添加微信好友, 获取更多信息
复制微信号
在大数据时代，人类社会面临的问题之一是如何更好的利用数据来辅助决策。
如果将传统的思维模式——精确性运用于数据化、网络化的21世纪，就会错过重要的信息，执迷于精确性是信息缺乏时代的产物。当我们掌握了大量新型数据时，精确性就不那么重要了，不因为依赖精确性，我们同样可以掌握事情的发展趋势。
相比依赖于小数据和精确性的时代，大数据因为更强调数据的完整性和混杂性，帮助我们进一步接近事实的真相。“部分”和“确切”的吸引力是可以理解的。但是，当我们的视野局限在我们可以分析和能够确定的数据上时，我们对世界的整体理解就可能产生错误和偏差。
德清 大数据时代，思维方式的一个改变，不执着于对精确性的追求，拥抱混乱。另外一个思维方式的转变则是，更加重视相关关系，而不偏执于基于假设基础上对因果关系的追寻。
在小数据的世界中，相关关系也是有用的，但在大数据的背景下，相关关系大放异彩。通过应用相关关系，我们可以比以前更容易、更便捷、更清楚地分析事物。
德清 相关关系通过识别有用的关联物来帮助我们分析一个现象，而不是通过揭示其内部的运作机制。当然，即使是很强的相关关系也不一定能解释每一种情况，比如两个事物看上去行为相似，但很有可能只是巧合。相关关系没有绝对，只有可能性。
德清 我们用数据驱动的关于大数据的相关关系分析法，取代了基于假想的易出错的方法。大数据的相关关系分析法更准确、更快，而且不易受偏见的影响。建立在相关关系分析法基础上的预测是大数据的核心。这种预测发生的频率非常高，以至于我们经常忽略了它的创新性。当然，它的应用会越来越多。
在社会环境下寻找关联物只是大数据分析法采取的一种方式。同样有用的一种方式是，通过找出新种类数据之间的相互联系来解决日常需要。比方说，一种称为预测分析法的方法就被广泛的应用于商业领域，它可以预测实践的发生。
比如车的某个零部件出故障。因为一个东西要出故障，不会是瞬间的，而是慢慢地出问题的。通过收集所有的数据，我们可以预先捕捉到事物要出故障的信号，比方说发动机的嗡嗡声、引擎过热都说明它们可能要出故障了。
系统把这些异常情况与正常情况进行对比，就会知道什么地方出了毛病。通过尽早的发现异常，系统可以提醒我们在故障之前更换零件或者修复问题。通过找出一个关联物并监控它，我们就能预测未来。
在小数据时代，我们会假想世界是怎么运作的，然后通过收集和分析数据来验证这种假想。在不久的将来，我们会在大数据的指导下探索世界，不再受限于各种假想。我们的研究始于数据，也因为数据我们发现了以前不曾发现的联系。
总之，除了纠结于数据的准确性、正确性和严格度之外，我们也应该容许一些不精确的存在。数据不可能是完全正确或完全错误的，当数据的规模以数量级增加时，对大数据进行深挖和分析，我们能够把握真正有用的数据，避免做出盲目和错误的决策。
德清