大数据也可用来形容人们创造的大量结构化和非结构化数据。

1. 大数据实质

大数据的实质是什么？虽然目前国内外都还没有统一的定义或认识，但从狭义的字面来理解的话，它应该与小数据相对应，大数据意指数据 量特别巨大，超出了我们常规的处理能力，必须引入新的科学工具和技术手段才能够进行处理的数据集合。（所谓的小数据指的是数据规模比较小，用我们的传统工 具和方法足以进行处理的数据集合）。比如牛顿时代的各门自然科学，其数据量都不大，第谷观测了20年的天文数据，开普勒很快用手工就处理完毕，并从中发现 了开普勒定律。后来，随着科学的发展，数据量有了比较大的增加，为了处理这些当时看来的“大数据”，统计学家创造了抽样方法，由此解决了数据处理难题。

现在的大数据却是所谓的海量数据，各种数据的差别又特别巨大，用抽样方法也难于处理，只能用现在的数据挖掘和云计算、云存储等新技术才能解决。从广义来说， 大数据指的是一种新的数据世界观，它将世界上的一切事物都看作是由数据构成的，一切皆可“量化”，都可以用编码数据来表示。这就是舍恩伯格所说的：“大数 据是人们获得新认知、创造新价值的源泉；大数据还是改变市场、组织机构，以及政府与公民关系的方法。”

2. 大数据的特点

大数据的特点被人总结为4个“V”：

第一，Volume(大量)，即数据数量巨大。从TB级别，跃升到PB级别。

第二，Variety(多样)，即数据类型繁多。除了标准化的结构化编码数据之外，还包括网络日志、视频、图片、地理位置信息等等非结构化或无结构数据。

第三，Value(价值)，即商业价值高，但价值密度低。在数据的海洋中不断寻找，才能掏出一些有价值的东西，可谓“沙里淘金”。

第四，Velocity(高速)，即处理速度快，实时在线。各种数据基本上实时、在线，并能够进行快速的处理、传送和存储，以便全面反映对象的当下状况。

3. 大数据的哲学基础：同构关系——大数据的数理哲学基础

大数据可认为是人类的认识和实践，也就是一个数据搜索、处理、挖掘和创造的过程。大数据方法揭示的因果关系是常规性的，数据反映的 是具有同构关系的两个序列关系信息，一个对象的运动轨迹，通过另一个序列的载体编码来表述。

认识者获得的不是对象本身的绝对映像，而是离开了对象，从对象 中抽象出来的、关于对象运动轨迹的数据。从这一角度看，同构关系是大数据的数理哲学基础。反映宇宙中形形色色事物的多样化属性和规律的大数据，这些结构性 和非结构性的数据，都统一表现为数字形式，以0和1按逻辑 关系编码，而且具有可逆性。这表明，统一的宇宙中的一切事物之间都存在着具有时空一致性的同构关系。

这种关系意味着任何事物的属性和规律，只要通过适当的 编码，都可以通过统一的数字信号表达出来；换句话说，一种事物的属性和规律，可以通过数据的媒介，表现在另一种事物运动序列中。（见图一）

对象的结构数据与人的感觉映像的结构数据是一致的，更严格地说，是同构的。

4. 大数据研究方法的变革

4.1 大数据与传统模型有很大区别

在物质形式的模型中，模型来源属于天然存在物的便是天然模型，模型来源属于人工制造物的便是人工模型。

在思维形式的模型中，根据模 型不同的特点分为：理想模型、数学模型、理论模型以及半经验半理论模型。理想模型强调的是模型的抽象性，数学模型强调的是模型的数学基础，理论模型强调的 是模型的理论基础，而半经验半理论模型强调的是模型的来源，既包含理论成分，又包含经验成分。

就它们的区别而言，首先，大数据模型并不具有物质形式，因此 并非物质形式的科学模型；其次，大数据模型是根据海量数据以及算法得出，无理论介入，因此也非理论模型；再次，大数据模型从海量的数据出发，通过复杂的计算，最终得出复杂的模型，都是具体的数据运算，并无抽象过程；最后，大数据模型虽涉及算法，但大数据模型与数学模型的得出过程不同，数学模型是通过寻找研究问题与数学结构的对应关系而确定，大数据模型则是通过寻找海量数据与算法的对应关系而确定。

显然，大数据的模型方法与这里列出的已有科学模型方法均不相 同，是一种新型的模型方法，更多地体现为一种经验模型。

4.2 大数据模型与统计建模比较，也有本质的不同

数据挖掘作为一个多学科交叉的领域，涉及到数据库、统计学、机器学习等领域；从模型方法的角度来看，其中最为相近的是统计学。尽管数据挖掘涉及一定的统计基础，但数据挖掘与统计建模还是有本质的区别。

首先，科学研究中的地位不同。统计建模经常是经验研究和理论研究的配角和检验者，而在大数据的科学研究中，数据模型就是主角，模型承担了科学理论的角色。

其次，数据类型不同。统计建模的数据通常是精心设计的实验数据，具有较高的质量；而大数据中则是海量数据，往往类型杂多，质量较低。

再次，确立模型的过程不同。统计建模的模型是根据研究问题而确定的，目标变量预先已经确定好；大数据中的模型则是通过海量数据确定的，且部分情况下目标变量并不明确。

最后，建模驱动不同。统计建模是验证驱动，强调的是先有设计再通过数据验证设计模型的合理性；而大数据模型是数据驱动，强调的是建模过程以及模型的可更新性。

由此可见，尽管大数据与统计建模均是从数据中获取模型，但两者具有很大的区别，大数据带来的是一种新的模型方法，大数据中的模型是数据驱动的经验模型。

5. 大数据与哲学联系——数据挖掘的过程就是认识论的过程

近现代科学最重要的特征是寻求事物的因果性。无论是唯理论还是经验论，事实上都在寻找事物之间的因果关系，区别只在寻求因果关系的 方式不同。大数据最重要的特征是重视现象间的相关关系，并试图通过变量之间的依随变化找寻它们的相关性，从而不再一开始就把关注点放在内在的因果性上，这是对因果性的真正超越。科学知识从何而来？传统哲学认为要么来源于经验观察，要么来源于所谓的正确理论，大数据则通过数据挖掘“让数据发声”，提出了全新 的“科学始于数据”这一知识生产新模式。

由此，数据成了科学认识的基础，而云计算等数据挖掘手段将传统的经验归纳法发展为“大数据归纳法”，为科学发现提 供了认知新途径。大数据通过海量数据来发现事物之间的相关关系，通过数据挖掘从海量数据中寻找蕴藏其中的数据规律，并利用数据之间的相关关系来解释过去、 预测未来，从而用新的数据规律补充传统的因果规律。大数据给传统的科学认识论提出了新问题，也带来了新挑战。

一方面，大数据用相关性补充了传统认识论对因 果性的偏执，用数据挖掘补充了科学知识的生产手段，用数据规律补充了单一的因果规律，实现了唯理论和经验论的数据化统一，形成了全新的大数据认识论；

另一 方面，由相关性构成的数据关系能否上升为必然规律，又该如何去检验，仍需要研究者作出进一步思考。

大风大浪中，有时也需要清清心，喝杯茶。

来源：互联网周刊 作者：孙亚平