
驳《大数据时代》的三个观点_数据分析师
观点速递
近年来,信息化的步伐急剧推动着海量数据,波澜壮阔的大数据浪潮席卷人类社会各个领域,一些通俗读物囫囵吞枣的浅知误见也随之流传。例如,当前国内常 常援引维克多等人撰写的《大数据时代》中提出的三个主要观点,并成为一种流行。这不仅不能揭示大数据时代的真正本质,而且将产生严重误导。
《大数据时代》提出,大数据时代不是因果关系,而是相互关系,这说明作者不了解因果关系本身也是一种相互关系。18世纪,英国怀疑论者休谟早就指 出,不但我们的理性不能帮助我们发现原因和结果的最终联系,而且经验给我们指出它们的恒常结合以后,我们也不能凭自己的理性使自己相信,我们为什么把那 种经验扩大到我们所曾观察过那些特殊事物以外。在休谟看来,因果关系不是自然的本质,而是因为我们所养成的心理习惯和人性所造成的。恩格斯从辩证唯 物主义立场对此给与了批判性的扬弃,他指出,原因和结果这两个观念,只有在应用于个别场合时才有其本来的意义,要认识世界上一切过程的‘自己运 动’、自生的发展和蓬勃的生活,就要把这些过程当做对立面的统一来认识。《大数据时代》将休谟这一早已提出几个世纪的陈旧观点,作为大数据时代的新概 念,不仅陈旧,而且错误。
《大数据时代》认为,大数据时代不是随机样本而是全体数据,认识事物不再是从随机抽取的部分样本,而是从全部数据出发。实际上,人类在有限的时间 内不可能穷尽事物的全部。如果把现在的大数据方法和过去的小数据时代的抽样调查方法相比,我们只能说,大数据时代可以用更为精确的、全面的数据,以包含更 大因素的仿真模型来追踪、分析模拟现实,取得比过去更为精确的认识结果。尽管如此,与全体相比,我们已经认识到的永远是少数,误差、错误还是不能完全消 除。
《大数据时代》指出,大数据时代不是精确性,而是混杂性,其意指小数据时代讲究精确性,大数据时代却因为掌握了大量数据而不再拘泥于精确性,可以 比较模糊地行动。这显然是错误的。因为过去的方法虽然能够掌握精确的小数据,但大多数数据却会因处理能力有限而被遗漏、舍弃,认识的结果自然就无法实现精 确、全面。在大数据时代,因为掌握了更为全面的数据,可以在更大的时间和空间范围认识事物,因此能够更为准确、量化,以至于对一些事物现象的中间模糊区域 也可以得到更为准确的认识,其精确度和模糊度、误差本身都更为精确量化。
我曾预言,信息化是上帝给中国崛起准备的礼物,因为中国的人口数量世界第一,信息产业市场最大,最有机会发展信息化、大数据和智慧化产业。现在大 数据迅速推广,可喜可贺。但目前我国有一种极为严重的盲从国外的现象,盲目跟外国人之口风。我们千万不要因盲从国外而将上帝送来的礼物又让给别人!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23