京公网安备 11010802034615号
经营许可证编号:京B2-20210330
对大数据分析错误认识那么多 舍恩伯格你知道吗?
随着大数据时代的到来,很多人对大数据产生了浓厚的兴趣,然而,大数据只是一个新概念,很多认识都是不正确的。
大数据产生的背景是整个社会走向数字化,特别是社交网络和各种传感设备的发展。大数据分析拥有自身的特点,与计量经济学既有区别又有联系。当前对大数据的分析存在许多流行观点,但其中很多核心观点都值得商榷。
大数据产生的背景是整个社会走向数字化,特别是社交网络和各种传感设备的发展。云计算和搜索引擎的发展,使得对大数据的高效分析成为可能,核心问题是如何在种类繁多、数量庞大的数据中快速获取有价值信息。大数据在社会分析、科学发现和商业决策中的作用越来越大,金融只是其中的一个应用领域。
什么是大数据
大数据是一个新概念,英文中至少有三个名称:大数据(big data)、大尺度数据(big scale data)和大规模数据(massive data),至今未形成统一定义。但一般认为大数据具有四个基本特征(即所谓4V特征):数据体量庞大(volume)、价值密度低(value, 也有人理解成应用价值巨大)、来源广泛和特征多样(variety)、增长速度快(velocity, 也有人理解成需要高速分析能力)。
从学术角度,对大数据的讨论基本属于数据科学(Data Science)和数据挖掘(Data Mining)的范畴。
对大数据分析的主流误解
舍恩伯格与合作者的《大数据时代》非常流行,但里面的很多核心观点都值得商榷。
第一,他们认为,大数据分析不是针对随机样本,而是全体数据。尽管数据收集和分析手段足够发达后,对全部数据的收集和分析成为可能,但从成本收益上衡量,这样做不是总有必要。根据中心极限定理,统计分析质量与样本数量之间存在平方根关系。比如,样本数量提高100倍,分析质量提高10倍。而统计分析工作量与样本数量之间存在线性关系。比如,样本数量提高100倍,存储和计算量一般增加100倍。这样,样本数量增长到一定程度后,新增工作量对应的成本就会超过质量提高产生的好处。因此,通过科学设计的抽样调查获得有代表性的样本,在大数据分析中仍有价值。
第二,他们还认为,大数据分析不是因果关系,而是相关关系。这个说法在统计学中是老生常谈,不是什么新观点。统计学基于相关关系,只能被用来证伪因果关系,而不能被用来证实因果关系。大数据分析的基础理论也是概率论和数理统计,从根本上就属于相关关系的范畴。
第三,大数据分析也不是万能的。基于大数据的预测可以抽象表述为:用 表示已知信息,用 表示未知信息,寻找关于 的函数 作为 的预测。预测误差是 ,用 (类似于均方误差)来衡量预测效果。概率论有一个基本结论:
对任意 ,总有 ,其中等号仅当时才成立,所以 也被称为最佳预测(best predictor)。
可以看出两点结论:首先,大数据分析中,各种算法的核心任务是使 尽可能接近理论上的最优预测 ;其次,即使在最优预测上, 代表的预测误差仍不能被消除,是内生于信息结构的。比如,即使信息技术非常发达,如果现实世界中仍有部分信息不能被数字化(从而不能用在大数据分析中),这部分被“尘封”的信息就决定了大数据分析的有效边界。
第四,大数据能降低信息不对称的程度,但不能消除随机性(不确定性);有助于评估风险(未来遭受损失的可能性,其中损失分布可计量),但不能消除奈特式不确定性(其中损失分布不可计量)。
大数据毕竟是一个新生儿,人们对它的认识会经历一个由误解到正确认识的过程,对于舍恩伯格而言,他关于大数据的一些观点,也有很多值得商榷的地方,毕竟理论需要实践来检验。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 多表进阶与 DDL/DML 连接 · 子查询 · 合并 · 建表与书写规范 ” 三、DQL 多表进阶:连 ...
2026-11-20 前面讲了怎么搭指标体系,但很多团队卡在最后一步:高层定了一个漂亮的目标,往下一层层写进周报,最后却落不到任何人的具体 ...
2026-11-20 很多团队做数据分析的现状是:老板要一个数就拉一个数,周报里堆满了 GMV、DAU、转化率,却没人说得清这些数之间是什么关系 ...
2026-11-20这周你大概又经历过一次:报表自己跑了,SQL 让 AI 写了,连周报初稿都不用自己动手。你一边松口气,一边心里发慌——那我还剩什 ...
2026-11-20 做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12