《企業(yè)網(wǎng)D1Net》5月28日訊

隨著大數(shù)據(jù)時代的到來，大數(shù)據(jù)的價(jià)值逐漸凸顯，在很多人的眼里，大數(shù)據(jù)突然變得無所不在，無所不能，似乎每個人都想收集、分析大數(shù)據(jù)、并從中獲利，同時也有人在夸耀或者害怕它的巨大影響。

不論我們是在討論利用谷歌龐大的搜索數(shù)據(jù)來預(yù)測流感的爆發(fā)還是利用通話記錄來預(yù)測恐怖活動，又或者是利用航空公司的數(shù)據(jù)找到買機(jī)票的最佳時機(jī)，大數(shù)據(jù)都可以幫上忙。將現(xiàn)代計(jì)算技術(shù)和數(shù)字時代眾多的數(shù)據(jù)結(jié)合起來，似乎可以解決任何問題——犯罪，公共衛(wèi)生，用語的變化，約會的危險(xiǎn)，只要我們把這些數(shù)據(jù)利用起來。

大數(shù)據(jù)真的像說的那么好？毫無疑問大數(shù)據(jù)確實(shí)是一個有價(jià)值的工具，并在某些領(lǐng)域產(chǎn)生了至關(guān)重要的影響。比如，幾乎近二十年人工智能計(jì)算機(jī)程序的成功，從谷歌的搜索引擎到IBM的沃森電腦問答系統(tǒng)，都包括了大量數(shù)據(jù)的處理。但是正是因?yàn)樗罱绱耸軞g迎并得到廣泛應(yīng)用，我們需要清晰的看待大數(shù)據(jù)究竟能做什么和不能做什么。

大數(shù)據(jù)能告訴我們是什么，但不能告訴我們?yōu)槭裁?/p>

首先，盡管大數(shù)據(jù)能夠非常好地檢測相關(guān)性，特別是那些用小數(shù)據(jù)集可能無法測出的微妙相關(guān)性，但是它并不會告訴我們哪一種相關(guān)性是有意義的。比如，大數(shù)據(jù)分析可能會揭示從2006年到2011你那美國謀殺案比例與IE瀏覽器的市場份額是極度相關(guān)的，都呈急速下降趨勢。但是很難相信這兩者之間有什么因果關(guān)系。又比如，從1998到2007被診斷出的自閉癥患者與有機(jī)食物的銷售具有相關(guān)性（都呈急速上升趨勢），但是這種相關(guān)性本身不會告訴我們飲食和自閉癥的關(guān)系。

大數(shù)據(jù)只能是輔助工具

第二，大數(shù)據(jù)可以輔助科學(xué)調(diào)查，但不可能成功地完全代替。比如，分子生物學(xué)家很想從潛在的DNA序列中推斷出蛋白質(zhì)的三維結(jié)構(gòu)，有一些科學(xué)家已經(jīng)在用大數(shù)據(jù)來解決這個難題。但是沒有任何科學(xué)家認(rèn)為你可以完全依靠處理數(shù)據(jù)來解決這個難題，不論這個數(shù)據(jù)分析是多么的強(qiáng)有力，你依舊需要基于對物理和生物化學(xué)的理解上來處理這些數(shù)據(jù)。

基于大數(shù)據(jù)的工具易造假

第三，基于大數(shù)據(jù)的很多工具很容易造假。批改學(xué)生作文的大數(shù)據(jù)程序通常依賴于句子長度和用詞的復(fù)雜性，數(shù)據(jù)表明這和老師批改的分?jǐn)?shù)很相關(guān)。但是一旦學(xué)生知道這個程序如何運(yùn)作，他們就開始寫一些長句子并用晦澀的詞語而不是去學(xué)會如何規(guī)范清晰的表達(dá)，組成連貫的篇章。甚至谷歌的著名的搜索引擎，這個通常被認(rèn)為成功的大數(shù)據(jù)案例也不能免于信息繁雜，無用的搜索結(jié)果，一些人為的原因使得一些搜索結(jié)果排在前面（搜索廣告）。

通過大數(shù)據(jù)下結(jié)論是有風(fēng)險(xiǎn)的

第四，即便大數(shù)據(jù)的結(jié)果沒有人為地造假，但是它看上去也不那么有效。比如谷歌預(yù)測流感的案例曾經(jīng)是大數(shù)據(jù)的典范。2009年，谷歌通過相當(dāng)大的宣傳稱它可以通過分析與流感相關(guān)的搜索預(yù)測流感爆發(fā)的趨勢，這種準(zhǔn)確性和快速甚至超過了疾病控制和預(yù)防中心等官方機(jī)構(gòu)。但是幾年后，谷歌宣稱的流感預(yù)測并沒有得到好的結(jié)果，最近兩年，它做的更多地是不準(zhǔn)的預(yù)測。

罕見事件，大數(shù)據(jù)不起作用

最后，大數(shù)據(jù)在分析那些普通事件很在行，但是在分析罕見事件常失敗。比如，用大數(shù)據(jù)處理文本的程序如搜索引擎和翻譯程序，常常依賴于所謂的“三字”：連續(xù)三個詞的序列（比如“in a row”）?？煽康臄?shù)據(jù)信息可以編制常規(guī)的三字模型，正是因?yàn)樗麄兂３霈F(xiàn)，但是現(xiàn)有的數(shù)據(jù)并沒有多到足夠包括人們可能使用的所有“三字”，因?yàn)槿藗冊诓粩鄤?chuàng)造新語言。

隨便挑一個例子，Rob Lowe 最近為報(bào)紙寫的書評有九個“三詞序列”比如“dumbed-down escapist fare”，這在谷歌的文本里從未出現(xiàn)過。對于這些新鮮詞匯谷歌有很多限制，谷歌將“dumbed-down escapist fare”西安翻譯為德文然后再翻譯為英文，最后出現(xiàn)了這樣一個不合邏輯的詞語“scaled-flight fare.”Lowe先生的本意和利用大數(shù)據(jù)的翻譯真是完全不搭邊。

等等，我們幾乎忽略了最后一個問題：炒作。大數(shù)據(jù)的支持者宣稱它是革命性的進(jìn)步。但是即便是給出大數(shù)據(jù)的成功例子，比如谷歌流感趨勢的預(yù)測，即便有用但對于一些更大的事這些顯得微不足道。相比19世紀(jì)和20世紀(jì)的偉大發(fā)明比如抗生素，汽車，飛機(jī)，大數(shù)據(jù)所得出的東西實(shí)在算不了什么。

D1Net評論：

坦白來說，大數(shù)據(jù)只是一種技術(shù)，并不是萬能的上帝，大數(shù)據(jù)帶來大價(jià)值，毫無疑問，我們需要大數(shù)據(jù)，但是我們也需要更加清醒的認(rèn)識到，這只是一種每個人都可以分析的重要資源，這才是大數(shù)據(jù)真諦所在。