不关注人性的大数据，只是大忽悠_数据分析师培训

斯大林曾说：一个人的死是悲剧，一百万个人的死就是数据。如果拿医学界的术语，这是一种共情疲劳，如果换成时下最流行的术语，就是我们还无法处理大数据。

上周参加腾讯思享会，主题就是“大数据将如何影响社会变革”。场间针对大数据，提出了不同的声音，有“数据孤岛论”：现有的大数据是断裂而封闭的，比如腾讯说自己有某方面的全数据，但是否有百度，有阿里的？有“数据阴谋论”：现在在用大数据做事的就是大企业和政府机构，如果我们普通人不能掌握，那就是被一个无形的网所束缚、所监控。有从经济安全角度来看待大数据处理“黑箱”问题时的作用。也有从实践角度来谈论大数据在商界中的应用。但最触动我的是下面两个观点。这里简单摘编下以飧读者。

不关注人性的大数据是大忽悠－－－刘德寰

现在主流对大数据的理解是基于维克托的《大数据时代》进行二次改良。但这其中有两个十分值得商榷的观点，一是对抽样的极端蔑视，二是无原则的推崇相关。大数据是一种抛弃随机分析法（抽样调查）而对所有数据进行处理，那么这其中就存在一个由斯坦福Trevor Hastie提出的问题，如何在稻草里找一根针，前提是很多稻草长得和针一样。这是我们所有大数据研究面临的最大风险，数据太大之后带来的实际上是一个规律的丧失和失真，千万不要忽视了抽样。

抛开这两个观点，更为可怕的是现在的大数据鲜有关注人性。先举个生活中大家都遇到过的问题，一个人去网上买了5升的洗衣液，整个流程花费了不到1分钟。第二天浏览网页，他发现旁边的广告就是各种各样的洗衣液。这是什么？基于大数据的精准营销？ 这恐怕是基于大忽悠的精准骚扰吧。 有点常识的人都知道，5升的洗衣液就算家里人再多也要用一个月，而且那个人流程这么短，肯定就是品牌忠诚者，推广的应该是什么时候那个品牌的洗衣液会打折之类的，这才是大数据。人类早期研究问题的方法就是靠体会、知觉、体验、内省等，这些看起来跟大数据无关的东西可能恰恰是大数据的核心，因为它是思想。

 谷歌2008年弄了一个非常厉害的东西叫流感趋势预测，它预测的结果比美国疾病控制中心还准，当时轰动了全球。结果后来里面东西越来越乱，严重的高估了流感的状态。为什么？这就是刚刚说的维克多流派谈大数据的时候重相关不重因果。流感跟发病的时间点，跟美国比如中学生篮球赛那个时间点是完全一致的，这俩概念能有关系吗？问题是只要搜索中学生的篮球赛，就构成了流感预测的一个主要的词之一。类似的东西太多了，为什么？因为在谷歌预测的时候，没有找疾控公共卫生的专家，这些东西才是进行大数据预测的一个很重要的前提。

基因工程才是真正的大数据

人有多少细胞？量级为10的14次方。 其中一个细胞癌变就能导致你生命的完结。难道这不是大数据？真正的大数据是生命大数据，基因筛查可以消灭先天性疾病和预防癌症，人类想在千年之后复活亦不是难事。可是这样的基因科技发展却遭遇了无数现实瓶颈和伦理挑战。