“大数据自动挖掘”才是现在这些大数据的真正意义.pdf

大数据自动挖掘“ ”才是现在这些大数据的真正意义 现在大数据火得不行，几乎人人都在说大数据，但到底什么是大数据，恐怕没有多少人知道， 鱼目混珠的人太多。 大数据不是指很多很多数据。 所以不是存储了很多数据就是在搞大数据了，因为 大数据“ ”只是个简称，说全一点应是 大数据“ 挖掘 ”，没经过挖掘的大数据只是没有开采出来的原油，一点用处都没有。 大数据也不是指一般意义上的数据挖掘。 有很多人以前是搞数据分析或数据挖掘的，当《大数据时代》这本书一问世、大数据开始火的 时候，他们摇身一变就成了搞大数据的专家了。如果真是这样，就根本没必要提大数据这事儿，因 为它本来就一直存在着，只不过换个说法。就好像我们没必要今天突然提出个说法 饮“H2O ”来代替 “ 喝水 ”。嗯，对，那叫玩概念。 大数据挖掘“ ”其实还没有说全，再说完整点，应该是 大数据自动挖掘“ ”。 以前的数据分析或挖掘，是指人通过数据去进行分析，挖掘出一些规律性的东西以供以后使用 。 但面对大数据，由于不光是数据量太大，而且往往包括数据的维度也很多，人已不可能去处理 这样海量的数据，甚至是如何处理都不知道，这时必须用电脑来自动处理，挖掘出数据中的规律。 但是目前电脑还不能像人那样进行严密、复杂的逻辑思维，因此它们也无法用我们人的思维模 式去分析数据，人可能只要较少的数据就能分析出其中的规律，数据多了反而没有办法，所以我们 人类都是采用抽样分析。 电脑则正好相反，无法根据少量数据去分析出规律，但它有一个优势，那就是运算速度非常快 ，因此有可能处理海量数据以后找出其中的规律。 由于电脑还不能进行复杂的逻辑思维，所以它的处理方法很简单，就是进行简单的统计运算， 也就是 硬算“ ”，统计出在什么情况会出什么样的结果，然后当类似的情况再出现时，它就会告诉我们 可能会出现某种结果了。 由这里也可看大数据的另一个特点， 即大数据主要是进行预测，告诉你未来将会出现什么样的 结果。而不是只分析出过去的走势和现状，未来还是要由人去判断。 为什么这种简单的方法会有效呢？这就回到 大数据“ ”这个词上来了，那就是因为数据量非常大， 统计出来的结果就往往是正确的。 大家一定都知道这个例子，扔硬币来统计正、反面出现的机率，如果只扔 10次，也许正面出现 9次，以此来得出结论肯定是错的；但如果你扔 10 万次、 100 万次，甚至更多，那你统计出来的结果 基本是正确的，正、反面出现的机率一定是各 50% 。 是的， 大数据自动挖掘就是依据这一原理。 这里没有严密的因果分析，不是通过数据分析出原因再推导出结果；而是通过统计知道有这样 的情况，一般就会有这样的结果，也即现象与结果的相关性。所以大数据就有一个显著的特点，只 关心相关性，不关心因果；用更通俗的话说就是 只知道结果，不知道原因“ ”。 这实际是 人们根据电脑的优势，找出了一个全新的数据分析、挖掘方式，与传统的方式完全 不同，所以传统那些搞数据分析或挖掘的专家并不能称作为搞大数据的。 不过你一定要小心，冷不防你就会碰上一个这样的专家，他们甚至可能是来自某名牌大学的知 名教授之类。进到书店你也会看到许多讲大数据的书，封面无一例外都有很大的 大数据“ ”三个字，但 其实都是在讲传统、人工的数据分析方式，和大数据一点边都不沾。当然，这里不包括《大数据 时代》这本书。 另外，传统搞神经网络、深度学习等人工智能的，也基本不算大数据，因为这里面还是很多人 为因素，包括建模型、对程序进行训练等，这里人仍需要对所分析的业务逻辑非常熟悉才能做，目 前这种方法也难以达到实用的效果。而大数据只是让电脑根据一些简单却巧妙的算法，去进行大量 数据的统计，找出连人都想不到的规律。大数据在这里基本是与业务逻辑无关的，人不需要知道这 是什么业务，比如分析移动互联网行业的数据，他不需要知道这个行业的来龙去脉、当前状况等， 他只需要对大量历史数据进行统计，就能够找出其未来的走势。 说到这，你一定很想问，那就找不到一个真