1、相關(guān)關(guān)系比因果關(guān)系更重要
老王開(kāi)了個(gè)包子鋪，有時(shí)做少了不夠賣(mài)，有時(shí)做多了沒(méi)賣(mài)完，兩頭都是損失。老王琢磨著(zhù)買(mǎi)包子的都是街坊，他們買(mǎi)包子是有規律的，例如老張只在周六買(mǎi)，因為閨女周末會(huì )來(lái)看他，而且閨女就愛(ài)吃包子。于是老王每賣(mài)一次就記次賬，誰(shuí)在哪天買(mǎi)了幾籠包子，并試圖找出每個(gè)街坊的買(mǎi)包子規律。
數據雖然越記越多，但老王啥規律也沒(méi)找出來(lái)，即使是老張也都沒(méi)準，好幾個(gè)周六都沒(méi)來(lái)買(mǎi)，因為他閨女有事沒(méi)來(lái)。有個(gè)人給老王支招，你甭記顧客，就記每天賣(mài)了多少籠就行，這個(gè)法子明顯簡(jiǎn)單有效，很容易就看出了周末比平時(shí)會(huì )多賣(mài)兩籠的規律。
這個(gè)例子雖然簡(jiǎn)單，卻道出了大數據的一個(gè)重要特點(diǎn)【相關(guān)關(guān)系比因果關(guān)系更重要】，周末與買(mǎi)包子人多就是相關(guān)關(guān)系，但為什么多呢？是因為老張閨女這樣的周六來(lái)吃包子的人多？還是周末大家都不愿意做飯？對這些可能性不必探究，因為即使探究往往也搞不清楚，只要獲得了周末買(mǎi)包子的人多，能正確地指導老王在周末時(shí)多包上兩籠，這就行了。
要相關(guān)不要因果，這是大數據思維的重要變革，以前數據處理的目標更多是追求對因果性的尋找，或是對猜測的因果性的驗證，人們總是習慣性地找出個(gè)原因，然后心里才能踏實(shí)，而這個(gè)原因是否是真實(shí)的，卻往往是無(wú)法核實(shí)的，而虛假原因對面向未來(lái)的決策來(lái)說(shuō)是有害無(wú)益的。承認很多事情是沒(méi)有原因的，這是人類(lèi)思維方式的一個(gè)重大進(jìn)步。
2、要全體不要抽樣
傳統的調查方式都是抽樣的，抽取有限的樣本進(jìn)行統計，從而得出整體的趨勢來(lái)，之所以選擇抽樣而不是統計全部數據，只有一個(gè)原因，那就是全部數據的數量太多了，根本沒(méi)法操作。
抽樣的核心原則就是隨機性，不隨機就不能反映整體趨勢性。例如搞一個(gè)保暖內衣的調查，找了一群精壯的武警戰士試穿，戰士們穿上了普遍反映不冷，但這并不能說(shuō)明內衣的保暖效果有多好。
抽樣隨機性的道理誰(shuí)都知道，但要做到隨機性其實(shí)是很難的。例如電視收視率調查，要從不同階層隨機找被調查人，但高學(xué)歷高收入的大忙人們普遍拒絕被調查，他們根本就不會(huì )為幾條毛巾贈品而耽誤時(shí)間，愿意接受調查的多是整天閑得無(wú)聊的低收入者，電視收視率的調查結果就可想而知。
互聯(lián)網(wǎng)為大數據的采集帶來(lái)的新手段，云計算為處理大數據帶來(lái)了新方法。還以電視收視率調查為例，互聯(lián)網(wǎng)電視普及后，每一部電視正在收看什么節目的信息會(huì )毫無(wú)遺漏地發(fā)送到調查中心。這就是大數據的第二個(gè)特點(diǎn)【要全體不要抽樣】，對全部數據進(jìn)行統計分析，其結果當然會(huì )更加準確。
3、要效率不要精確
俗話(huà)說(shuō)的好，蘿卜快了不洗泥，既然我們要的是全體數據，自然會(huì )夾雜進(jìn)來(lái)一些錯誤的數據，這是難以避免的。我們傳統的數據分析的思路是“寧缺勿爛”，因為傳統小數據分析的數據量本身并不大，任何一個(gè)錯誤數據都有可能對結果產(chǎn)生相對較大的負面影響，對錯誤數據必須花大精力去清除，這是小數據時(shí)代必須堅持的原則。
大數據時(shí)代的原則就變了，變成了【要效率不要精確】，并不是說(shuō)精確不好，而是因為在大數據時(shí)代是做不到的，如果繼續把排除錯誤數據作為重要工作，那大數據分析就進(jìn)行不下去了。更重要的是，大數據分析的目標在于預測，而不在于追溯以前發(fā)生過(guò)的事件的真相。
4、大數據時(shí)代的裸奔
有次我給學(xué)生暢想未來(lái)，你走在大街上，基站的智能天線(xiàn)以一道極窄的波束指向你的手機，從而獲得你的方位角，通過(guò)開(kāi)機瞬時(shí)的上百次功率調整和探詢(xún)，換算后就能獲得你與基站的距離，兩個(gè)信息結合就精準地確定了你的位置。根據你的搜索記錄，互聯(lián)網(wǎng)早已知道了你的愛(ài)好，然后手機“滴”地一聲通知你，你前方10米處右側有您最喜愛(ài)吃的咸豆腐腦店，正在八折酬賓中，“滴”地又來(lái)了一聲，老板已得知您是咸豆腐腦的忠實(shí)擁護者，特別給您打五折，來(lái)嘗一碗唄。
在我描繪完未來(lái)信息社會(huì )的全新生活方式后，有個(gè)學(xué)生問(wèn)我：我走在大街上，手機“滴”地一聲，通知我前面有個(gè)同志聚會(huì )，系統通過(guò)我以前的搜索和看過(guò)的片子早已確定了我的性向，并將我的信息經(jīng)過(guò)精確配對發(fā)送給了好多基友，但我并不想出柜，這可咋整啊？
這個(gè)學(xué)生的玩笑話(huà)道出了大數據時(shí)代我們都面臨的一個(gè)重大問(wèn)題，那就是隱私權問(wèn)題。美國某機構曾做過(guò)一個(gè)實(shí)驗，根據網(wǎng)友的搜索記錄來(lái)篩定目標，雖然信息已經(jīng)進(jìn)行了模糊，還是有不愿意出柜的基友被篩出來(lái)了，基友的媽媽非常震驚和生氣，將該機構告上了法庭。
微博上常有維權人士聲稱(chēng)電話(huà)被政府監聽(tīng)了，因為手機語(yǔ)音出現了不正常的聲音，其實(shí)這是他們多心了，他們的電信知識還停留在用鱷魚(yú)夾搭電話(huà)線(xiàn)竊聽(tīng)的階段。并不是說(shuō)政府不會(huì )竊聽(tīng)，而是說(shuō)如果政府竊聽(tīng)你的電話(huà)，你是絕對察覺(jué)不出來(lái)的，多手段全方面的監控手段早已超出了外行的想象力。即使是技術(shù)內行，例如賣(mài)國家機密的間諜被收網(wǎng)后往往會(huì )馬上崩潰，他所有的電話(huà)短信郵件出行會(huì )面談話(huà)都有清清楚楚的鐵證。
犯罪成本太高了，將來(lái)無(wú)死角的攝像監控頭會(huì )記錄下一切，即使你犯罪時(shí)蒙著(zhù)面，根據前兩天你沒(méi)蒙臉踩點(diǎn)時(shí)的錄像，通過(guò)姿態(tài)步態(tài)的匹配算法就能把你篩選出來(lái)。現在公安系統有句話(huà)“只要上手段，沒(méi)有查不出來(lái)的”，上手段就是指包括攝像頭監控、手機監控、網(wǎng)絡(luò )監控等綜合手段。現在的基礎設施還不完善，等將來(lái)所有的路燈桿都變成了多傳感監控器，加上強大的大數據分析能力，你還想咋藏？
更有意思的是，將來(lái)的犯罪逮捕會(huì )變成事前，有天你啥事沒(méi)做睡在床上就被逮捕了，警察通告你：根據警方對你所有信息的大數據分析，顯示你已經(jīng)知道了老婆出軌之事，根據以往犯罪案例及你本人性格的大數據分析結果，你有76.3%的概率會(huì )在本周內對老婆進(jìn)行輕傷以上程度的犯罪，超過(guò)了法律規定的60%輕傷以上犯罪概率必須入監的標準，特羈押你一個(gè)月，根據大數據分析結果，放出來(lái)后的你仍然犯罪的概率會(huì )降低到法律規定可以釋放的5%以下。
聽(tīng)著(zhù)很安全吧？但是不是也感到了毛骨悚然？在大數據時(shí)代，我們每個(gè)人都是赤條條地在信息社會(huì )中裸奔，真的是光著(zhù)屁股一絲不掛地那種裸奔，難到?jīng)]有人意識到這點(diǎn)嗎？當然不是，英國等西方國家早就對街道監控攝像頭展開(kāi)了全社會(huì )的大討論，安全與隱私該如何權衡？隨著(zhù)近年來(lái)隨著(zhù)恐怖主義的盛行，安全顯然更重要了，公民們很無(wú)奈地同意把更多的隱私權交給了政府，以獲得更大的安全感。
必須對公民隱私信息進(jìn)行分級制的嚴管，公安部門(mén)掌握著(zhù)每個(gè)人的開(kāi)房信息，如果不涉及到重大違法犯罪的話(huà)，絕不能濫加使用，更不能透露給當事人的配偶，否則社會(huì )就會(huì )大亂。掌握信息和利用信息的應是獨立的兩個(gè)機構，如果讓利用信息的公安部分掌管公民所有隱私信息，那就會(huì )成為一個(gè)人人自危的恐怖國家。
我們現在該如何做好迎接大數據時(shí)代的準備？我覺(jué)得應該培養公權機構絕不能泄露公民隱私的社會(huì )輿論，前幾天網(wǎng)上流傳著(zhù)范冰冰的機場(chǎng)安檢照，記者們以此做娛樂(lè )文章稱(chēng)人家如何如何，這就是一個(gè)極壞的兆頭！如果放任這種公權力的濫用，我們每個(gè)人將來(lái)都會(huì )成為光屁股裸奔的人，光不光屁股則取決于掌握公民信息的權力人士的一念之差。
最近有報道稱(chēng)銀行內鬼販賣(mài)賬戶(hù)信息，銀行方面居然稱(chēng)這事主要靠自覺(jué)，他們內部查不出來(lái)。這事也是大惡！查不出來(lái)是因為銀行內部缺乏相應的技術(shù)手段，根本就沒(méi)有建立起相應的信息保密制度，這種不作為是未來(lái)大數據時(shí)代的嚴重隱患。
前兩天我參加一個(gè)學(xué)生的婚禮，作為導師我被安排在領(lǐng)導桌，剛坐定就有個(gè)陌生人來(lái)照相，詢(xún)問(wèn)后才知是婚宴酒商的員工，把我們作為背景來(lái)照酒的照片，估計是用于宣傳。我把他轟走了，我不愿意這個(gè)數據留在網(wǎng)上，不愿意讓它將來(lái)作為分析我的大數據資料。
結論：
與以往的抽樣統計不同，大數據使用的是全部數據，更著(zhù)重的是效率而不是數據的精確性，關(guān)注的是相關(guān)性而不是因果性，這些特點(diǎn)造就了大數據對事物發(fā)展的極強的預測能力，它可以給我們帶來(lái)更安全更便捷的新生活，同時(shí)也給個(gè)人隱私帶來(lái)了巨大的威脅，對掌握公民隱私信息的公權力的嚴格控制，應該成為全社會(huì )的共識。
