读《大数据时代》

2008年，谷歌推出了一个用于预警流感的即时网络服务“谷歌流感趋势”，该系统几乎可以准确的预测超过25个国家的流感趋势。

这听起来不可思议，但已经确实发生。谷歌并不知道为什么某地会发生流感，但通过对比特定检索词条（比如“咳嗽该注意什么”、“发烧用什么药”等）的使用频率和流感在时间和空间上的数据，可以判断这些人是否患上了流感，并对流感趋势进行预测。

因为不用进行相关的线下数据搜集，谷歌有着更强的“时效性”，在2009年H1N1流感爆发的时候，与习惯性滞后的官方数据相比，谷歌成为了一个更有效更及时的指示标。

谷歌的流感趋势服务即是一种典型的大数据应用，舍恩伯格在《大数据时代》首先介绍了这个事例，以此展开大数据带来的一系列改变。

大数据的“大”是大数据应用的基础，只有掌握近乎于全的数据，大数据应用才成为可能。谷歌保存了多年来所有的搜索记录，而且每天都会收到来自全球超过30亿条的搜索指令，如此庞大的数据资源才足以支撑和帮助它完成这项工作。

而谷歌能够拥有保存和分析如此庞大的数据，在以前也是不能想象的，舍恩伯格在《删除》中追溯了这种改变得以发生的原因：

1、广泛的信息数字化，越来越多的信息被转化为一种常见的二进制代码，复制和传播变得轻易而无成本；2、廉价的存储技术，保存数字信息已经变得可以负担；3、简洁的提取工具，使得我们能够史无前例的利用我们巨大的数字信息资源；4、全球性的网络覆盖。

正是有了廉价的存储技术，谷歌的庞大数据才可以保存；正是因为谷歌的全球覆盖性，才使得它可以预测超过25个国家的流感趋势；正是因为处理信息能力的提升，才使得谷歌能够在浩瀚如海的数据中挖掘出有价值的信息。

随着这些技术的进步，大数据时代正式来临。

舍恩伯格认为，大数据应用有三个显著的特征：

一．不是随机样本而是全体数据

在过去，人们没有办法获取近乎于全的数据，只有通过随机采样来进行统计分析，在实践中，人们发现随机性越高，就越能得到准确的结果。但是，虽然随机采样给现代社会带来了巨大的好处，它本身却也存在一些固有的缺陷，比如随机的控制性差，耗时耗力等。而在信息大量数字化的今天，获得足够大的数据样本成为了可能，谷歌就是一个极好的证明。

二．不是精确而是混杂
在小数据时代，随机抽样是统计数据分析的最佳方法，正是由于这种方法的限制，对于精确性的要求就相当高，因为样本可能代表比它大上十倍百倍千倍万倍的整体，即使细小的偏差，也会对结果造成很大影响。

而在如今，图书馆分类法已经有点不能适应如此庞杂的数据，互联网上兴起的标签带来了一种前所未有的混乱和随意的分类法，在这种方法面前，精确已经不那么重要，因为大量的数据弥补了其中的不足。就像随机在采样中的重要性一样，在大数据中，混乱也是一个不应该避免的途径。

三．不是因果关系而是相关关系。

在传统的观念中，找到事物背后的原因是十分重要的，世界万物，都维系在因果之间，但大数据时代却不再看重因果关系，而着重捕捉相关关系。

亚马逊的推荐算法能够通过消费者的历史记录来推荐相应的商品，而往往，这些商品确实是你所感兴趣的。亚马逊并不知道你为什么会感兴趣，仅仅是在概率上，你所看过或买过的商品与它推荐的商品存在着很高的相关性，买了这件商品的人百分之多少也买了那件，掌握了这种关系，即使不知道你为什么喜欢，也能增加它的销售量，获得利益。

没错，追求相关性而放弃因果关系，多少是以商业利益至上的思考方向，因为利益驱动，能够获得结果就行，不必要对过程做全面的了解，这某种程度上有点像动物的条件反射，一只狗并不知道一响铃就有饭吃是为什么，但只要掌握了这种相关性，它就可以掌握它的食物了，对它来说这就够了。

对于这种侧重点的转移，本书的翻译周涛先生并不支持，他甚至认为，“放弃因果性的追求，就是放弃了人类凌驾于计算机之上的智力优势，是人类自身的放纵和堕落”。

无论如何，大数据带来的思维方式的转变，给整个世界都带来了新的机会，而这些机会首先体现在商业上。这本书，重点除了阐明什么是大数据之外，在商业上如何应用也是另一个重点。

当然，不仅仅是商业上带来的改变，大数据的来临，同时也带来种种威胁，隐私的无法保障，数据独裁，过分的仰仗数据而忽视人的主观能动性。

无数的可能性正在前面，无论是危机还是惊喜，都等着我们。