現(xiàn)在的大數(shù)據(jù)（公司）就像一個懵懵懂懂的青春期少年，充滿活力和想象力，但卻遠未達到成熟。它的潛在價值讓人著迷，但世人依然不知何處才是他將一展身手的舞臺。　
　　維克托?邁爾?舍恩伯格的《大數(shù)據(jù)時代》被國人奉為經(jīng)典，其觀點被反復引用，出現(xiàn)在各類文章之中，但也引起了不小的爭議。但本文不是對《大數(shù)據(jù)時代》的批判，而是從數(shù)據(jù)分析發(fā)展的維度去探討大數(shù)據(jù)的朦朧面目。
　　大數(shù)據(jù)的興起不過是最近幾年的事情，大量的案例都與互聯(lián)網(wǎng)科技公司相關，其代表性的軟件和算法都與谷歌和雅虎公司的科技人員密不可分。對于這些科技人員來說，“數(shù)據(jù)”幾乎與”大數(shù)據(jù)“同義，而他們的主要工作就是通過根據(jù)這些海量的數(shù)據(jù)進行“推薦”——即將A匹配給B，如把合適網(wǎng)頁匹配給關鍵詞，把特定廣告匹配給特定用戶等等。而要做好匹配，則必須對于數(shù)據(jù)間的相關性進行研究…… 看過《大數(shù)據(jù)時代》的同志們，看到這里有沒有獲得一些啟發(fā)呢？
　　為什么除了互聯(lián)網(wǎng)公司外，其他公司都對“大數(shù)據(jù)”興趣寥寥呢？這是因為現(xiàn)實中，許多數(shù)重要的數(shù)據(jù)集都是小數(shù)據(jù)，比如財務數(shù)據(jù)，銷售數(shù)據(jù)等等，而擁有大量數(shù)據(jù)的金融和醫(yī)藥行業(yè)本就沒有停止過數(shù)據(jù)應用。商業(yè)環(huán)境的改變遠非一朝一夕，如何將大數(shù)據(jù)應用到傳統(tǒng)行業(yè)中遠比買一堆設備來存儲個全數(shù)據(jù)要難得多。
　　另一方面，大數(shù)據(jù)并不一定更好，濫用大數(shù)據(jù)只會產(chǎn)生更糟糕的效果，比如只要數(shù)據(jù)量足夠大，任何變量之間總能找到某種相關性。傳統(tǒng)統(tǒng)計學的驚人之處在于你只需要一個很小的樣本，就能對總體做出一個明確的描述。精選一個合適的樣本很有可能勝過一個混亂的大數(shù)據(jù)集所得到的結果。事實上，在很多情況中，采集100%的數(shù)據(jù)得到的預測模型精度可能就比采集10%的數(shù)據(jù)得到的模型高1%不到。
　　大數(shù)據(jù)還處于青春期，對其下定論顯然為時過早，但目前的趨勢表明它與較大規(guī)模的傳統(tǒng)數(shù)據(jù)分析截然不同。傳統(tǒng)的統(tǒng)計學和數(shù)據(jù)分析方法是歸納性的——根據(jù)部分對總體進行判斷；從樣本來估計總體的范圍；通過一些觀察來給整個系統(tǒng)設定一種理論。與此相反，大數(shù)據(jù)看起來關心的主要是單個數(shù)據(jù)點。已知某個特定的用戶喜歡某部特定的電源，那么他還可能喜歡其他哪些電影？這個問題截然不同于問哪些電影通常更可能受哪些人喜歡？
　　正像青春期的少年容易被引入歧途，大數(shù)據(jù)的能力也有可能被不懷好意的人所利用。翻看各種應用案例不難發(fā)現(xiàn)大數(shù)據(jù)的主要數(shù)據(jù)來源是人的行為——從瀏覽了哪些網(wǎng)頁，到去過哪些地方，數(shù)不勝數(shù)。通過對一個個人的數(shù)據(jù)分析（而不是對一個群體的分析），可以用來做定向廣告，也可以用來提高體有患大病風險者的保險價格，乃至向管理層預警有可能跳槽或者上班開小差的員工。大數(shù)據(jù)要成為一樣對人類社會有用的工具，離不開一套完善的隱私保護體系，目前這方面的工作遠沒有達到被重視的程度。