大数据时代，思维方式？混沌性？

http://www.bibdr.org/nd.jsp?id=48#fai_12_top

原文的节选如下：

        大数据因为更强调数据的完整性和混杂性，帮助我们进一步接近事实的真相。“部分”和“确切”的吸引力是可以理解的。但是，当我们的视野局限在我们可以分析和能够确定的数据上时，我们对世界的整体理解就可能产生错误和偏差。不仅失去了去尽力收集一切数据的动力，也失去了从各个不同角度来观察事物的权利。所以，局限于狭隘的小数据中，我们可以自豪于对精确性的追求，但是，就算我们可以分析的到细节中的细节，也依然会错过事物的全貌。就像印象派的画风一样，近看画中的每一笔都感觉是混乱的，但是退后一步你就会发现这是一副伟大的作品，因为你退后一步的时候就能看出画作的整体思路了。（有点混沌数学的感觉）

这是大数据时代，思维方式的一个改变，不执着于对精确性的追求，拥抱混乱。另外一个思维方式的转变则是，更加重视相关关系，而不偏执于基于假设基础上对因果关系的追寻。

在小数据的世界中，相关关系也是有用的，但在大数据的背景下，相关关系大放异彩。通过应用相关关系，我们可以比以前更容易、更便捷、更清楚地分析事物。

相关关系的核心是量化两个数据值之间的数理关系。相关关系强是指一个数据增加时，另一个数据值很有可能也会随之增加。比如谷歌的流感趋势：在一个特定的地理位置，越多的人通过谷歌搜索特定的词条，该地区就有更多的人患了流感。相反，相关关系弱就意味着当一个数据值增加，另一个数据值几乎不会发生变化。例如，我们可以寻找关于个人的鞋码和幸福的相关关系，但会发现它们几乎扯不上什么关系。

相关关系通过识别有用的关联物来帮助我们分析一个现象，而不是通过揭示其内部的运作机制。当然，即使是很强的相关关系也不一定能解释每一种情况，比如两个事物看上去行为相似，但很有可能只是巧合。相关关系没有绝对，只有可能性。也就是说，不是亚马逊推荐的每本书都是顾客想买的书。但是，如果相关关系强，一个相关链接成功的概率是很高的。

我们理解世界不再需要建立在假设的基础上，这个假设是针对现象建立的有关其生产机制和内在机理的假设。因此，我们也不需要建立这样一个假设，关于哪些词条可以表示流感在何时何地传播;我们不需要了解航空公司怎样给机票定价;我们不需要知道沃尔玛的顾客的烹饪喜好。取而代之的是，我们可以对打数据进行相关关系分析，从而知道哪些检索词条是最能显示流感的传播的，飞机票的价格是否会飞涨，哪些食物是飓风期间待在家里的人最想吃的。我们用数据驱动的关于大数据的相关关系分析法，取代了基于假想的易出错的方法。大数据的相关关系分析法更准确、更快，而且不易受偏见的影响。建立在相关关系分析法基础上的预测是大数据的核心。这种预测发生的频率非常高，以至于我们经常忽略了它的创新性。当然，它的应用会越来越多。

在社会环境下寻找关联物只是大数据分析法采取的一种方式。同样有用的一种方式是，通过找出新种类数据之间的相互联系来解决日常需要。比方说，一种称为预测分析法的方法就被广泛的应用于商业领域，它可以预测实践的发生。比如车的某个零部件出故障。因为一个东西要出故障，不会是瞬间的，而是慢慢地出问题的。通过收集所有的数据，我们可以预先捕捉到事物要出故障的信号，比方说发动机的嗡嗡声、引擎过热都说明它们可能要出故障了。系统把这些异常情况与正常情况进行对比，就会知道什么地方出了毛病。通过尽早的发现异常，系统可以提醒我们在故障之前更换零件或者修复问题。通过找出一个关联物并监控它，我们就能预测未来。

通过找出可能相关的事物，我们可以在此基础上进行进一步的因果关系分析，如果存在因果关系的话，我们再进一步找出原因。这种便捷的机制通过严格的实验降低了因果分析的成本。我们也可以从相互联系中找到一些重要的变量，这些变量可以用到验证因果关系的实验中去。相关关系很有用，不仅仅是因为它能为我们提供新的视角，而且提供的视角都很清晰。

总之，除了纠结于数据的准确性、正确性和严格度之外，我们也应该容许一些不精确的存在。数据不可能是完全正确或完全错误的，当数据的规模以数量级增加时，这些混乱也就算不上问题了。事实上，它可能是有好处的，因为它可能提供一些我们无法想到的细节。又因为我们用更快更便宜的方式找到数据的相关性，并且效果往往更好，而不必努力去寻找因果关系。当然，在某些情况下，我们依然要静心做因果关系研究和试验。但是，在日常很多情况下，我们知道“是什么”就够了，而不必非要弄清楚“为什么”。