本文作者劉德寰系北京大學(xué)傳播學(xué)系教授。

大數(shù)據(jù)不在乎體量有多少，而是背后用它的那個(gè)大腦。實(shí)則大眾對(duì)大數(shù)據(jù)依然存在不少誤解。劉得寰教授在微博上發(fā)表了其對(duì)大數(shù)據(jù)的五點(diǎn)思考（后續(xù)可能還有更新），對(duì)近期大數(shù)據(jù)被大眾捧為瑰寶的做法提出了自己不同觀點(diǎn)：

任何一個(gè)網(wǎng)站的數(shù)據(jù)都是人們互聯(lián)網(wǎng)行為數(shù)據(jù)的很小的一個(gè)子集，無(wú)論這個(gè)子集多么全面，分析多么深入，都是子集，不是全集。對(duì)于企業(yè)來(lái)講，競(jìng)爭(zhēng)對(duì)手的數(shù)據(jù)價(jià)值遠(yuǎn)遠(yuǎn)超過(guò)自己網(wǎng)站數(shù)據(jù)的價(jià)值，從量級(jí)上，對(duì)于所有公司都一樣，自己擁有的數(shù)據(jù)遠(yuǎn)遠(yuǎn)小于全集數(shù)據(jù)。看起來(lái)的全數(shù)據(jù)恰恰是殘缺數(shù)據(jù)。

數(shù)據(jù)量的大幅增加會(huì)造成結(jié)果的不準(zhǔn)確，來(lái)源不同的信息混雜會(huì)加大數(shù)據(jù)的混亂程度。研究發(fā)現(xiàn)：巨量數(shù)據(jù)集和細(xì)顆粒度的測(cè)量會(huì)導(dǎo)致出現(xiàn)“錯(cuò)誤發(fā)現(xiàn)”的風(fēng)險(xiǎn)增加。那種認(rèn)為“假設(shè)、檢驗(yàn)、驗(yàn)證的科學(xué)方法已經(jīng)過(guò)時(shí)”的論調(diào)，正是大數(shù)據(jù)時(shí)代的混亂與迷茫，人們索性擁抱凱文凱利所稱(chēng)的混亂。

互聯(lián)網(wǎng)用戶的基本特征、消費(fèi)行為、上網(wǎng)行為、渠道偏好、行為喜好、生活軌跡與位置等，反映用戶的基本行為規(guī)律。體系完整是所有分析性工作的第一步，完整的框架甚至勝過(guò)高深的模型。人類(lèi)的認(rèn)識(shí)最大的危險(xiǎn)是不顧后果的運(yùn)用局部知識(shí)。如果只關(guān)心自己網(wǎng)站數(shù)據(jù)，其分析基礎(chǔ)必然是斷裂數(shù)據(jù)。

現(xiàn)在談到大數(shù)據(jù)，基本有四個(gè)混亂觀念：第一，大數(shù)據(jù)是全數(shù)據(jù)，忽視甚至蔑視抽樣；第二，連續(xù)數(shù)據(jù)就是大數(shù)據(jù)；第三，數(shù)據(jù)量級(jí)大是大數(shù)據(jù)；第四，數(shù)據(jù)量大好于量小。對(duì)應(yīng)的是：抽樣數(shù)據(jù)只要抽樣合理，結(jié)論準(zhǔn)確；連續(xù)只是一個(gè)數(shù)據(jù)結(jié)構(gòu)；大量級(jí)的噪音會(huì)得出錯(cuò)誤結(jié)論；大小與價(jià)值關(guān)系不大。

大數(shù)據(jù)不是新事物，天氣、地震、量子物理、基因、醫(yī)學(xué)等都是，借鑒他們的方法有益。他們用抽樣調(diào)查�；ヂ�(lián)網(wǎng)數(shù)據(jù)挖掘方法論也如此，不同的是更難，因?yàn)槿说膹?fù)雜性。既然是關(guān)于人的研究就需應(yīng)用所有研究人的方法梳理大數(shù)據(jù)。只要懂編程、懂調(diào)動(dòng)數(shù)據(jù)的人就可以做大數(shù)據(jù)挖掘的說(shuō)法是謬誤。

標(biāo)簽： 數(shù)據(jù) 劉德寰 大數(shù)據(jù)平臺(tái) 

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。