光环大数据培训用三个案例透析大数据思维的核心.pdf

光环大数据--大数据培训知名品牌 光环大数据培训用三个案例透析大数据思维的核心 光环大数据培训机构了解到，逻辑推理能力是人类特有的本领，给出原因，我们能够通 过逻辑推理得到结果。在过去，我们一直非常强调因果关系，一方面是因为我们常常是先有 原因，再有结果，另一方面是因为如果我们找不出原因，常常会觉得结果不是非常可信。而 大数据时代，大数据思维要求我们从探求因果联系到探索强相关关系。 以下三个案例分别来自药品研发、司法判决与广告投放，从三个不同的角度 了解大数据思维的核心。 大数据与药品研发：寻找特效药的方法 比如在过去，现代医学里新药的研制，就是典型的利用因果关系解决问题的 例子。 青霉素的发明过程就非常具有代表性。首先，在 19 世纪中期，奥匈帝国的 塞麦尔维斯(Ignaz Philipp Semmelweis，1818—1865)a、法国的巴斯德等人发 现微生物细菌会导致很多疾病，因此人们很容易想到杀死细菌就能治好疾病，这 就是因果关系。不过，后来弗莱明等人发现，把消毒剂涂抹在伤员伤口上并不管 用，因此就要寻找能够从人体内杀菌的物质。 最终在 1928 年弗莱明发现了青霉素，但是他不知道青霉素杀菌的原理。而 牛津大学的科学家钱恩和亚伯拉罕搞清楚了青霉素中的一种物质—青霉烷—能 够破坏细菌的细胞壁，才算搞清楚青霉素有效性的原因，到这时青霉素治疗疾病 的因果关系才算完全找到，这时已经是1943 年，离赛麦尔维斯发现细菌致病已 经过去近一个世纪。 两年之后，女科学家多萝西 ·霍奇金(Dorothy Hodgkin)搞清楚了青霉烷的 分子结构，并因此获得了诺贝尔奖，这样到了1957 年终于可以人工合成青霉素。 当然，搞清楚青霉烷的分子结构，有利于人类通过改进它来发明新的抗生素，亚 伯拉罕就因此而发明了头孢类抗生素。 在整个青霉素和其他抗生素的发明过程中，人类就是不断地分析原因，然后 寻找答案(结果)。当然，通过这种因果关系找到的答案非常让人信服。 光环大数据 光环大数据--大数据培训知名品牌 其他新药的研制过程和青霉素很类似，科学家们通常需要分析疾病产生的原 因，寻找能够消除这些原因的物质，然后合成新药。这是一个非常漫长的过程， 而且费用非常高。在七八年前，研制一种处方药已经需要花费10 年以上的时间， 投入10 亿美元的科研经费。 如今，时间和费用成本都进一步提高;一些专家，比如斯坦福医学院院长米 纳(Lloyd Minor)教授则估计需要 20 年的时间，20 亿美元的投入。这也就不奇 怪为什么有效的新药价格都非常昂贵，因为如果不能在专利有效期内 a 赚回 20 亿美元的成本，就不可能有公司愿意投钱研制新药了。 按照因果关系，研制一种新药就需要如此长的时间、如此高的成本。这显然 不是患者可以等待和负担的，也不是医生、科学家、制药公司想要的，但是过去 没有办法，大家只能这么做。 如今，有了大数据，寻找特效药的方法就和过去有所不同了。美国一共只有 5 000 多种处方药，人类会得的疾病大约有一万种。如果将每一种药和每一种疾 病进行配对，就会发现一些意外的惊喜。比如斯坦福大学医学院发现，原来用于 治疗心脏病的某种药物对治疗某种胃病特别有效。 当然，为了证实这一点需要做相应的临床试验，但是这样找到治疗胃病的药 只需要花费3 年时间，成本也只有1 亿美元。这种方法，实际上依靠的并非因果 关系，而是一种强关联关系，即A 药对B 病有效。至于为什么有效，接下来3 年 的研究工作实际上就是在反过来寻找原因。这种先有结果再反推原因的做法，和 过去通过因果关系推导出结果的做法截然相反。无疑，这样的做法会比较快，当 然，前提是有足够多的数据支持。 大数据思维与司法：为香烟定罪 在过去，由于数据量有限，而且常常不是多维度的，这样的相关性很难找得 到，即使偶尔找到了，人们也未必接受，因为这和传统的观念不一样。20 世纪 90 年代中期，在美国和加拿大围绕香烟是否对人体有害这件事情的一系列诉讼 上，如何判定吸烟是否有害是这些案子的关键，是采用因果关系判定，还是采用 相关性判定，决定了那些诉讼案判决结果