大数据的五点思考
大数据不在乎体量有多少，而是背后用它的那个大脑。实则大众对大数据依然存在不少误解。刘得寰教授在微博上发表了其对大数据的五点思考（后续可能还有更新），对近期大数据被大众捧为瑰宝的做法提出了自己不同观点：
任何一个网站的数据都是人们互联网行为数据的很小的一个子集，无论这个子集多么全面，分析多么深入，都是子集，不是全集。对于企业来讲，竞争对手的数据价值远远超过自己网站数据的价值，从量级上，对于所有公司都一样，自己拥有的数据远远小于全集数据。看起来的全数据恰恰是残缺数据。
数据量的大幅增加会造成结果的不准确，来源不同的信息混杂会加大数据的混乱程度。研究发现：巨量数据集和细颗粒度的测量会导致出现“错误发现”的风险增加。那种认为“假设、检验、验证的科学方法已经过时”的论调，正是大数据时代的混乱与迷茫，人们索性拥抱凯文凯利所称的混乱。
互联网用户的基本特征、消费行为、上网行为、渠道偏好、行为喜好、生活轨迹与位置等，反映用户的基本行为规律。体系完整是所有分析性工作的第一步，完整的框架甚至胜过高深的模型。人类的认识最大的危险是不顾后果的运用局部知识。如果只关心自己网站数据，其分析基础必然是断裂数据。
现在谈到大数据，基本有四个混乱观念：第一，大数据是全数据，忽视甚至蔑视抽样；第二，连续数据就是大数据；第三，数据量级大是大数据；第四，数据量大好于量小。对应的是：抽样数据只要抽样合理，结论准确；连续只是一个数据结构；大量级的噪音会得出错误结论；大小与价值关系不大。
大数据不是新事物，天气、地震、量子物理、基因、医学等都是，借鉴他们的方法有益。他们用抽样调查。互联网数据挖掘方法论也如此，不同的是更难，因为人的复杂性。既然是关于人的研究就需应用所有研究人的方法梳理大数据。只要懂编程、懂调动数据的人就可以做大数据挖掘的说法是谬误。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
【核心关键词】主数据、资产、供应商、现金流、企业、精细化、集团、数字化、中国、数据质量、数据管理、经营管理、地产行业、 ...
2026-06-24在数据分析、假设检验、AB测试、学术研究等统计场景中，显著水平（α）与P值（P-value）是判断统计结果是否具有统计学意义的两个 ...
2026-06-24小李刚入职了一家互联网公司的运营部门。第一次参加业务复盘会，运营主管问了一个看似简单的问题：“这个月新用户留存率下降了5 ...
2026-06-24在数字化转型全面渗透的产业背景下，数据分析已成为互联网、金融、零售、制造等几乎所有行业的核心岗位能力。很多初学者对数据分 ...
2026-06-23在企业并购、股权定价、投融资评估、资产核算等资本市场核心场景中，市场法是应用最广泛、市场认可度最高的企业价值评估方法。传 ...
2026-06-23 许多数据分析师精通Excel函数和SQL查询，但当面对一张上万行的销售明细表，要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-06-23【核心关键词】运营、证书、金融、客户、产品、软件、销售额、量化、科技、数据分析、金融行业、证券类软件、业务流程、金融机 ...
2026-06-22在企业方案选型、产品迭代评审、供应商筛选、运营效果复盘等决策场景中，单一指标的优劣判断往往无法支撑科学决策。一套转化效果 ...
2026-06-22 很多数据分析师掌握了Excel函数、会写SQL查询，但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-06-22【核心关键词】软件、洞察力、大数据、产品、经验、硬件、流量、创新、决策、数据安全、网络安全、数据分析、决策制定、数据挖 ...
2026-06-18在方案选型、效果复盘、产品评估、供应商筛选等各类业务决策场景中，仅凭单一指标下结论往往会陷入 “以偏概全” 的误区。多维度 ...
2026-06-18 很多数据分析师精通Excel单元格操作，但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-06-18在数据分析、用户运营与业务增长的工作体系中，漏斗拆解是最基础也最高频的问题定位方法。很多业务场景下，我们只能看到最终的转 ...
2026-06-17在数据库开发、数据清洗与报表统计场景中，数值类型转换为日期是高频刚需操作。业务系统常以 Unix 时间戳、整型日期（如20240617 ...
2026-06-17 数据分析师八成以上的时间在和数据表格打交道，但许多人拿到Excel后习惯性地先算、先分析，结果回头发现漏了一列关键数据， ...
2026-06-17【核心关键词】数据库、电商、知识、产品、数据产品、监管业务、产品经理、业务系统、用户行为分析、用户分析、数据分析、电商 ...
2026-06-16在 Python 动态类型与面向对象的编程体系中，变量定义与类实例化是构建代码逻辑的两大核心基石。变量是数据存储、传递与运算的基 ...
2026-06-16 很多数据分析师每天与Excel打交道，但当被问到“表格结构数据和表结构数据有什么区别”“数据类型误判会引发哪些分析错误” ...
2026-06-16在 MySQL 查询性能优化体系中，索引是降低查询耗时、提升数据库吞吐的核心手段。其中联合索引与覆盖索引是实际开发中最高频的两 ...
2026-06-15在数据仓库建设与商业智能分析体系中，维度建模是应用最广泛的建模方法论，而事实表与维度表是维度建模的两大核心构件，共同构成 ...
2026-06-15
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
