2
1
7
身处大数据热潮中，既要充分认识大数据的潜力，积极把握技术进步带来的机遇，也要认清大数据的局限性，警惕大数据万能论。一些被广泛传播的经典案例现在被证明是子虚乌有，比如，啤酒与尿布的故事实际上是 Teradata 公司的工程师 Thomas Blischok 在 1992 年杜撰的，从来没发生过；而 Netflix 号称用大数据分析帮助自制剧《纸牌屋》取得成功，而实际上是把大数据作为公关活动的噱头。当前，以下几点值得思考：
第一，大数据尚难对人的行为做出精确预测。在大数据是否能准确预测人类行为的问题上，还存在重大分歧。《黑天鹅》指出人类的行为不可预测，而《爆发》一书则根据对以往历史经验的总结，指出人类行为 93%可预测。麻省理工学院教授罗伯特• 莱格伯恩（Roberto
Rigobon）称，虽然华尔街一直重视数据分析，但基于海量数据分析的对冲基金在全球都是失败的。“对于人和事件，如果放到越大的空间和时间范围，则是越可以精确预测的。如果放到越小的空间和时间范围，则是越不可以精确预测的。例如，我们几乎可以在 100%的程
度上预测一个人在 24 小时的时间范围内会吃饭；但若精确到某一分钟，则几乎不可能预测准确。”大数据无法预测人类行为，归根结底还是因为人具有“自由意志”，人会根据预测结果（如下个月的股票价格、明天的交通拥堵情况）改变自身行为，从而使得预测失效。
第二，大数据相关关系不能替代因果关系。舍恩伯格在《大数据时代》中说：“我们没有必要非得知道现象背后的原因，而是要让数据自己发声”，“相关关系能够帮助我们更好地了解这个世界”。追寻相关关系和因果关系，是人类思维的两种重要方式，而用大数据进行预测往往依靠相关性，也就是说，很多情况下知道“是什么”即可，不必知道“为什么”。相关关系的运用在互联网推荐、精准广告等方面得到了实际应用。然而，在很多时候，如疾病诊断、工厂故障分析等场景下，需要根据确定的（或置信度非常高的）结论来决策，仅凭相关关系是远远不够的。换言之，大数据中的相关关系应用，需要区分场景，有时候数据无法自己说话，需要追本溯源。
第三，大数据来源不均衡会让数据“说谎”。有人说数据不会撒谎。实际上，如果忽视数据来源的不均衡性，数据分析结果就会“骗人”。中国互联网络信息中心 2015 年的统计数据显示，我国网民城乡分布严重不均，农村网民虽然迅猛增长，但仍不及城市新增网民数量的1/10。社交网络的用户的性别分布也同样有很严重的倾斜，腾讯公司 2015 年年初的报告显示，微信用户的男女比例为 1.8:1，男性用户约占了 64.3%，而女性用户则只有 35.7%。如果利用网络大数据进行民意调查，却不把样本分布的不均衡性考虑进去，就可能使得某些群体未得到充分代表，而某些群体因使用率高，其意见或特征被过分放大。这种不均匀的数据来源会导致分析结果存在偏见和盲区。
第四，大数据无法消灭信息不对称现象。有人说，大数据有助于消灭信息不对称。虽然从全社会看，大数据的全面采集和融合应用有望在局部缓和信息不对称程度，但是在互联网世界中，马太效应很显著，拥有大数据资源和掌握大数据分析能力的企业，往往会在大数据时代占据更加有利的地位、占有更多数据，从而更容易形成一批数据寡头，产生新的不平等，造成新的信息不对称。因此，大数据无法消灭信息不对称，反而更有可能助推数据寡头的出现。如果这种数据垄断地位被企业滥用，将会威胁个人、企业甚至国家利益。因此，在大数据时代，如何进一步弥合数据鸿沟、防止数据“霸权”的滥用，将会成为一个重要新的课题。热潮之下，对大数据的反思，还需要不断深入，才能让我们保持清醒的头脑。
内容来自中国信息通信研究院
