大小数据 | 辨析大数据价值与小数据洞察

大数据技术的出现带给人们的思维方式、行为方式、媒体传播方式及社会治理方式等都诸多方面带来了革命性的变革。《大数据时代》一书的核心观点是说：“在大数据时代，我们正经历着一场生活、工作与思维的大变革。

我们没必要非得知道现象背后的原因，而是要让数据自己发声。”在大数据时代，相关关系能够帮助我们更好地了解这个世界，建立在相关关系分析法上面的预测是大数据的核心，通过找到“关联物”并监控它，我们就能够预测未来。

作者还提出了“大数据三原则”：要全体不要抽样，要效率不要精确，要相关不要因果。虽说该书作者提出的“要相关不要因果”的观点还值得商榷，但“相关性”观点还是从某个层面上说出了大数据时代的核心特征。大数据是往往是商业自动化产生的数据，又具有实时在线的特征。

与大数据概念相对应的，在这之前的数据似乎就是所谓小数据，如果有所谓的小数据概念的话，应该特指采用调查方法获得的抽样数据，或者是结构化的海量数据。对于小数据的分析通常采用的是传统的统计分析方法，是一种自上而下的实证研究方法论。小数据往往依托数理统计的大数定律，描述了抽样理论下样本最终服从中心极限定理的正态分布理论，强调描述性统计学和推断统计学。

大数据重预测，小数据重解释

大数据的开放性、公开性和易获得性，社交网络每天产生的大数据可以在一定规则开放性下，通过应用程序接口(API)和爬虫技术采集，一些商业机构和政府组织也向社会研究机构提供各种海量数据源，特别是政府开始提供权威开放数据源。大数据往往带有时间标签，更具预测性。国内外众多机构开始采集海量Twitter和微博上的传播信息和个人属性特征和标签，期望预测社会舆情和社会情感、预测电影票房、预测商业机会，进而期望预测人们的态度和行为。开放、公开易获得数据源是大数据时代的基本特征和产生社会影响本质。

大数据重发现，而小数据重实证

传统的小数据重实证研究，强调在理论的前提下建立假设，收集数据，证伪理论的适用性，采用随机抽样的定量调查问卷获取数据，验证假设。这是一种自上而下的决策和思维过程。而大数据重发现知识，预知未来，为探索未知的社会现象和发展规律带来机遇。这种预见性是一种自下而上的知识发现过程，是在没有理论假设的前提下去预知社会和洞察社会现象、趋势和规律。

大数据重相关，小数据重因果

大数据重关系，而不关心因果，关注是什么而不关心为什么，尽管大数据依然可以回答因果问题，但因果关系并非来自统计或数据，而是来自研究者的理论和假设。大数据分析更关注数据的相关性测量和商业应用价值。大数据挖掘往往是发现那些不能靠直觉发现的信息和知识，甚至是违背直觉的，有时候越是出乎意料可能越有社会和商业价值。媒体人应该有责任和有能力从数据中发现事物内在规律，发现内在，预警社会。

大数据重全体，小数据重抽样

大数据是商业自动化存储的数据，在软硬件满足的条件下可以分析海量数据。随着存储和软硬件的经济性和分析工具的高性能，海量数据的处理能力得到提升，数据挖掘算法不断改进和丰富，特别是统计分析和机器学习的神经网络建模技术发展，抽样并非是必要的手段和方法论。尽管大数据不一定是总体，理论上讲再大的局部也没有随机抽样更具代表性，但机器学习算法所带来的个性化推荐技术、非线性建模、网络分析、空间地理分析、实时在线的数据可视化分析手段都应成为我们认识世界、感知社会的重要手段和目的。

大数据重感知，小数据重精确

大数据具有变生产边应用，边应用边生产，实时在线分析的特点，往往更关注数据从总体上感知社会，通过大数据的在线可视化技术呈现大规模数据的流动模式，大数据时代背景下的社会治理、舆情研究、智慧城市、智能交通、传染病传播、谣言传播提供了数据基础。大数据同时关注对个体的数据挖掘，个性化推荐，精准营销，传播路径分析等应用领域都具有大数据特点。小数据往往采用显著性检验，统计显著性受到样本代表性和样本量的影响，对数据来源的真实性、无偏性和代表性格外重视。

大数据挖掘技术可以说是统计分析技术的进化，但狭义角度讲大数据的挖掘已经不是小数据时代的统计分析了，更多的是指机器学习算法和云计算技术，当然也包括传统的多变量高级统计技术。与此同时，数据科学(Data Science)兴起，人们调侃说数据科学家成为最抢手、最热门、最性感的职业。

尽管所谓的小数据具有大数据不可替代的商业应用和学术研究价值，但是大数据带来的社会变革是小数据无法比拟的，社会已经将大数据认为是国家发展战略，是社会第四生产要素，是驱动社会变革和创新的新动力。

大数据一切从开源开始，”软件定义一起，数据驱动未来，算法统治世界”是IT领域相关人士对大数据时代的最好诠释。特别是大数据与新闻融合产生了数据新闻，成为未来新闻事业的发展方向，这种报道形式不仅丰富了新闻的表现形式，而且改变了新闻生产流程，对于新闻从业人员的思维也是一次巨大的颠覆。