说到大数据，不能不说大数据书籍，说到大数据书籍，不能不说《大数据时代》。

现在市面上有很多大数据书籍，但都是近两年“赶制”出来的。这本2012年首次出版的《大数据时代（生活、工作与思维的大变革）》虽然年代不久远，却是大数据书籍的发轫之作。两年来，围绕它的讨论也很多。有人追捧，有人贬斥，有人以为太过肤浅通俗，不屑评论……时人以“誉满天下，谤亦随之”评价胡适先生，如今这本书也当之无愧了。

 

全书260页，凡八章，但人们讨论最多的只有三句话，即作者提出的三个变革：

首先，要分析与某事物相关的所有数据，而不是依靠分析少量的数据样本。

    样本分析中最重要的是样本的选择，然而人们面临的困境是无论如何选择样本，都会有所疏漏。样本永远无法完全反映整体。这里，舍恩伯格提出的方法很简单，也很理想化——不要样本。

    分析整体当然要比分析样本更能得出正确的结论，提升洞察力。但能够完全收集、处理、分析一切想要的数据的“大数据时代”还没有到来，即便到来，组织还面临成本问题，并不是所有组织都有能力分析所有数据。一来受制于数据收集能力，二来受制于数据分析能力，目前组织更多地还是采取分析样本的方式，只是收集的样本更多了。

其次，我们乐于接受数据的纷繁复杂，而不去追求精确性。

    传统数据仓库分析中，数据需要经过ETL（提取、转换和加载）的过程进行清洗。因为是样本分析，分析结果需要被放大，因此错误数据导致的微小的瑕疵也会被放大，最终误导决策。传统的数据分析依赖于小数据和精确性。

    而大数据时代的到来宣告数据具备两个特征：从量上看，数据规模巨大;从质上看，非结构化数据和半结构化数据激增。书中指出“据估计，只有5%的数字数据是结构化的且能适用于传统数据库。如果不接受混乱，剩下95%的非结构化数据都无法识别利用，比如网页和视频资源”（P45）。这就要求组织接受数据的纷繁复杂。

    同时，数据清洗导致数据分析延迟，传统的数据分析往往是隔天分析。而大数据时代数据变化速度快，社交媒体数据、传感器数据、监测数据等流数据都要求组织作出实时响应。这一点作者虽没有指出，但也是原因之一。

最后，我们的思想发生了转变，不再探求难以捉摸的因果关系，转而关注事物的相关关系。

    最后一点是人们争论最多的。很多人不同意这种耸人听闻的说法，即便是该书译者周涛教授也认为舍恩伯格表达欠妥，他在序言中写道：“我本人对于《大数据时代》‘相关关系比因果关系更重要’这个观点就不认同……与其说大数据让我们重视相关胜于因果，不如说机器学习和以结果为导向的学习思路让我们变成这样。”

    也许周涛的表述更严谨。不过值得注意的是，所有的人工智能都依赖各种各样的算法和模型，还不能像人脑一样思考。机器不知道为什么喜欢海明威的人也很可能喜欢菲茨杰拉德，但如果你在亚马逊购买一本海明威的书，它一定向你推荐菲茨杰拉德的书。

    相关关系导致的直接结果就是预测分析。这是大数据应用的很重要的体现。成功的预测可以让组织降低风险、节省成本、调整战略。舍恩伯格认为：“建立在相关关系分析法基础上的预测是大数据的核心”（P50）。相关关系虽然不会改变人类求因果的欲望，但它会改变商业模式，改变人们利用大数据的方法。

数据“法西斯”

书中提出的三点变革太耀眼了，以至于让人们忽略了其他内容。其实作者在第七章指出了很重要的一点，即数据统治。

“我们比想象中更容易受到数据的统治——让数据以良莠参半的方式统治我们。其威胁就是，我们可能会完全受限于我们的分析结果，即使这个结果理应受到质疑。或者说，我们会形成一种对数据的执迷，因而仅仅为了收集数据而收集数据，或者赋予数据根本无权得到的信任”（P110）。

“大数据”愈炒愈热，导致很多组织迷信数据，一味收集数据。结果数据收集与数据分析相脱离，增加了数据存储的成本;数据分析与业务需求相脱离，不能贡献业务价值。数据被捧上了王位，组织无形中沦为了数据的奴隶。

该书难能可贵的一点是，不只站在商业角度考虑大数据变革，也站在个人角度关注了个人隐私保护。虽然观点鲜有建树，但却指出了大数据发展很重要的一面——捍卫隐私。

如果非要用一句话来评价这本书，那么窃以为，这是一本畅想大数据的科普书。所谓畅想，是指书中所言的大数据时代还是理想的情况，作者在预言大数据的发展方向。所谓科普，是指作者志在用通俗的语言、详实的示例将自己的观点生动地传达给普通读者，你要想在其中找Hadoop、NoSQL可就缘木求鱼了。

“先生之学说，或有时而可商”，不过作者对大数据的探索精神和独到见解还是能够给人以启发的。任何书中都没有“答案”，不可对书籍过于苛求。最后说一句，如果你经常做关于大数据的PPT和演讲，一定要拥有这本书，你懂的！