盾之外礁鲁，接受數(shù)據(jù)的不精確和不完美盐欺，我們反而能更好地進(jìn)行預(yù)測，也能更好的理解這個世界仅醇。
相比依賴于小數(shù)據(jù)和精確性的時代冗美，大數(shù)據(jù)因?yàn)楦鼜?qiáng)調(diào)數(shù)據(jù)的完整性和混雜性，幫助我們進(jìn)一步接近事實(shí)的真相析二。“部分”和“確切”的吸引力是可以理解的粉洼。但是，當(dāng)我們的視野局限在我們可以分析和能夠確定的數(shù)據(jù)上時叶摄，我們對世界的整體理解就可能產(chǎn)生錯誤和偏差属韧。不僅失去了去盡力收集一切數(shù)據(jù)的動力，也失去了從各個不同角度來觀察事物的權(quán)利蛤吓。所以宵喂，局限于狹隘的小數(shù)據(jù)中，我們可以自豪于對精確性的追求会傲，但是锅棕，就算我們可以分析的到細(xì)節(jié)中的細(xì)節(jié)，也依然會錯過事物的全貌淌山。就像印象派的畫風(fēng)一樣裸燎，近看畫中的每一筆都感覺是混亂的，但是退后一步你就會發(fā)現(xiàn)這是一副偉大的作品泼疑，因?yàn)槟阃撕笠徊降臅r候就能看出畫作的整體思路了顺少。
這是大數(shù)據(jù)時代，思維方式的一個改變王浴，不執(zhí)著于對精確性的追求脆炎，擁抱混亂。另外一個思維方式的轉(zhuǎn)變則是氓辣，更加重視相關(guān)關(guān)系秒裕，而不偏執(zhí)于基于假設(shè)基礎(chǔ)上對因果關(guān)系的追尋。
在小數(shù)據(jù)的世界中几蜻，相關(guān)關(guān)系也是有用的，但在大數(shù)據(jù)的背景下体斩，相關(guān)關(guān)系大放異彩梭稚。通過應(yīng)用相關(guān)關(guān)系，我們可以比以前更容易絮吵、更便捷弧烤、更清楚地分析事物。
相關(guān)關(guān)系的核心是量化兩個數(shù)據(jù)值之間的數(shù)理關(guān)系蹬敲。相關(guān)關(guān)系強(qiáng)是指一個數(shù)據(jù)增加時暇昂，另一個數(shù)據(jù)值很有可能也會隨之增加莺戒。比如谷歌的流感趨勢：在一個特定的地理位置，越多的人通過谷歌搜索特定的詞條急波，該地區(qū)就有更多的人患了流感从铲。相反，相關(guān)關(guān)系弱就意味著當(dāng)一個數(shù)據(jù)值增加澄暮，另一個數(shù)據(jù)值幾乎不會發(fā)生變化名段。例如，我們可以尋找關(guān)于個人的鞋碼和幸福的相關(guān)關(guān)系泣懊，但會發(fā)現(xiàn)它們幾乎扯不上什么關(guān)系吉嫩。
相關(guān)關(guān)系通過識別有用的關(guān)聯(lián)物來幫助我們分析一個現(xiàn)象，而不是通過揭示其內(nèi)部的運(yùn)作機(jī)制嗅定。當(dāng)然，即使是很強(qiáng)的相關(guān)關(guān)系也不一定能解釋每一種情況用踩，比如兩個事物看上去行為相似渠退，但很有可能只是巧合。相關(guān)關(guān)系沒有絕對脐彩，只有可能性碎乃。也就是說，不是亞馬遜推薦的每本書都是顧客想買的書惠奸。但是梅誓，如果相關(guān)關(guān)系強(qiáng)，一個相關(guān)鏈接成功的概率是很高的佛南。
我們理解世界不再需要建立在假設(shè)的基礎(chǔ)上梗掰，這個假設(shè)是針對現(xiàn)象建立的有關(guān)其生產(chǎn)機(jī)制和內(nèi)在機(jī)理的假設(shè)。因此嗅回，我們也不需要建立這樣一個假設(shè)及穗，關(guān)于哪些詞條可以表示流感在何時何地傳播;我們不需要了解航空公司怎樣給機(jī)票定價;我們不需要知道沃爾瑪?shù)念櫩偷呐腼兿埠谩Ｈ《氖敲嘣兀覀兛梢詫Υ驍?shù)據(jù)進(jìn)行相關(guān)關(guān)系分析埂陆，從而知道哪些檢索詞條是最能顯示流感的傳播的，飛機(jī)票的價格是否會飛漲娃豹，哪些食物是颶風(fēng)期間待在家里的人最想吃的焚虱。我們用數(shù)據(jù)驅(qū)動的關(guān)于大數(shù)據(jù)的相關(guān)關(guān)系分析法，取代了基于假想的易出錯的方法懂版。大數(shù)據(jù)的相關(guān)關(guān)系分析法更準(zhǔn)確鹃栽、更快，而且不易受偏見的影響躯畴。建立在相關(guān)關(guān)系分析法基礎(chǔ)上的預(yù)測是大數(shù)據(jù)的核心谍咆。這種預(yù)測發(fā)生的頻率非常高禾锤，以至于我們經(jīng)常忽略了它的創(chuàng)新性。當(dāng)然摹察，它的應(yīng)用會越來越多恩掷。
在社會環(huán)境下尋找關(guān)聯(lián)物只是大數(shù)據(jù)分析法采取的一種方式。同樣有用的一種方式是供嚎，通過找出新種類數(shù)據(jù)之間的相互聯(lián)系來解決日常需要黄娘。比方說，一種稱為預(yù)測分析法的方法就被廣泛的應(yīng)用于商業(yè)領(lǐng)域克滴，它可以預(yù)測實(shí)踐的發(fā)生逼争。比如車的某個零部件出故障。因?yàn)橐粋€東西要出故障劝赔，不會是瞬間的誓焦，而是慢慢地出問題的。通過收集所有的數(shù)據(jù)着帽，我們可以預(yù)先捕捉到事物要出故障的信號杂伟，比方說發(fā)動機(jī)的嗡嗡聲、引擎過熱都說明它們可能要出故障了仍翰。系統(tǒng)把這些異常情況與正常情況進(jìn)行對比赫粥，就會知道什么地方出了毛病。通過盡早的發(fā)現(xiàn)異常予借，系統(tǒng)可以提醒我們在故障之前更換零件或者修復(fù)問題越平。通過找出一個關(guān)聯(lián)物并監(jiān)控它，我們就能預(yù)測未來灵迫。
在小數(shù)據(jù)時代秦叛，相關(guān)關(guān)系分析和因果分析都不容易，都耗資巨大瀑粥，都要從建立假設(shè)開始书闸。然后我們會進(jìn)行實(shí)驗(yàn)——這個假設(shè)要么被證實(shí)要么被推翻。但由于兩者都始于假設(shè)利凑，這些分析都有受偏見影響的可能浆劲，而且極易導(dǎo)致錯誤。與此同時哀澈，用來做相關(guān)關(guān)系分析的數(shù)據(jù)很難得到牌借，收集這些數(shù)據(jù)時也耗資巨大。現(xiàn)今割按，可用的數(shù)據(jù)如此之多膨报，也就不存在這些難題了。
通過找出可能相關(guān)的事物，我們可以在此基礎(chǔ)上進(jìn)行進(jìn)一步的因果關(guān)系分析现柠，如果存在因果關(guān)系的話院领，我們再進(jìn)一步找出原因。這種便捷的機(jī)制通過嚴(yán)格的實(shí)驗(yàn)降低了因果分析的成本够吩。我們也可以從相互聯(lián)系中找到一些重要的變量比然，這些變量可以用到驗(yàn)證因果關(guān)系的實(shí)驗(yàn)中去。相關(guān)關(guān)系很有用周循，不僅僅是因?yàn)樗転槲覀兲峁┬碌囊暯乔糠ǎ姨峁┑囊暯嵌己芮逦?/p>
在小數(shù)據(jù)時代，我們會假想世界是怎么運(yùn)作的湾笛，然后通過收集和分析數(shù)據(jù)來驗(yàn)證這種假想饮怯。在不久的將來，我們會在大數(shù)據(jù)的指導(dǎo)下探索世界嚎研，不再受限于各種假想蓖墅。我們的研究始于數(shù)據(jù)，也因?yàn)閿?shù)據(jù)我們發(fā)現(xiàn)了以前不曾發(fā)現(xiàn)的聯(lián)系临扮。
總之论矾，除了糾結(jié)于數(shù)據(jù)的準(zhǔn)確性、正確性和嚴(yán)格度之外公条，我們也應(yīng)該容許一些不精確的存在。數(shù)據(jù)不可能是完全正確或完全錯誤的迂曲，當(dāng)數(shù)據(jù)的規(guī)模以數(shù)量級增加時靶橱，這些混亂也就算不上問題了。事實(shí)上路捧，它可能是有好處的关霸，因?yàn)樗赡芴峁┮恍┪覀儫o法想到的細(xì)節(jié)。又因?yàn)槲覀冇酶旄阋说姆绞秸业綌?shù)據(jù)的相關(guān)性杰扫，并且效果往往更好队寇，而不必努力去尋找因果關(guān)系。當(dāng)然章姓，在某些情況下佳遣，我們依然要靜心做因果關(guān)系研究和試驗(yàn)。但是凡伊，在日常很多情況下零渐，我們知道“是什么”就夠了，而不必非要弄清楚“為什么”系忙。
公子義【微信號gongzi348】：4年心理學(xué)诵盼，80后，90后心理研究專家，9年大數(shù)據(jù)研究者风宁，專注于移動互聯(lián)網(wǎng)洁墙，大數(shù)據(jù)究狂熱愛好者，熱愛寫作戒财。未經(jīng)許可热监，嚴(yán)禁轉(zhuǎn)載。
