《企业网D1Net》5月28日讯

随着大数据时代的到来，大数据的价值逐渐凸显，在很多人的眼里，大数据突然变得无所不在，无所不能，似乎每个人都想收集、分析大数据、并从中获利，同时也有人在夸耀或者害怕它的巨大影响。

不论我们是在讨论利用谷歌庞大的搜索数据来预测流感的爆发还是利用通话记录来预测恐怖活动，又或者是利用航空公司的数据找到买机票的最佳时机，大数据都可以帮上忙。将现代计算技术和数字时代众多的数据结合起来，似乎可以解决任何问题——犯罪，公共卫生，用语的变化，约会的危险，只要我们把这些数据利用起来。

大数据真的像说的那么好？毫无疑问大数据确实是一个有价值的工具，并在某些领域产生了至关重要的影响。比如，几乎近二十年人工智能计算机程序的成功，从谷歌的搜索引擎到IBM的沃森电脑问答系统，都包括了大量数据的处理。但是正是因为它最近如此受欢迎并得到广泛应用，我们需要清晰的看待大数据究竟能做什么和不能做什么。

大数据能告诉我们是什么，但不能告诉我们为什么

首先，尽管大数据能够非常好地检测相关性，特别是那些用小数据集可能无法测出的微妙相关性，但是它并不会告诉我们哪一种相关性是有意义的。比如，大数据分析可能会揭示从2006年到2011你那美国谋杀案比例与IE浏览器的市场份额是极度相关的，都呈急速下降趋势。但是很难相信这两者之间有什么因果关系。又比如，从1998到2007被诊断出的自闭症患者与有机食物的销售具有相关性（都呈急速上升趋势），但是这种相关性本身不会告诉我们饮食和自闭症的关系。

大数据只能是辅助工具

第二，大数据可以辅助科学调查，但不可能成功地完全代替。比如，分子生物学家很想从潜在的DNA序列中推断出蛋白质的三维结构，有一些科学家已经在用大数据来解决这个难题。但是没有任何科学家认为你可以完全依靠处理数据来解决这个难题，不论这个数据分析是多么的强有力，你依旧需要基于对物理和生物化学的理解上来处理这些数据。

基于大数据的工具易造假

第三，基于大数据的很多工具很容易造假。批改学生作文的大数据程序通常依赖于句子长度和用词的复杂性，数据表明这和老师批改的分数很相关。但是一旦学生知道这个程序如何运作，他们就开始写一些长句子并用晦涩的词语而不是去学会如何规范清晰的表达，组成连贯的篇章。甚至谷歌的著名的搜索引擎，这个通常被认为成功的大数据案例也不能免于信息繁杂，无用的搜索结果，一些人为的原因使得一些搜索结果排在前面（搜索广告）。

通过大数据下结论是有风险的

第四，即便大数据的结果没有人为地造假，但是它看上去也不那么有效。比如谷歌预测流感的案例曾经是大数据的典范。2009年，谷歌通过相当大的宣传称它可以通过分析与流感相关的搜索预测流感爆发的趋势，这种准确性和快速甚至超过了疾病控制和预防中心等官方机构。但是几年后，谷歌宣称的流感预测并没有得到好的结果，最近两年，它做的更多地是不准的预测。

罕见事件，大数据不起作用

最后，大数据在分析那些普通事件很在行，但是在分析罕见事件常失败。比如，用大数据处理文本的程序如搜索引擎和翻译程序，常常依赖于所谓的“三字”：连续三个词的序列（比如“in a row”）。可靠的数据信息可以编制常规的三字模型，正是因为他们常出现，但是现有的数据并没有多到足够包括人们可能使用的所有“三字”，因为人们在不断创造新语言。

随便挑一个例子，Rob Lowe 最近为报纸写的书评有九个“三词序列”比如“dumbed-down escapist fare”，这在谷歌的文本里从未出现过。对于这些新鲜词汇谷歌有很多限制，谷歌将“dumbed-down escapist fare”西安翻译为德文然后再翻译为英文，最后出现了这样一个不合逻辑的词语“scaled-flight fare.”Lowe先生的本意和利用大数据的翻译真是完全不搭边。

等等，我们几乎忽略了最后一个问题：炒作。大数据的支持者宣称它是革命性的进步。但是即便是给出大数据的成功例子，比如谷歌流感趋势的预测，即便有用但对于一些更大的事这些显得微不足道。相比19世纪和20世纪的伟大发明比如抗生素，汽车，飞机，大数据所得出的东西实在算不了什么。

D1Net评论：

坦白来说，大数据只是一种技术，并不是万能的上帝，大数据带来大价值，毫无疑问，我们需要大数据，但是我们也需要更加清醒的认识到，这只是一种每个人都可以分析的重要资源，这才是大数据真谛所在。