rosebt:小数据很美丽-CDA数据分析师
市场营销技术将“大数据”鼓吹的天花乱坠,反而忽略了这样一个事实:更易操作的,更有价值的见解更有可能在小数据而不是大数据中被找到。有很多理由支持这一点,但主要的理由是大数据的“诅咒”。“大数据”意味着和小数据集有着不同性质的庞大数据集,需要特别的数据科学方法来区分信号和噪音,并提取出有意义的信息,这需要特别的计算系统和计算能力。
Vincent Granville这样定义大数据的诅咒。简单来说,你会在大数据集中发现更多“统计上显著”的关系。“统计上显著”是一个统计检验,检验观测值是否具有某个不仅仅是巧合的规律,这个规律可能有也可能没有意义。数据集越大,越多的“统计上显著”的关系将会无意义—这将大大提高人们把噪音误解为信号的可能性。“信号”意味着根据科学对数据有意义的解读,并可能转化成科学证据和知识。“噪音”意味着对数据无科学依据的解读,不会被认作是科学证据。但噪音可能被操纵成为某种形式的知识(事实上是无稽之谈)。
所以大数据在数据中会产生更多关联和规律—然而也产生比信号更多的噪音。统计第二类错误(存伪)的数量大大增加。换句话说,更多非因果关系的相互关系导致了对真相的幻觉。
“相互关系”意味着一系列广义的统计联系。“虚假的相互关系”意味着不是由于两变量间的直接关系,而是其他变量对其影响而产生的关系。“因果关系”意味着有科学证据支持的原因和结果之间的关系(比如一个事件(原因)和另一个事件(结果)的关系,第二个事件被认为是第一个事件的结果)。“相互关系并不能推断出因果关系”是科学界和统计学界的一个术语,来强调两变量之间有相互关系并不一定能推断出一个导致了另一个。
但人们天生就擅长看到规律。这对人类在丛林里生存是必要的素质,但却损害了我们很多形式的抽象思维—特别是误将数据中的随机性理解为有意义。换句话说,将噪音误解为信号。
大数据使我们难以在大堆数据中发现有操作性的、有价值的见解。它的危险是,我们将越来越多的错将数据中的随机性当作信号,从而做出错误的决策。
我有一个策略来解决“大数据的诅咒”这一问题—在很多情形下(但不是所有),有意的将大数据集分解为若干小数据集。将大数据集分解为小数据集应该有技巧的进行,而不是随意而为。分析和测试小数据集来区分信号和噪音并提取意义要比直接分析大数据容易得多。
时刻注意大数据的诅咒,避免错将噪音当成信号。小数据实际上也很美丽。
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