深入分析大数据的力量在哪里？

大数据是这几年的一项热门技术。它和人工智能、云计算一起，已经成为大科技公司的技术标配。但是该如何理解大数据技术？这项技术对我们有什么影响？这些基本的问题，不少人却并不清楚。

谷歌的数据科学家赛斯（赛斯·史蒂芬斯-大卫德维茨Seth Stephens-Davidowitz）写了一本书《数据、谎言与真相》（Everybody Lies：Big Data，New Data ，and What the Internet Can Tell Us About Who We Really Are ），里面对这些问题给出了他的回答。

大数据这个名字本身会给人一种误解，认为大数据的关键在于数据量很大。不过，赛斯说，数据集的大小经常被高估。其实所需要的数据集的大小，跟数据本身的效果、数据的真实程度等都有关。

举个例子，一个火热的炉子，你只需要碰到一次，就明白，热炉子很危险，会烫伤你。但是，你可能需要喝几千杯咖啡，才能确定，咖啡是否会让你头疼。原因就在于，热炉子本身的效果强度很高，因此，只需要一项数据，就能显现出结果。

赛斯在这本书里引用了大量人们在谷歌中搜索的数据。谷歌的数据之所以这么有价值，其实原因也不完全是因为谷歌能拿到的庞大的数据量，还因为，人们在自己的电脑上输入关键词、进行搜索时，都很诚实。他们不需要考虑社交压力、周围人的眼光等等。

用赛斯的话说，“你未必总是需要大数据，才能得出重要见解，你需要正确的数据。”大数据革命跟收集更多的数据无关，而是跟收集正确的数据有关。还是以谷歌为例。谷歌不是仅仅凭借着能够比其他搜索引擎搜索到更多的内容，就成为世界上最大的搜索引擎公司，它凭借的是，可以搜索到更好的数据。这跟谷歌的算法有关。谷歌的算法，按照一个网页被链接的数量来对搜索结果排序。

赛斯介绍了大数据的四种力量。这四种力量，也并不都同数据集本身的大小相关。

大数据的第一种力量是，提供了新类型的数据。比如，包括弗洛伊德在内的思想家，都会从性的角度，来解释人类的很多行为。但是，这些思想家更多还是在观念层面进行思考。而现在，大数据时代的研究者，有了一项让那些过往思想家羡慕不已的数据：人们在互联网上搜索和观看色情作品的数据。这些独特的数据来源，能够让研究者进入以前只能靠推理和猜测的领域。

大数据的力量在于，重新想象什么东西有资格成为数据，提供之前从来没有收集过的信息，让人们可以研究。

作者举了一个例子。他曾经把2004年至2011年的失业率输入到谷歌的数据挖掘工具Google Correlate中，结果发现，跟失业最相关的搜索，一个是色情网站，另一个是蜘蛛纸牌。作者猜测，原因也很简单，因为失业者会有很多空闲时间。所以，他就发现，“利用一些跟消遣相关的搜寻组合，就能追踪失业率，而且是预测失业率最佳模式的一部分。”

大数据的第二种力量是，提供了诚实的数据。在数字时代出现之前，可想而知，由于考虑到社会压力等因素，人往往会隐藏起来那些会让自己难堪的想法。即使面对询问，也不会坦诚相告。但是，在数字时代，虽然人们仍然会在现实生活中隐藏起一些真实想法，但是在互联网上，尤其是可以匿名的网站上，人们往往会透露出自己的想法。

“大数据使我们终于可以看清人们真正想要什么和真正做了什么，而不是人们说自己要什么和做了什么。”

知名投资人彼得·蒂尔说过，伟大的企业建立在秘密之上。可能是关于自然的秘密，也可能是关于人的秘密。人的秘密，指的是跟自己有关但自己却不知道，或者不想让别人知道的事。

举个例子，流媒体公司奈飞，曾经让用户设置一个自己以后想看的电影播放列表。奈飞发现，用户确实会把电影添加到这个列表中，但是，尽管奈飞会提醒用户看这些电影，用户却很少真的去看。因为，人们说自己想要的，跟自己实际想要的不一致。

后来，奈飞不再要求用户告诉自己他们想看什么电影，而是根据用户点击和观看的数据建立一个模型，用模型来推测用户想看什么电影。结果，用户果然越来越频繁地造访奈飞，在上面看了越来越多的电影。所以，奈飞前数据科学家泽维尔·艾玛特里安说：算法比你更了解你自己。

大数据的第三种力量是，让我们可以把焦点放在人口中的一个很小的子集，去进行研究。

当然，这要求对小的子集，也有大数据量。打个比方，为了将照片的一小部分放大后还能看清楚，照片需要有很高的像素。同样，为了能够清楚放大检视数据的小子集，每一个小子集中都需要大量的数据。比如，某一个球队有多受1978年出生的男性的欢迎。只对几千人进行的小调查，样本根本不够大，1978年出生的男性人数肯定不够多。

这样做的意义在什么地方呢？作者通过数据研究发现，是否成为一个球队的粉丝，跟这个球队在一个人特定年龄段的表现有关系。如果在一个人对运动最痴迷、最容易喜欢上某项运动的时间段，这个球队的表现越好，那它获得这个年龄段的球迷就越多。

而且，美国人政治观点的形成也类似。很多美国人会在14岁到24岁这个关键时期，形成个人的政治偏好。其中，形成政治观点最重要的年纪是18岁。受欢迎的共和党总统或不受欢迎的民主党总统，将影响很多年轻人成为共和党人。反之亦然。“大数据允许我们有意义地放大检视数据集的细部，获取新的洞察。”

第四种力量是，允许研究者进行因果关系实验。大数据可以允许研究者进行快速而且可控制的因果关系实验，而不仅仅是相关性。

这种测试在很多互联网公司被称作是A/B测试。脸书（Facebook）每天能进行上千次A/B测试。所谓的A/B测试，指的是，在同一个时间维度，分别让相似的两组访客随机访问这些版本，收集数据，来评估出用户更喜欢的版本。比如，两个标题，哪一个点击量更高；放哪种类型的照片，更能让用户喜欢等等。

有一个网站的CEO说：“你不能假设任何事，必须针对每件事都进行测试才行”，“如果我们了解人性，根据我们的生活经验就能判断答案是什么，那么测试就不会有价值。但事实上，我们不了解人性，所以测试才这么有价值。”

这种方法，互联网公司已经大量使用，而现在和将来，社会科学家也可以使用，从而把以往模糊的研究，变得更科学。以上就是谷歌数据科学家对于大数据拥有的四种力量的解释，希望对你有启发。