為大資料「去魅」 ——對《大資料時代》的一點反思

□曾于裡

&HTTP://www.aliyun.com/zixun/aggregation/37954.html">nbsp;       去逛一些大型商場，有時你會發現，啤酒旁邊擺放的竟然是尿布。 這種做法最先起源于沃爾瑪，沃爾瑪通過對超市人群購買行為的大量資料分析，發現男性來買啤酒的時候，通常也會買尿布。 於是超市將尿布和啤酒擺放在一起出售，從而提高利潤。

尿布與啤酒之間的奇妙關聯，背後是大量資料的挖掘與分析。 這個小小的案例體現的便是一種大資料思維。 維克托·邁爾·舍恩伯格在《大資料時代》提出大資料思 維的三個原則：一、不是因果關係，而是相關性；二、「樣本=全部」——不是隨即樣本，而是全部資料；三、不是精確性，而是混雜性。 也就是說，「大資料」經 由盡可能多的資料採礦出那些我們平時根本無法察覺到的隱秘聯繫，輕鬆地「知其然」，即使我們完全不知其所以然。

大資料描繪了一個激動人心的未來，也難怪很長一段時間以來，「大資料」成為最熱門的概念之一。 人們對大資料的擁躉和美好想像，一方面是我們生活的世界正在 「資料化」：「物聯網」上，購買行為的資料化；導航時，方位的資料化；微博微信上，溝通的資料化...... 這為大資料時代提供了可能；另一方面，現代社會仍面臨 著許多未解的難題，許多跨不過的障礙，人們期冀于大資料能夠「力挽狂瀾」，説明現代人走出困境。

在這樣的背景下，大資料正被不斷「神化」。 紐約時報專欄作者大衛·布魯克斯《大資料不能做什麼？ 》很難得地發出了不同的聲音。 他指出大資料的幾個缺陷。 首 先，大資料擅長於分析關係的數量而非品質，因此它會忽略很多舉足輕重的資訊。 比如社交網路的資料可以分辨出你的6個同事，你一天中有76%的時間會見他 們，卻很難發現你一個一年只見兩次面的童年夥伴。 其次，大資料不懂背景。 我們說一句話究竟是認真的還是開玩笑，是為了表達憤怒還是善意，這些要放在具體語 境分析，資料分析很難搞清楚這些。 還比如大資料會帶來大量毫無意義的偽相關；資料偏愛潮流，忽視創新；原始資料其實並不原始，原始資料往往會被扭曲，等 等。

除此，也有人以為，大資料最大的問題在於，它過分誇大了資料的作用，以為資料越多越好。 事實上，我們最大的難題永遠都不是如何獲取資料，而是如何找到資料 之間的聯繫，近十年來概率模型應用的規模一再擴大，可準確率卻停滯不前——這個教訓不該被忘記。 啤酒與尿布只是最表層資料採礦，真正的資料處理比谷歌翻譯 複雜成千上萬倍，但即便谷歌翻譯已如此「先進」，你也別指望它「信達雅」。 「一個太平洋是水，加個大西洋也是一樣的水」，資料規模到達一定程度之後，繼續 擴充的意義已經不大，沒有發現關聯，再多資料也百無一用，「混雜性」其實就是「偽相關」。

人人呼喚大資料，就像人人都呼喚要創新、要改革。 然而，問題的難度永遠在於：如何創新，如何改革。 我們需要大資料思維為我們點亮思想的火花，但同時必須正 視尋找資料關聯存在的巨大艱難。 否則，大資料很容易成為一個空洞的原地打轉的話語，徒然給了很多人打了雞血般的魯莽和熱情，投入大量的人力物力財力，以為 挖到了一座「金山」，實際卻是一堆無用的資料。