对大数据的认识不应盲目跟风_数据分析师

由于大数据技术发展迅速，一些囫囵吞枣的浅知误见也随之流传，如不及时纠正，将造成对大数据先入为主的误区，影响经济社会发展。　　

　　近年来，大数据在我国得到一致重视，各行各业兴起了一股重视大数据、应用大数据的热潮。这种全民迅速接受新生事物的现象，反映了中国经过改革开放，现代化意识深入人心的可喜状况，令人鼓舞。但是，由于大数据技术发展迅速，一些囫囵吞枣的浅知误见也随之流传，如不及时纠正，将造成对大数据先入为主的误区，影响经济社会发展。当前国内十分流行的《大数据时代》（维克托·迈尔-舍恩伯格等著，浙江人民出版社，2013年，以下简称《时代》）中提出了三个存在严重谬误的观点，特此指出，以期引起注意。

　　“不是因果关系，而是相互关系”？

　　《时代》一书的主要观点之一是，大数据时代“不是因果关系，而是相互关系”。其实，早在18世纪，英国怀疑论者休谟就指出，“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。我们只是假设，却永远不能证明，我们所经验过的那些事物必然类似于我们所未曾发现的那些对象。”

　　《时代》一书将这一早已提出几个世纪的观点，作为大数据时代的新概念，不仅陈旧，而且错误。因为，简单地说大数据时代“不是因果关系，而是相互关系”，说明作者不了解因果关系本身也是一种相互关系，即原因与结果前后相继的相互关系，因此将因果关系归结为相互关系并不比因果关系本身更有内涵，实际上，这甚至是一种同义反复。

　　正确的观点应该明确因果关系是一种什么样的相互关系，而这一点经过20世纪自然科学和数理哲学的研究已经有了更深刻的认识。计算机的发明，使得人们开始从计算机语言表达、传递信息的角度来理解知识的起点。大数据时代的到来，使得人们豁然开朗。

　　经济学者李德伟教授在《时代》中译本发表之前，就已提出大数据时代不再强调因果关系，也不是简单地将因果关系归为相互关系，而是精确地指出客观事物运动序列之间存在同构关系，特别是人类认识与外部客观事物之间存在对应的、同构的关系，信息的表达、传输和存储就是一种同构关系，也就是说，外部客观事物运动与人的主观认识都是客观世界的事物现象，是协调性的、一一对应的相互关系，主观认识映像只是承载、传递外部客观事物现象的一种符号系统。无论是从人自身悟出来，还是从外部经验事物抽象出来，都是同构的、对应的关系。

　　“不是随机样本，而是全体数据”？

　　《时代》一书认为大数据时代“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。这种说法忽视了全部与部分的辩证关系。人类在有限的时间内不可能穷尽事物的全部，绝对真理只能在人类前后相继的、永远不会停止的认识过程中实现。任何事物的发展总是有过去、现在和未来，现在的是现在，未来的尚未出现，全部案例不可能在有限时间内达到，认识也永远不会完结。未来的与过去和现在相比还是无穷大的。正因为如此，波普尔才提出，“全称命题不可证实，只能证伪。”

　　实际上，过去的小数据时代的抽样调查方法与现在的大数据方法相比，只能说是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，已经认识的永远是少数，误差、错误还是不能完全消除。例如，通过人口普查分析现在中国人具有什么特点。不要说全部认识现有13亿人口的全部属性不可能（因为事物属性有无穷层次），即使说能够完全认识现有13亿人口全部属性，也不意味着过去、未来的中国人，也能够全部认识。未来的中国人与已经认识的现有中国人相比还是无穷大。因此，大数据与小数据相比只是以巨量的、全面的、即时的数据来认识事物，但是要掌握全体数据在有限时间内总是不可能的。

　　“不是精确性，而是混杂性”？

　　《时代》作者说大数据时代“不是精确性，而是混杂性”，意指小数据时代是讲究精确性，大数据时代因为掌握了大量数据可以不再拘泥于精确性，而是依靠大数据比较模糊地行动。这显然是错误的。因为在小数据时代能够掌握精确的小数据，但是大多数数据却被遗漏、舍弃，认识的结果就无法实现精确、全面，真理和错误的边界也不是很清楚，这时的认识是模糊的、有偏差的。在大数据时代，因为掌握了更为全面的数据，可以在更大的范围认识事物，因此，能够更为准确、量化，以至于对一些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。例如，在计算机信息系统中，发布更多的信息，通过反复比对、纠错机制，降低噪音，到达精确度。这一点在人类的认识活动中本来就是这样做的，“耳听为虚”就以“眼见为实”来纠错，小数据一两个来回不可能正确，反复多次大数据比对，就能达到越来越高的精确度，误差率就越来越小。

　　中国人口世界第一，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。但中国目前在对大数据的认识上有一种盲目跟外国之风的倾向。对于国外大数据理论，我们应以批判的眼光保持清醒的认识。