|
最近几年，“大数据”这个词在国内特别热，到处都在谈，五花八门与“大数据”有关的书籍应运而生，已经成了一种时尚。然而，如何认识“大数据”则成了亟需普及的科学知识。下面就谈谈我个人的理解，以帮助大众对“大数据”这个概念的认识。
① 大数据是个统计学概念，借助它可以发现概率规律。
统计学和概率论是从赌博中发展出来的，然而，虽然中国的赌博传统源远流长，可是我们中国人一直没有注意到概率规律的存在。所以，今日的大众在对待大数据上容易陷入种种误区，应特别加以注意。
一个随机事件没有什么好解释的，但是大量随机事件往往有规律可循。比如，一个袋子里装了100个红色球，100个白色球。一个人随意从袋子里取出4个球，完了再放进去，重复同样的动作足够多次，就会发现一个规律：出现“2红2白”的次数是“4个全红”或者“4个全白”的6倍。这就是个概率规律，然而只有经过多次的实验才能证实它。
我在2010年回斯坦福大学讲学期间，听了菲尔兹奖获得者陶哲轩的一个报告，他讲的一观点给我留下深刻的印象，那就是一些规律只有从大数据中才能显示出来。
② 大数据可以提高结论的可靠性，小数据的出错概率可能高达50%。
中国人喜欢赌博，那么就以赌博为例来说明“大数据”和“小数据”对人们判断的影响。
在澳门的博彩业中，百家乐是最受国人欢迎的。假如一个人连赌10次，可能赢了8次。他在澳门连赌3天，这次运气特别好，赢了500万元回家。同样运气好的人可能不止一个。那么，如果一个人只看到这少数几个赢钱的人，就有可能得出结论：赌博可以轻松赚钱。
然而，如果统计数字足够大的话，就会发现10万个赌徒中不会有一个人赚钱的，即使那些一时赢了钱的人，只要继续赌下去，还会连本输得精光。这是为什么？
赌场就是根据一个大数定律而设计的，所以他们铁定会赚钱，而不会有一个人能赢他们的钱，只要这个人继续赌下去，赌的次数足够多。这是一个著名的数学规律，是由法国的一位数学家首先证明的。
所以，从大数据来看赌博，会得出正确结论：赌博必然导致倾家荡产。
③大数据只适合社会现象中的随机事件，而不适合自然界的规律。
大数据只适应社会中的随机发生的现象，诸如患病、购房、车祸等这些现象。然而它并不能应用于自然界高度有规律的事物，比如植物生长等。举一个例子，一个人来到一个陌生的山上，看见一种野果子，尝第一颗是苦的涩的，第二颗也是，第三颗还是，就可以得出可靠的结论说：这种果子是不宜食用的。他不需要把一棵树的果子全吃完才能下结论，更不需要把满山的果子都尝完，才能得出结论。
④ 大数据不能提供因果关系，只能描写伴随现象。
在分析大数据时，很多人容易犯一个错误，就是会误把伴随现象当成具有因果关系的两种现象。比如一个调查了大量的成名小说作家，他们都有抽烟的习惯，那么能不能说“抽烟”和“当作家”之间具有因果关系呢？显然不能。两种伴随现象之间是否有因果关系，还需要借助各种科学手段进行分析。
⑤ 大数据只反映某种倾向性，无法准确预测下面要发生什么。
拿小孩的性别为例来说明这一点。从总体上看，生男孩和生女孩的概率都是50%左右。在一个妇产科医院里，第一个出生的小孩是女孩，但是不能由此而断定下面一个就一定是男孩，下面一个生男孩和生女孩的概率仍然是50%。即使前面5个出生的小孩都是女孩，第6个是男孩的概率仍然是只有50%，生男孩的概率并不会提高。这是大众思维中经常犯的错误，就是误把随机事件当成依赖事件。
什么是“依赖事件”？它是指前面发生的事情影响后面发生的事情的概率。比如，一个袋子里装有红、黄、蓝三个球，第一次拿出红球的概率是1/3；如果第一次拿出的是黄球，那么第二次拿出红球的概率就提高为1/2；如果第二次拿出的是篮球，那么最后一个必然是红球，即概率为100%。
重视大数据，但是不要过于迷信大数据，它并不是法力无边的科学方法，有很多局限性。如果一个人陷入数据的汪洋大海中，往往还会限制自己的想象力和创造力。
|
