大數據（big data），IT行業術語，是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據這個概念聽說過挺久的了，但一直沒有系統了解，由于工作需要，想做點深入了解，于是翻了關于大數據的經典之作《大數據時代》，猛然發現這本書出版于2012年，已是七年前的著作了。

與大數據對應的是小數據，在小數據時代，由于技術條件的限制，人類無法獲取大量的數據，即便獲取了，也無法快速處理那些數據，為了解決這一難題，聰明的人類發明了隨機采樣法。在隨機采樣中，由于一切都是隨機的，它本身就綜合了各種因素，又排除了人為因素，所以它的結論也大致滿足需求。但是在大數據時代，樣本=總體。要所有數據，不管這數據是對的還是錯的，有意的或無意的，有用的還是無用的，全要。一個最簡單的例子是翻譯軟件的發展，在最開始的版本中，翻譯學家想要把一切語言規則都內置到軟件中，他們認為這樣軟件就會實現自動翻譯，結果他們發現自己得到了一坨屎。

《大數據時代》這部書算是易懂的，因為它是從宏觀的角度講了大數據時代帶來的思維變革，還有很多豐富詳實的案例，但并不涉及數據處理細節那些瑣碎的東西，所以對于非專業人士來講讀起來并不困難甚至可以說是有趣的。當下的翻譯軟件則不然，它的“師傅們”不再是一堆語言規則，而是全世界人民！首先，開發人員先把館藏雙語對照的書籍植入計算機中，其次每個人每天在網絡上發的雙語對話都會被計算機記錄并學習，目前的計算機已經可以實現深度學習，即不要內置規則，它根據大量的輸入自己學習規則。

在這個簡單的例子中已經彰顯出大數據的三個特點：

更多：不是隨機樣本，而是全部數據;

更雜：不是精確性，而是混雜性;

更好：不是因果關系，而是相關關系。

數據主義即只認數據，唯數據是從，極端情況就類似于電影《少數派報告》所展現的場景了，在電影里有三個人具備預知能力，警方用他們的超能力實施罪前打擊，當一個人想要犯罪還沒有犯罪的當口抓住他，而在數據時代，當一個人奉數據為圭臬時，他可能六親不認只認數據，當數據預測到某人要犯罪時，是直接抓他坐牢還是坐等他犯罪？這是個問題。

首先第一點“要全部數據”很好理解，本來就是大數據嘛，其次第二點“不是精確性而是混雜性”這點也容易理解，這個世界本來就是混亂的，想要秩序不過是人類的一廂情愿而已，從混亂的世界中得到的數據自然也是混亂的、不精確的，但這樣的數據才能更真實地反映世界的本來面目，何必追求精確呢？在翻譯軟件的例子中，當計算機去識別網絡上的語句時，它是無法保證每個人寫的都是正確的，但正是這種多樣性的存在才更能賦予計算機翻譯的智能性。最不好理解也最有爭議的就是第三點，用相關關系替代因果關系。相關關系顧名思義，當一種現象發生變化時，另一種現象隨之改變，這說明兩種現象是相關的，但這里并不強調二者之間有什么邏輯上的因果性，因果關系則不然。

在心理學上有個第三變量問題，說當兩個現象具有相關關系時，人們往往會把它誤當作因果關系，而忽略第三變量。一個典型的例子是說私立學校和公立學校教育水平問題，一般來講，人們只看到私立學校教出來的學生更優秀就認為他們的教育水平更好，而往往忽略上私立學校的孩子家庭條件更好，父母的受教育程度更好，而這才是影響孩子學習成績的關鍵因素。

從大數據的角度來講，取消因果關系是明智的，因為當數據龐大了以后，想要分析因果關系勢必登天，因為它牽扯的因素太多了，根本無法分析，更重要的是，人們需要因果關系嗎？人們只需要知道這件事發生了以后接下來會發生什么就足夠了，至于為什么會發生，誰關心呢？上帝嗎？關心這個問題的大概都是哲學家。哲學家們會擔心，沒有了因果關系，人在計算機面前就會像傻子一樣任人擺布，這是一種墮落。但不管如何，大數據時代的特點就是這樣，接受它你就邁入了大數據時代。在這樣的背景下，數據開始值錢了，但也不是說誰有數據誰就能雄霸天下。有的公司空有一堆數據但不會處理，有的公司知道怎么處理數據但卻缺少創新思維，不知道拿來何用。最好的是那些既有數據又知道怎么處理數據還具備創新思維的公司，但這樣的公司又極易淪為數據主義。

責任編輯：ct