去逛一些大型商场，有时你会发现，啤酒旁边摆放的竟然是尿布。这种做法最先起源于沃尔玛，沃尔玛通过对超市人群购买行为的大量数据分析，发现男性来买啤酒的时候，通常也会买尿布。于是超市将尿布和啤酒摆放在一起出售，从而提高利润。

尿布与啤酒之间的奇妙关联，背后是大量数据的挖掘与分析。这个小小的案例体现的便是一种大数据思维。维克托迈尔舍恩伯格在《大数据时代》提出大数据思 维的三个原则：一、不是因果关系，而是相关性；二、样本=全部不是随即样本，而是全部数据；三、不是精确性，而是混杂性。也就是说，大数据经 由尽可能多的数据挖掘出那些我们平时根本无法察觉到的隐秘联系，轻松地知其然，即使我们完全不知其所以然。

大数据描绘了一个激动人心的未来，也难怪很长一段时间以来，大数据成为最热门的概念之一。人们对大数据的拥趸和美好想象，一方面是我们生活的世界正在 数据化：物联网上，购买行为的数据化；导航时，方位的数据化；微博微信上，沟通的数据化这为大数据时代提供了可能；另一方面，现代社会仍面临 着许多未解的难题，许多跨不过的障碍，人们期冀于大数据能够力挽狂澜，帮助现代人走出困境。

在这样的背景下，大数据正被不断神化。纽约时报专栏作者大卫布鲁克斯《大数据不能做什么？》很难得地发出了不同的声音。他指出大数据的几个缺陷。首 先，大数据擅长于分析关系的数量而非质量，因此它会忽略很多举足轻重的信息。比如社交网络的数据可以分辨出你的6个同事，你一天中有76%的时间会见他 们，却很难发现你一个一年只见两次面的童年伙伴。其次，大数据不懂背景。我们说一句话究竟是认真的还是开玩笑，是为了表达愤怒还是善意，这些要放在具体语 境分析，数据分析很难搞清楚这些。还比如大数据会带来大量毫无意义的伪相关；数据偏爱潮流，忽视创新；原始数据其实并不原始，原始数据往往会被扭曲，等 等。

除此，也有人以为，大数据最大的问题在于，它过分夸大了数据的作用，以为数据越多越好。事实上，我们最大的难题永远都不是如何获取数据，而是如何找到数据 之间的联系，近十年来概率模型应用的规模一再扩大，可准确率却停滞不前这个教训不该被忘记。啤酒与尿布只是最表层数据挖掘，真正的数据处理比谷歌翻译 复杂成千上万倍，但即便谷歌翻译已如此先进，你也别指望它信达雅。一个太平洋是水，加个大西洋也是一样的水，数据规模到达一定程度之后，继续 扩充的意义已经不大，没有发现关联，再多数据也百无一用，混杂性其实就是伪相关。

人人呼唤大数据，就像人人都呼唤要创新、要改革。然而，问题的难度永远在于：如何创新，如何改革。我们需要大数据思维为我们点亮思想的火花，但同时必须正 视寻找数据关联存在的巨大艰难。否则，大数据很容易成为一个空洞的原地打转的话语，徒然给了很多人打了鸡血般的鲁莽和热情，投入大量的人力物力财力，以为 挖到了一座金山，实际却是一堆无用的数据。