别让大数据产生大错误

喻思娈

得益于移动互联网以及智能手机、智能穿戴产品的发展，人们的行为、位置甚至身体的生理特征等数据都可以便捷地被记录，使得大数据的采集成为可能。

这一新的数据形态产生的价值，比如神奇的趋势预测能力被公众广泛讨论，成为不少商家宣传营销的卖点。从汽车、化妆品到体育，似乎所有行业都可以借助大数据，精确定位、找到消费者，预测趋势、赢得未来。

在支持者看来，大数据的能耐在于每一个数据点都可以被捕捉。分析大数据就能推导出惊人准确的结果，经典的抽样统计方法面临淘汰。同时，数据已经大到能够自己说话，且数据背后的原因不再重要，人们只需知道数据之间有统计相关性就行。

毋庸置疑，规模更大、更新、更快的大数据拥有深刻的洞察力，也将带来巨大的价值，但认为有了大数据就无所不能显得过于乐观。

首先，几百年的统计学发展史已经告诉我们，通过统计数据来认知现实世界从来都不能尽善尽美，现实中存在的样本误差和偏差等种种“陷阱”，不是单单依靠更大、更新、更快的数据就可以解决。

其次，大数据价值密度低、内容混杂，找到“货真价实”的信息已属不易。而“知其然，不求知其所以然”，只考虑纯粹相关性，不注重数据与结论之间因果关系的分析，在现實中往往经不起推敲。比如，理论上可以通过分析微博上的每一次发言，推断出某一事件引发的公共情绪，但不可忽视的是，微博活跃用户只能代表他们自己，并不代表更广泛的群体。

尤其不能忽视的是，目前许多数据仍处于“孤岛”状态，单一或少数领域的大数据不仅价值有限，还存在片面性的危险。只有数据跨越了行业领域间的界限，关联性加强时，数据的准确性才会提高。打通数据“孤岛”，融合数据还要走很长的路。另外，数据的收集、存储和搬运虽然越来越便利，但从技术上看，如何从海量数据中淘出有价值的信息，还缺少强大的工具。

毫无疑问，大数据时代已经来临，但大数据并非无所不能。大数据的核心不在规模大，它蕴含的是计算和思维方式的转变，过于乐观和简单的理解都可能助长“大数据迷信”。比较切实的态度是，在尊重传统统计经验的基础上，在不矮化大数据是“旧瓶装新酒”的同时，不迷信大数据，善用大数据。否则，带着“数据自己可以说出结论”的谬识，就可能掉进数据的“陷阱”，从而使大数据产生“大错误”。※