大数据之父：数据过度解读就是滥用

2015-9-27 11:52:24
来源：南方日报
作者：刘竞宇


26日，全球第一本关于大数据的著作《大数据时代》的作者、被誉为“大数据时代的预言家”、“大数据之父”的牛津大学教授维克托·迈尔·舍恩伯格受邀做客中山大学“黄埔大讲堂”，开讲“大数据能做什么”。他表示，在解释数据的过程中要非常小心，如果解释得过度了，实际上就是滥用数据。

舍恩伯格现任牛津大学网络学院互联网治理与监管专业教授。他说，美国航空业在营销、旅客体验等领域，仍然有大量的需求没有得到满足，这其中也就蕴含了大数据技术应用的大量机会。近年，谷歌公司购买了美国航空业的大量数据，试图通过将数据与移动整合到一起，了解客户的需求，为航空公司构建一个有用的差旅助手。其中美国政府规定，谷歌公司即使购买了数据也不能对其进行垄断，其他方也有权使用这些数据。政府应当在数据垄断的问题中担当起重要角色，以此来实现更加公平、合理地使用大数据技术。

他警惕地分析说，在解释数据的过程中要非常小心，如果解释得过度了，实际上就是滥用数据。比如在美国做汽车分析，显示橙色车维修的成本是最低的。“大家可能在想，为什么橙色的车维修率低？是因为橙色的车夜晚看得更清楚？还是开车的人更小心？”在数据分析的过程中，“要找的是相关关系，而不是因果关系。”

舍恩伯格总结说，人类要通过数据去进行学习，进行创新，但是也要想有时候可能数据本身跟现实是有一定距离的。所以，人类可能对于现实了解不多，还有很多要学习，要坚信大数据是最重要的。

不是的。大數據是給自己的猜想提供統計依據，從大數據本身無法理出頭緒。頭緒是要人腦思考得出的，死數據不能思考。具體地說，就是你對某個問題進行研究，先有一個理論框架，提出猜想，然後通過大數據查證自己的猜想是否能夠自圓其說，亦即你假設的理論能夠解釋大數據所顯示的所有事實，就說明你的猜想是接近真理的。

大數據，本質上不過是一大堆實踐案例。事實如此，如何解釋，卻是主觀的。最典型的例子，是托勒密和哥白尼的天文學說，前者的參照系是地球，後者的參照系是太陽，實際上大家都在描述同一事實，但理論體系截然不同，這就是數據事實不能體現頭緒的道理。托勒密和哥白尼，都是根據同樣的觀察數據提出各自的天文模型和演繹理論，本無所謂對錯，區別僅是簡繁之別，前者用了幾百個輪子，後者僅用了幾十個（但事實上用後者計算出的天文預測偏差比前者還要大，那是因為哥白尼的軌道仍然是圓形的，修正偏差是在開普勒橢圓軌道理論出現之後的事）。說哥白尼比托勒密“正確”，無非是哥白尼的模型較為簡單而已。

大數據之作用，猶如第谷的天文觀測數據之於開普勒。第谷長年累月觀測天文現象，積累了大量的數據，但他本身從這些數據中理不出頭緒，死後把數據交給自己的學生開普勒，偏偏開普勒的眼睛有毛病，不能觀測天文，祗能依賴老師留下的數據進行研究，開普勒的數學非常好，他反覆地設想模型，再用第谷的數據去檢驗，結果花了十九年才最終湊出橢圓軌道結論，而這最後一條結論正是由他堅信老師的觀測數據無誤的信念而來（那小小的偏差若放在今天的中國人來看，就當是誤差忽略了）。當今，有專門機構積累數據，猶如第谷，把數據公開給大家用而已，但並非所有人都是開普勒，能夠從中得到什麼，是未知的，得到什麼，也不保證正確。大數據再大，也不確保覆蓋一切細節，就如第谷若漏掉了一些數據，結論也可能不同，所以大數據也不是全部，不必過度依賴，更不必過度解讀。

[ 本帖最后由 TonyDeng 于 2015-9-27 13:16 编辑 ]

学习

大数据

大数据

大一小白感觉在云里雾里 腾云驾雾

大数据是由许多小数据组成的

因果关系难道不重要吗

中秋快乐