纷繁复杂的数据越多越好

传统的样本分析师们都很难容忍错误数据的存在，因为他们一生都在研究如何防止和避免错误的出现。

在收集样本的时候，统计学家会用一整套的策略来减少错误发生的概率。

在结果公布之前，他们也会测试样本是否存在潜在的系统性偏差。这些策略包括根据协议或通过受过专门训练的专家来采集样本。但是，即使只是少量的数据，这些规避错误的策略实施起来还是耗费巨大。

尤其是当我们收集所有数据的时候，这就行不通了。不仅是因为耗费巨大，还因为在大规模的基础上保持数据收集标准的一致性不太现实。就算是不让人们进行沟通争吵，也不能解决这个问题。

时代要求我们重新审视精确性的优势。如果将传统的思维模式运用于数字化、网络化的21世纪，就会错过重要的信息。

执迷于精确性是信息缺乏时代和模拟时代的产物。在那个信息贫乏的时代，任意一个数据点的测量情况都对结果至关重要。所以，我们需要确保每个数据的精确性，才不会导致分析结果的偏差。

如今，我们已生活在信息时代，我们掌握的数据库越来越全面，它不再只包括我们手头现象的一点点可怜的数据，而是包括了与这些现象相关的大量甚至全部数据。我们不再需要那么担心某个数据点对整套分析的不利影响。我们要做的就是要接受这些纷繁的数据并从中受益，而不是以高昂的代价消除所有的不确定性。

在华盛顿州布莱恩市的英国石油公司切利博因特炼油厂里，无线感应器遍布于整个工厂，形成无形的网络，能够产生大量实时数据。酷热的恶劣环境和电气设备的存在有时会对感应器读书有所影响，形成错误的数据。

但是数据生成的数量之多可以弥补这些小错误。随时监测管道的承压使得BP能够了解到，有些种类的原油比其他种类更具有腐蚀性。以前，这些都是无法发现也无法防止的。

有时候，当我们掌握了大量新型数据时，精确性就不那么重要了，我们同样可以掌握事情的发展趋势。

大数据不仅不再让我们期待精确性，也让我们无法实现精确性。

然而，除了一开始会与我们的直觉相矛盾之外，接受数据的不精确和不完美，我们反而能够更好地进行预测，也能够更好地理解这个世界。

值得注意的是，错误性并不是大数据本身固有的。它只是我们用来测量、记录和交流数据的工具的一个缺陷。

如果说哪天技术变得完美无缺了，不精确的问题也就不复存在了。

错误并不是大数据固有的特性，而是一个亟需我们去处理的现实问题，并且有可能长期存在。

因为拥有更大数据量所能带来的商业利益远远超过一点精确性，所以通常我们不会再花大力气去提升数据的精确性。

这又是一个关注焦点的转变，正如以前，统计学家们总是把他们的兴趣放在提高样本的随机性而不是数量上。如今，大数据给我们带来的利益，让我们能够接受不精确的存在了。

时间:2018-09-26 13:44  来源:    转发量:次