京公网安备 11010802034615号
经营许可证编号:京B2-20210330
透过现象看本质 大数据核心并不在规模大
大数据之所以可以飞速发展,得益于互联网以及各种智能设备的发展,人们的行为、位置、生理特征等等,无时无刻不在生成数据被这些设备所采集。
而大数据的核心并不在规模大,而是它蕴含的是计算和思维方式的转变。大数据的推崇者认为所有通过数据的分析都事正确的;认为数据捕捉全面,所以可以摒弃过去传统的抽样统计的方法;认为人们只需要知道数据之间有统计相关性就行,数据已经达到可以自己做出结论了。
通过现象看本质 不要曲解数据
上述这些观点过于乐观,事实并非如此。在我们有了足够多的数据时,往往不能看直接的结果,需要对数据进行进一步分析。比如英国二战时期空战的例子,每次能回来的战斗机机翼上有很多枪眼,于是工程师们就加强防护,但增加了防护之后,飞机的损失率反而提高了,于是统计学家 Wald改变思维模式,在没有枪眼的部位加强防护,最后效果很好。
数据并非绝对全面
前段时间,淘宝做过几个基于网购的大数据调查分析,主要以娱乐为主,得出了一些很有趣的结果。但也不难看出,虽然淘宝的注册用户高达几亿,但是所统计的数据中,并不是所有用户都购买了所统计的产品,也有部分用户不是用自己账号购买商品,淘宝也有很多刷单的情况等等。
不确定的情况很多,喜欢网购的人群是受限制的,他们并不能代表所有的消费群体。我们不能说网上的统计结果没有意义,但是也不能夸大这种只有部分代表性的结果,否则我们可能会被误导。
《大数据》这本书的联合作者,牛津大学互联网中心的Viktor Mayer-Schonberger教授说,“他最喜欢的对于大数据集合的定义是‘N=所有’,在这里不再需要采样,因为我们有整个人群的数据。”当“N=所有”的时候确实不再有采样偏差的问题,因为采样已经包含了所有人。
结语
对于大数据,统计学家们正争先恐后的为大数据开发新的工具。这些新的工具当然很重要,但它们只有在吸取而不是遗忘过去统计学精髓的基础上才能成功。不能过度崇拜大数据,要善用大数据,大数据所反映出的结果是需要人们进行科学的分析和提取的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-07-24【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21一、活动介绍 2026暑期CDA备考冲刺季,为想利用假期拿证的你量身打造。考点胶囊内容搭配多重硬核福利,让你在旅行、实习、居家 ...
2026-07-21金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15