【精彩摘錄】

? ? ? ?大數據的精髓在于我們分析信息時代的三個轉變，分別是，要全體不要抽樣，要效率不要絕對精確，要相關不要因果，這些轉變將改變我們理解和組建社會的方法。尋找因果關系是人類長久以來的習慣。相反，在大數據時代，我們無須再緊盯事物之間的因果關系，而應該尋找事物之間的相關關系，這會給我們提供新穎且有價值的觀點。相關關系也許不能準確地告知我們某件事情為何發生，但是它會提醒我們這件事情正在發生。如果數百萬條電子醫療記錄顯示橙汁和阿司匹林的特定組合可以治療癌癥，那么找出具體的藥理機制就沒有這種治療方法本身來得重要。同樣，只要我們知道什么時候是買機票的最佳時機，就算不知道機票價格瘋狂變動的原因也無所謂了。大數據告訴我們“是什么”若不是“為什么”。在大數據時代，我們不必知道現象背后的原因，我們只要讓數據自己發聲。

【我的思考】

? ? ? 作為一位專門忽悠客戶的售前非專業人員，經常聽到前輩們向客戶提及“大數據技術”五個字，似乎隱約知道其大概用途，于是決定閱讀此書爭取對“大數據”有更深入明晰的了解。在這本書中，作者一直在強調大數據的本質，即作為一種工具告訴人們事物之間的相關關系并且對未來趨勢做出預測。不得不說，這樣一個觀點鮮明的論調確實為許多學術思想中的“黑匣子問題”帶來了一個新的思考角度。學術中的“黑匣子問題”指的是，在部分因果關系已然明確的理論中，科學家還無法對其由因至果的過程做出合理解釋。而大數據技術，則是避開黑匣子，將關注的重點放在理論的實用性方面，不求因果關系，但求預測未來。這似乎與古人所強調的“知其然知其所以然”相違背。在寫學術論文時，通常是由從調查或是數據庫中取所需數據，通過統計分析的方法來判定A和B之間是有相關性關系的，然后作者通常會探究其中原因，并在文末就結論作出一系列相關性預測與其他可擴展研究的方向。由此可見，大數據之所謂尋找相關關系這一觀點并不新穎，區別在于學術論文只用了抽樣的數據，但凡全體數據可以收集到，專家學者又何必只采用抽樣的數據呢？可見，文中作者所說的要全體樣本有些不實際。

【我的行動】

? ? ? 最后回到工作上，通常我們為客戶進行售前咨詢時，遵循的是“產品是什么”“為何要采用我們的產品”“怎樣使用可以帶來更大效益”這樣一個流程。前輩們都會在最后階段提及，利用產品后臺記錄的數據，應用大數據技術來為學生提供個性化的輔導，例如推薦相關性的課程等，然而這些東西大家只是幾句話帶過。也許以后我可以更詳細地和客戶闡述一下大數據的理論，一方面和客戶強調大數據的探求“相關性”的本質，比如后臺會分析某道考試錯題與其包含知識點的掌握程度之間的相關性，掌握程度又是通過統計量化的幾道練習題的數據得到的，最終老師會在前臺直接看到大多數學生沒有掌握的知識點是哪一個，從而減少老師平常的統計分析工作量，直接得到結果；另一方面也會和客戶闡述大數據技術和他最終使用產品得到效益之間的因果關系，從教育理論入手更好地說服客戶。