第29本：《大数据时代》

最近大数据火了，还经常听到Hadoop和Mapreduce，我经常勘探地震资料处 理后的地震数据体，动不动几十个G，算不算大数据？好像与现在说的这个大数据概念相差太远，就一直想了解一下这个大数据到底是什么含义。从SUN那里借来 《大数据时代》读了一读，明白了不少基本概念和示例，与我们的数GB的地震数据体不是一回事，想把大数据应用于石油行业，看来还得琢磨琢磨。

《大数据时代》这本书的章节划分非常清晰，主要讲了思维、商业和管理方面的变革，每一章有一个关键词和一句话来总结概括，关键的是里面有大量的例子来阐述大数据的应用。

第一部分 思维变革

1 更多

不是随机样本，而是全体数据

以前由于技术的局限性，只能进行随机抽样进行统计学分析，而现在可以获得更多的数据，所以现在的样本就是总体数据，即样本=总体。

大数据中的“大”不是绝对意义上的“大”。几GB的数据不一定算大数据，而不到1GB的数据也可以算大数据，比如64000场所有摔跤比赛的记录也可以算是大数据，因为它代表的是所有的比赛数据。

例：Xoom跨境涉汇款异常交易报警

例：摔跤比赛中的消极比赛

2 更杂

不是精确性，而是混杂性

以前花大量的精力关注数据的绝对精确性，而现在要学会拥抱混乱。

例：语法检查算法。简单的算法，当语料库增加后，准确率会提高。

例：谷歌翻译。利用了950亿句英语。

译者注：淘宝消费物价指数，淘宝CPI，iSPI(Internet Shopping Price Index)。

传统的数据库是为数据稀缺的时代设计的，这类结构化的数据只占5%左右，而95%的都是非结构化数据，现在需要更好地利用这些混杂的数据。

3 更好

不是因果关系Causality，而是相关关系Correlation

人类有探求因果关系的欲望，而大数据分析能得到某些相关关系，而这种关系一般是洞察不出来的。

在这种情况下，可能知道是什么就够了，没必要知道是为什么。

通过大数据分析，可以捕捉现在，预测未来。

译者并不认同该观点，可能是当前机器学习算法的无奈之举。

例：亚马逊的推荐系统

例：沃尔玛，把蛋挞与飓风用品放在一起

例：零售商与怀孕预测

例：UPS与汽车修理预测

例：早产儿病情预测

例：纽约沙井盖爆炸预测

(后来读到《思考的乐趣----Matrix67数学笔记》的第4章时知道有很多相关性是虚假的相关性，冰淇淋销量增加，鲨鱼食人事件也会同时增加，但并不意味着把冰淇淋销售点全部取缔了，就能减少鲨鱼食人事件的发生，真实情况只是因为夏天来了。)

第二部分 商业变革

4 数据化

一切皆可“量化”

数字化：把模拟数据转换成用0和1表示的二进制码

数据化：把一种现象转变为可制表分析的量化形式的过程

T技术==>I信息

例：坐姿数据与防盗系统

当方位变成了数据，可以引出无数的创意，可以从当今的手机应用程序看到这种趋势

现实挖掘：通过处理大量来自手机的数据，发现和预测人类行为。

当沟通变成了数据：从社交网络的流行也可以看到这种趋势。

例：触感灵敏的地板，物联网？

并非原子，而信息才是一切的本源。

5 价值

“取之不尽，用之不竭”的数据创新

例：ReCaptcha与数据再利用。利用验证码完成图书扫描项目。

不同于物质性的东西，数据的价值不会随着它的使用而减少，而是可以不断地被处理。

数据的价值并不仅限于特定的用途，它可以为了同一目的而被多次使用，也可以用于其他目的。

数据的基本用途可能只是冰山一角，还有许多潜在的价值隐藏在表面之下。

数据废气：它是用户在线交互的副产品，包括浏览了哪些页面、停留了多久、鼠标光标停留的位置、输入了什么信息等。

公司所持有和使用的数据也应该纳入无形资产的范畴。

6 角色定位

数据、技术与思维的三足鼎立

大数据价值链：基于数据本身的公司、基于技能的公司和基于思维的公司（数据科学家）。

大数据让处于行业两端的公司受益良多，而中等规模的公司要么向两端转换，要么破产。

第三部分 管理变革

7 风险

让数据主宰一切的隐忧

大数据时代难以保护个人隐私。

8 掌控

责任与自由并举的信息管理

这章不感兴趣