大数据分析的局限乃传统统计学问题
大数据”已成为当今炙手可热的科技,商务、医疗、社交、教育、政务等领域纷纷广泛采用“大数据”技术去提升应用系统的智能及效率。
“大数据”分析之潜在问题
“大数据”的广泛应用始于美国。自从美国总统奥巴马2012年3月推出2亿美元的“大数据研究及发展计划”后,世界各大小经济体陆续仿效,大力投资相关领域。全球资讯科技企业亦不敢怠慢,积极推出适合的大数据资讯科技方案及产品,更大洒金钱推广大数据分析的优点及其所能带来的商机。据观察,近期不少从事金融、医疗、社会工作、工商业、政务等范畴主管都已被潜移默化,鼓吹“大数据”的功能及效益。然而,“大数据”真的是万能的吗?本文引用不同的国际专家报告,反映“大数据”分析之潜在问题。
首篇报告题为《谷歌流感的比喻:大数据分析的陷阱》("The Parable of Google Flu : Traps of Big DataAnalytics"),描述了谷歌公司曾利用“大数据”分析推算2011/2012年度美国流感的趋势,但结果却强差人意,估计的流感个案数目远超过实际数目。而谷歌利用的数据是来自用户使用的关键词(如“禽流感”)次数及分布作推算分析。专家认为构成严重误差的主要原因是谷歌盲目地广泛收集关键词,以为越多越好,却没有了解用户查询时的出发点,结果收集得的数据大部分来自非流感病患者,因此在数据采集阶段已严重犯错,自然推算失准。若数据分析全力集中在流感病患者,结果便会截然不同。
第二位专家是美国加州大学伯克利分校的国际知名学者米高佐敦(MichaelJordon)教授,他最近接受美国IEEE学会杂志访问,在题为"Machine-LearningMaestro Michael Jordan on the Delusions of Big Data and Other Huge EngineeringEfforts" 一文中指出,“大数据”在现今商业市场被过分炒作,它最后可能只是一场空欢喜,教授更预测“大数据”的“冬天”即将来临。他认为“大数据”用户作出假设的速度将会超越大数据的统计范畴,在这情况下数据分析结果难免会出现错误,造成大量噪音,影响推算的可靠性。
从另一角度看,“大数据”用户往往忽略数据的“动力”(dynamics)。例如在变幻无常的商务环境中,用户的需求不停在变,那么昨天的“大数据”分析结果能有效地应用于今天的商务环境吗?能够满足用户今天的需求吗?若然不能,我们需要重新进行分析,但昨天采集商务数据的方法能满足用户今天的新需求吗?归根究底,什么时候开始分析及什么时候停止既是统计学应用的老问题,亦是“大数据”分析必须严肃面对的问题,但在千变万化的应用及数据环境下,要应对这个问题更是难上加难。因此佐敦教授进一步指出“大数据”分析服务提供者有责任清楚说明分析推算法的质量标准及其误差度,做好用户的“期望管理”(Expectation Management)。
“大数据”的十大局限
“前车可鉴”,因此用户在使用“大数据”技术时不容掉以轻心,必须紧慎考虑它在操作上的“盲点”(局限性)。归纳而言,这些“盲点”大致是由于以下网络数据的不健康特性而产生:
- 噪音性:网上数据泛滥,资讯内容五花八门,格式也参差不一。要从中过滤与应用需求无关的数据,既复杂亦耗时。
- 真实性:由于网络资讯自由,即使在找出相关数据之后,内容的真假亦难以分别。例如去年在美国总统大选期间,在网络媒体上謡言满天飞,虚假新闻层出不穷,渗透全美每一角落;“教宗赞助特朗普”、“希拉里向伊斯兰国(IS)贩卖军火”等假新闻在《脸书》上的分享及点评率远比传统纸媒为高。然而,“垃圾入,垃圾出”(Garbage In Garbage Out),基于伪造资讯的“大数据”分析,难免会适得其反。
- 代表性:真实的数据并不一定具代表性。若然系统错误地使用了缺乏代表性的资料作分析的话,结果便会弄巧反拙。
- 完整性:利用非完整的数据进行分析,结果以偏概全,不尽不实,容易引致误判。
- 时效性:某类数据在事件发生当刻可能大派用场,但当事件或时限过后,其影响力未必复再。若然过量的旧数据被用作分析,结果未能反映现况。再者,适时的数据往往因为比旧数据少而很容易被忽略。
- 解释性:在“大数据”的分析过程中,基于输入的数据,算法便会产生及输出分析结果。在分析过程中,数据输入如何产生输出的理据及两者的因果关系并不清晰,如黑箱作业。
- 预测性:世事变幻莫测,以前从未发生过的意外絶不罕见,但却难以预料(分析出来)。因此,有专家认为“大数据”分析是规范的(prescriptive)而不具预测性(predictive)的功能。
- 误导性:使用假资讯或错误分析算法均会影响结果的可靠性。“尽信书则不如无书”,未经核实及验证的分析结果可能会造成严重的反效果。
- 合法性:数据内容、采集方法及其使用过程极有可能涉及个人私隐、商业机密及公众权益等资讯。因此,资讯的安全性和合法性对“大数据”应用十分之关键,可是不少企业只顾赚钱,而罔顾这些因素。
- 价值性:“大数据”不是免费的,企业切忌盲目跟风。数据本身、分析软件等均所费不菲,因此成本效益的衡量是企业采用“大数据”的另一关键考虑点。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14