大數(shù)據(jù)時代

第三章--不是因果關(guān)系墨坚，而是相關(guān)性

大數(shù)據(jù)

這一章主要是在告訴我們：在數(shù)據(jù)變得更多更繁雜的時候秧饮，我們只要知道“是什么”就夠了，沒必要知道“為什么”。在大數(shù)據(jù)時代盗尸，我們不必非要知道現(xiàn)象背后的原因柑船，而是讓數(shù)據(jù)自己“發(fā)聲”。

• 只要知道“是什么”就夠了泼各，沒必要知道“為什么”鞍时。這就是我們今天所講的相關(guān)性。所謂的相關(guān)性扣蜻，是指兩個事物之間的關(guān)聯(lián)程度逆巍。而這，有區(qū)別于“因果性”莽使。我們不再把重點放在為什么上了锐极，更多是分析事物的兩者是什么。

• 亞馬遜的推薦系統(tǒng)芳肌，是針對于客戶的信息數(shù)據(jù)量很大溪烤，難以處理，并且把顧客與其他顧客進(jìn)行比較繁瑣的技術(shù)操作這一情況庇勃，找到另一種解決方法，即找到產(chǎn)品之間的關(guān)聯(lián)性槽驶，也就是個性化推薦系統(tǒng)责嚷。

• 相關(guān)關(guān)系的核心是兩個數(shù)據(jù)值之間的數(shù)理關(guān)系。
  1掂铐、相關(guān)關(guān)系通過識別有關(guān)的關(guān)聯(lián)物來幫助我們分析一個現(xiàn)象罕拂。
  2、相關(guān)性沒有絕對全陨，只有可能性爆班。

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。同樣有用的一種方法是辱姨，通過找出新種類數(shù)據(jù)之間的相互聯(lián)系來解決日常需要柿菩。比方說，一種稱為預(yù)測分析法的方法就被廣泛地應(yīng)用于商業(yè)領(lǐng)域雨涛，它可以預(yù)測事件的發(fā)生枢舶。

例子

• 美國折扣零售商塔吉特與懷孕預(yù)測,基本上來說，就是收集一個人可以收集到的所有數(shù)據(jù)替久，然后通過相關(guān)關(guān)系分析得出事情的真實狀況凉泄。

通過找出一個關(guān)聯(lián)物并監(jiān)控它，我們就能預(yù)測未來蚯根。

例子2

• UPS與汽車修理預(yù)測：收集和分析數(shù)據(jù)的花費比出現(xiàn)停產(chǎn)的損失小得多后众。而當(dāng)收集、存儲和分析數(shù)據(jù)的成本比較高的時候，應(yīng)該適當(dāng)?shù)貋G棄一些數(shù)據(jù)蒂誉。

“是什么”教藻，而不是“為什么”

通過去探求“是什么”而不是“為什么”，相關(guān)關(guān)系幫助我們更好地了解了這個世界拗盒。

• 在大數(shù)據(jù)時代怖竭，新的分析工具和思路為我們提供了一系列新的視野和有用的預(yù)測，我們看到了很多以前不曾注意到的聯(lián)系陡蝇，還掌握了以前無法理解的復(fù)雜技術(shù)和社會動態(tài)痊臭。

例子3

• 幸福的非線性關(guān)系

相關(guān)關(guān)系很有用，不僅僅是因為它能為我們提供新的視角登夫，而且提供的視角都很清晰广匙。而我們一旦把因果關(guān)系考慮進(jìn)來，這些視角就有可能被蒙蔽掉恼策。

例子4

• Kaggle鸦致，(被谷歌所收購)一家為所有人提供數(shù)據(jù)挖掘競賽平臺的公司，舉辦了關(guān)于二手車的質(zhì)量競賽涣楷。二手車經(jīng)銷商將二手車數(shù)據(jù)提供給參加比賽的統(tǒng)計學(xué)家分唾，統(tǒng)計學(xué)家們用這些數(shù)據(jù)建立一個算法系統(tǒng)來預(yù)測經(jīng)銷商拍賣的哪些車有可能出現(xiàn)質(zhì)量問題。相關(guān)關(guān)系分析表明狮斗，橙色的車有質(zhì)量問題的可能性只有其他車的一半绽乔。

大數(shù)據(jù)，改變?nèi)祟愄剿魇澜绲姆椒?/h4>

因為不受限于傳統(tǒng)的思維模式和特定領(lǐng)域里隱含的固有偏見碳褒，大數(shù)據(jù)才能為我們提供如此多新的深刻洞見折砸。

大數(shù)據(jù)時代將要釋放出的巨大價值使得我們選擇大數(shù)據(jù)的理念和方法不再是一種權(quán)衡，而是通往未來的必然改變沙峻。但是在我們到達(dá)目的地之前睦授，我們有必要了解怎樣才能到達(dá)。