大數據思維

出自 MBA智库百科(https://wiki.mbalib.com/)

　　大數據思維包括全樣思維、容錯思維和相關思維。

　　第一，大數據的全樣思維

　　“大數據”與“小數據”的根本區別在於大數據採用全樣思維方式，小數據強調抽樣。抽樣是數據採集、數據存儲、數據分析、數據呈現技術達不到實際要求，或成本遠超過預期的情況下的權宜之計。

　　隨著技術的發展，在過去不可能獲取全樣數據，不可能存儲和分析全樣數據的情況都將一去不復返。大數據年代是全樣的年代，抽樣的場景將有利於小，最終消失在歷史長河中。

　　第二，大數據的容錯思維

　　在小數據年代，我們習慣了抽樣。由於抽樣從理論上講結論就是不穩定的。一般來說，全樣的樣本數量比抽樣樣本數量的很多倍，因此抽樣的一丁點錯誤，就容易導致結論的“失之毫釐謬以千里”。為保證抽樣得出的結論相對靠譜，人們對抽樣的數據精益求精，容不得半點差錯。

　　大數據年代，因為我們採集了全樣數據，而不是一部分數據，數據中的異常、紕漏、疏忽、錯誤都是數據的實際情況，我們沒有必要進行任何清晰，其結果是最接近客觀事實的。

　　第三，大數據的相關思維

　　在大數據年代，我們不追求抽樣，而追求全樣。當全部數據都加入分析的時候，由於只要有一個反例，因果關係就不成立，因此在大數據時代，因果關係變得幾乎不可能。而另一種關係就進入大數據專家的眼裡：相關關係。

　　比如說很多男人去超市買了啤酒後會順便買紙尿褲，但不是買啤酒就一定買紙尿褲。因此，啤酒喝紙尿褲的關係不能算因果關係，而只能是一種相關關係。同樣，女孩子裙子的長短與經濟熱度、摩天大廈與經濟危機的關係都是一種相關關係，不是因果關係。

  大數據思維是一個小作品。你可以通過編輯或修訂擴充其內容。