別讓大數據產生大錯誤

喻思孌

得益于移動互聯網以及智能手機、智能穿戴產品的發展，人們的行為、位置甚至身體的生理特征等數據都可以便捷地被記錄，使得大數據的采集成為可能。

這一新的數據形態產生的價值，比如神奇的趨勢預測能力被公眾廣泛討論，成為不少商家宣傳營銷的賣點。從汽車、化妝品到體育，似乎所有行業都可以借助大數據，精確定位、找到消費者，預測趨勢、贏得未來。

在支持者看來，大數據的能耐在于每一個數據點都可以被捕捉。分析大數據就能推導出驚人準確的結果，經典的抽樣統計方法面臨淘汰。同時，數據已經大到能夠自己說話，且數據背后的原因不再重要，人們只需知道數據之間有統計相關性就行。

毋庸置疑，規模更大、更新、更快的大數據擁有深刻的洞察力，也將帶來巨大的價值，但認為有了大數據就無所不能顯得過于樂觀。

首先，幾百年的統計學發展史已經告訴我們，通過統計數據來認知現實世界從來都不能盡善盡美，現實中存在的樣本誤差和偏差等種種“陷阱”，不是單單依靠更大、更新、更快的數據就可以解決。

其次，大數據價值密度低、內容混雜，找到“貨真價實”的信息已屬不易。而“知其然，不求知其所以然”，只考慮純粹相關性，不注重數據與結論之間因果關系的分析，在現實中往往經不起推敲。比如，理論上可以通過分析微博上的每一次發言，推斷出某一事件引發的公共情緒，但不可忽視的是，微博活躍用戶只能代表他們自己，并不代表更廣泛的群體。

尤其不能忽視的是，目前許多數據仍處于“孤島”狀態，單一或少數領域的大數據不僅價值有限，還存在片面性的危險。只有數據跨越了行業領域間的界限，關聯性加強時，數據的準確性才會提高。打通數據“孤島”，融合數據還要走很長的路。另外，數據的收集、存儲和搬運雖然越來越便利，但從技術上看，如何從海量數據中淘出有價值的信息，還缺少強大的工具。

毫無疑問，大數據時代已經來臨，但大數據并非無所不能。大數據的核心不在規模大，它蘊含的是計算和思維方式的轉變，過于樂觀和簡單的理解都可能助長“大數據迷信”。比較切實的態度是，在尊重傳統統計經驗的基礎上，在不矮化大數據是“舊瓶裝新酒”的同時，不迷信大數據，善用大數據。否則，帶著“數據自己可以說出結論”的謬識，就可能掉進數據的“陷阱”，從而使大數據產生“大錯誤”。※