京公网安备 11010802034615号
经营许可证编号:京B2-20210330
透过现象看本质 大数据核心并不在规模大
大数据之所以可以飞速发展,得益于互联网以及各种智能设备的发展,人们的行为、位置、生理特征等等,无时无刻不在生成数据被这些设备所采集。
而大数据的核心并不在规模大,而是它蕴含的是计算和思维方式的转变。大数据的推崇者认为所有通过数据的分析都事正确的;认为数据捕捉全面,所以可以摒弃过去传统的抽样统计的方法;认为人们只需要知道数据之间有统计相关性就行,数据已经达到可以自己做出结论了。
通过现象看本质 不要曲解数据
上述这些观点过于乐观,事实并非如此。在我们有了足够多的数据时,往往不能看直接的结果,需要对数据进行进一步分析。比如英国二战时期空战的例子,每次能回来的战斗机机翼上有很多枪眼,于是工程师们就加强防护,但增加了防护之后,飞机的损失率反而提高了,于是统计学家 Wald改变思维模式,在没有枪眼的部位加强防护,最后效果很好。
数据并非绝对全面
前段时间,淘宝做过几个基于网购的大数据调查分析,主要以娱乐为主,得出了一些很有趣的结果。但也不难看出,虽然淘宝的注册用户高达几亿,但是所统计的数据中,并不是所有用户都购买了所统计的产品,也有部分用户不是用自己账号购买商品,淘宝也有很多刷单的情况等等。
不确定的情况很多,喜欢网购的人群是受限制的,他们并不能代表所有的消费群体。我们不能说网上的统计结果没有意义,但是也不能夸大这种只有部分代表性的结果,否则我们可能会被误导。
《大数据》这本书的联合作者,牛津大学互联网中心的Viktor Mayer-Schonberger教授说,“他最喜欢的对于大数据集合的定义是‘N=所有’,在这里不再需要采样,因为我们有整个人群的数据。”当“N=所有”的时候确实不再有采样偏差的问题,因为采样已经包含了所有人。
结语
对于大数据,统计学家们正争先恐后的为大数据开发新的工具。这些新的工具当然很重要,但它们只有在吸取而不是遗忘过去统计学精髓的基础上才能成功。不能过度崇拜大数据,要善用大数据,大数据所反映出的结果是需要人们进行科学的分析和提取的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07