【文章內(nèi)容簡(jiǎn)介】 捕捉到事物要出故障的信號(hào)，比方說(shuō)發(fā)動(dòng)機(jī)的嗡嗡聲、引擎過(guò)熱都說(shuō)明它們可能要出故障了。系統(tǒng)把這些異常情況與正常情況進(jìn)行對(duì)比，就會(huì)知道什么地方出了毛病。通過(guò)盡早地發(fā)現(xiàn)異常，系統(tǒng)可以提醒我們?cè)诠收现案鼡Q零件或者修復(fù)問(wèn)題。通過(guò)找出一個(gè)關(guān)聯(lián)物并監(jiān)控它，我們就能預(yù)測(cè)未來(lái)隨著網(wǎng)絡(luò)技術(shù)的發(fā)展成熟，傳統(tǒng)行業(yè)不斷感受到來(lái)自大數(shù)據(jù)、云計(jì)算等新技術(shù)的沖擊，這些新技術(shù)意味著游戲規(guī)則的改變，大數(shù)據(jù)技術(shù)對(duì)各行各業(yè)的發(fā)展的影響尤為顯著。人們對(duì)大數(shù)據(jù)的探討越來(lái)越深入，興趣也越來(lái)濃厚。舍恩伯格分三部分來(lái)討論大數(shù)據(jù)，即思維變革、商業(yè)變革和管理變革。在第一部分?大數(shù)據(jù)時(shí)代的思維變革?中，舍恩伯格旗幟鮮明的亮出他的三個(gè)觀點(diǎn)：一、更多：不是隨機(jī)樣本，而是全體數(shù)據(jù)；二、更雜：不是精確性，而是混雜性；三、更好：不是因果關(guān)系，而是相關(guān)關(guān)系。維基百科說(shuō)大數(shù)據(jù)由巨型數(shù)據(jù)集組成，這些數(shù)據(jù)集大小常超出常用軟件在可接受時(shí)間下的收集、運(yùn)用、管理和處理能力，或稱巨量數(shù)據(jù)、海量數(shù)據(jù)、大資料，大數(shù)據(jù)的常見(jiàn)特點(diǎn)是3V：Volume、Velocity、Variety。但是通過(guò)閱讀，我了解到規(guī)模巨大的數(shù)據(jù)未必就是大數(shù)據(jù)。比如伯努利實(shí)驗(yàn)，隨著實(shí)驗(yàn)次數(shù)的無(wú)限增加，頻率將趨近去概率，但這只能說(shuō)是統(tǒng)計(jì)學(xué)或者是概率學(xué)，而不是大數(shù)據(jù)。將這一概率引入金融學(xué)、天文學(xué)、地理學(xué)等等領(lǐng)域，進(jìn)而進(jìn)行關(guān)聯(lián)研究，但是傳統(tǒng)的分析方法的時(shí)間是不允許這樣做的，這需要搞笑計(jì)算資源與能力，將處理結(jié)果迅速呈現(xiàn)出來(lái)。大數(shù)據(jù)并不是指數(shù)據(jù)本身，而是一種思維方式。?大數(shù)據(jù)不是要教機(jī)器像人一樣思考。相反，把數(shù)學(xué)算法運(yùn)用到海量的數(shù)據(jù)上來(lái)預(yù)期事情發(fā)生的可能性。?大數(shù)據(jù)令人著迷之處還在于，它正在嘗試著引導(dǎo)人們用科學(xué)的辦法對(duì)?預(yù)測(cè)?挑戰(zhàn)。作者引用了安德森的觀點(diǎn)?現(xiàn)在已經(jīng)是一個(gè)有海量數(shù)據(jù)的時(shí)代，應(yīng)用數(shù)學(xué)已經(jīng)取代了其他的所有學(xué)科工具，而且只要數(shù)據(jù)足夠，就能說(shuō)明問(wèn)題?。大數(shù)據(jù)研究的一大驅(qū)動(dòng)力就是商用，舍恩伯格在第二部分里討論了大數(shù)據(jù)時(shí)代的商業(yè)變革。而要為商業(yè)所用，第一從原始數(shù)據(jù)采集、數(shù)據(jù)清洗整合到構(gòu)建模型分析、形成可顯示化結(jié)果，整個(gè)流程必須連貫起來(lái)；第二，大數(shù)據(jù)產(chǎn)業(yè)化，技術(shù)成熟。而國(guó)內(nèi)目前的情況是，傳統(tǒng)企業(yè)的流程分割化現(xiàn)象嚴(yán)重，就數(shù)據(jù)采集方面來(lái)說(shuō)，因內(nèi)部是各個(gè)孤立的系統(tǒng)而產(chǎn)生信息孤島現(xiàn)象，又或者是數(shù)據(jù)采集過(guò)于片面。所以傳統(tǒng)行業(yè)能夠運(yùn)用大數(shù)據(jù)技術(shù)創(chuàng)造更大的商業(yè)價(jià)值的前提是實(shí)現(xiàn)信息化、數(shù)字化，并且要有新的思維，不論是公司高層還是底層（這就涉及到第三部分——管理變革）。此外，大叔級(jí)技術(shù)在國(guó)內(nèi)的發(fā)展不能說(shuō)順利。首先國(guó)內(nèi)的大數(shù)據(jù)技術(shù)缺乏數(shù)據(jù)準(zhǔn)備階段，這就使得發(fā)展大數(shù)據(jù)成為空話或者是說(shuō)只是一種概念炒作，對(duì)比國(guó)外，沒(méi)有媒體刻意推進(jìn)和炒作，只是在腳踏實(shí)地地研究，這樣出來(lái)的技術(shù)才可能是完美的成熟的。要發(fā)展好大數(shù)據(jù)，要利用大數(shù)據(jù)創(chuàng)造的價(jià)值，就要改變管理的思維方式，變革管理模式。運(yùn)用大數(shù)據(jù)的企業(yè)要改變，研究開(kāi)發(fā)大數(shù)據(jù)的企業(yè)也要改變。維克托〃爾耶〃舍恩伯格在《大數(shù)據(jù)時(shí)代:生活、工作與思維的大變革》中最具洞見(jiàn)之處在于，他明確指出，大數(shù)據(jù)時(shí)代最大的轉(zhuǎn)變就是，放棄對(duì)因果關(guān)系的渴求，而取而代之關(guān)注相關(guān)關(guān)系。也就是說(shuō)只要知道?是什么?，而不需要知道?為什么?。這顛覆了千百年來(lái)人類的思維慣例，對(duì)人類的認(rèn)知和與世界交流的方式提出了全新的挑戰(zhàn)。對(duì)于大數(shù)據(jù)（Big Data）的應(yīng)用，并不是他不想證明因果關(guān)系，而是并不能證明因果關(guān)系。由于大數(shù)據(jù)的收集方法和分析方法，在于把所有能收集的數(shù)據(jù)都收集，再集中分析，這種研究方法是缺乏時(shí)效性（temporality）的，所以，他并不能證明因果關(guān)系，只可以說(shuō)明兩者的相關(guān)關(guān)系?？墒?，對(duì)于事物發(fā)展的預(yù)測(cè)，有時(shí)，影響因素成千上萬(wàn)，解釋的理論更加是多如牛毛。大數(shù)據(jù)改造了我們的生活，它能優(yōu)化、提高、高效化并最終捕捉住利益，那直覺(jué)、信仰、不確定性和創(chuàng)意還能扮演什么角色呢？就算大數(shù)據(jù)無(wú)法教會(huì)我們所有事情，只要能幫助我們表現(xiàn)更佳、更富效率、取得進(jìn)步，就算缺乏深入理解也是很有用的了。一貫如是地堅(jiān)持下去才有效力。即使你不明白為什么付出的努力得不到回報(bào)，但相比不努力，你要明白你已經(jīng)在改善事情的結(jié)局了。有時(shí)候，當(dāng)我們掌握了大量新型數(shù)據(jù)時(shí)，精確性就不那么重要了，我們同樣可以掌握事情的發(fā)展趨勢(shì)。大數(shù)據(jù)不僅讓我們不再期待精確性，也讓我們無(wú)法實(shí)現(xiàn)精確性。然而，除了一開(kāi)始會(huì)與我們的直覺(jué)相矛盾之外，接受數(shù)據(jù)的不精確和不完美，我們反而能夠更好地進(jìn)行預(yù)測(cè)，也能夠更好地理解這個(gè)世界。大數(shù)據(jù)并不是一個(gè)充斥著運(yùn)算法則和機(jī)器的冰冷世界，其中仍需要人類扮演重要角色。人類獨(dú)有的弱點(diǎn)、錯(cuò)覺(jué)、錯(cuò)誤都是十分必要的，因?yàn)檫@些特性的另一頭牽著的是人類的創(chuàng)造力、直覺(jué)和天賦。偶爾也會(huì)帶來(lái)屈辱或固執(zhí)的同樣混亂的大腦運(yùn)作，也能帶來(lái)成功，或在偶然間促成我們的偉大。這提示我們應(yīng)該樂(lè)于接受類似的不準(zhǔn)確，因?yàn)椴粶?zhǔn)確正是我們之所以為人的特征之一。以上就是我的一些感悟，在大數(shù)據(jù)時(shí)代的背景下，我們應(yīng)該看到其更深層次的東西，抓住機(jī)遇迎接挑戰(zhàn)，不斷進(jìn)步。摘錄部分：下面摘錄一部分我在知乎上看到的關(guān)于《大數(shù)據(jù)時(shí)代》的討論，網(wǎng)友提出的質(zhì)疑同樣值得我們深思。作者：AndyHsu來(lái)源：知乎鏈接：《大數(shù)據(jù)時(shí)代：生活、工作、思維的大變革》。我看推薦說(shuō)這是?迄今為止最好的一本大數(shù)據(jù)專著?。目前公司在搞Hadoop、大數(shù)據(jù)應(yīng)用，外面各類零碎的資料也非常多，那么想我應(yīng)該去看一下這?最好?的專著吧。一、主要觀點(diǎn)上可以探討的地方作者提出了關(guān)于大數(shù)據(jù)的?擲地有聲?的三個(gè)原則。這三個(gè)原則凡講大數(shù)據(jù)必被提及，很多人奉為圭臬。但是我覺(jué)得每一點(diǎn)都值得探討。這三點(diǎn)分別是：不是隨機(jī)樣本，而是全體數(shù)據(jù)；不是精確性，而是混雜性；不是因果關(guān)系，而是相關(guān)關(guān)系?？赐曛蟾杏X(jué)都有點(diǎn)不是那么回事。，而是全體數(shù)據(jù)這個(gè)說(shuō)得好像人類從來(lái)就不知道使用全體數(shù)據(jù)可以得到更全面的結(jié)論，而非要去煞費(fèi)苦心發(fā)展出一套抽樣技術(shù)一樣。人類早就知道處理全量數(shù)據(jù)的好處，而之所以要進(jìn)行抽樣分析，原因不外乎兩點(diǎn)：一是處理能力跟不上，二是數(shù)據(jù)收集能力跟不上。作者認(rèn)為人類之前主要受限于數(shù)據(jù)的處理能力而不去處理全量數(shù)據(jù)，但在目前機(jī)器處理能力有了巨大的提升的時(shí)代，限制絕大多數(shù)應(yīng)用的瓶頸不是計(jì)算能力而是數(shù)據(jù)采集能力（不要去提那些極少數(shù)需要超級(jí)計(jì)算機(jī)的場(chǎng)合，那個(gè)和多數(shù)人無(wú)關(guān)、和本書的商業(yè)主題也無(wú)關(guān)）。但是即便如此，抽樣所要針對(duì)的