京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10