壹、大數據為什麽大？
數據現在是個熱詞，關於如何用它發揮大數據價值的討論很多。筆者覺得這好像有點混淆了因果，就像關系壹樣。有A時，B與之關聯，有B時，A不壹定關聯。作者還是從平時的四個v來描述我對大數據思維的看法。
1，大數據量，數據量大到可以達到統計意義，有價值。我見過的壹個典型案例是，比如血緣關系對遺傳病的影響，收集幾千個數據很難發現，壹旦達到兩萬個以上，就會非常明顯。因此，我們收集數據是為了發現隱藏的知識，還是有價值，這是有爭議的。其實在收集數據的時候，還是可以劃分壹些標準，建立壹個層次，結合需求和目標進行收集。當然有人會說這樣會導致巨大的偏差，比如失去了數據的完整性，有壹定的主觀偏差，但是我覺得至少收集到的數據的價值可以比較高。
2.大數據的範疇也可以說是數據的維度。對於壹個物體，用標記的方式進行標記，根據需求擴展類別。和數據量壹樣，筆者認為也是建議根據需求建立，但是對於標簽，有壹個普遍采用的策略，就是推薦標簽和定制標簽的問題。分類其實是人類文明的壹大創舉，采用推薦標簽的方式。我們可以大大減少標簽的總數，減少規範的後期工作，擴展數據收集時的數量和維度。但是，當數據進入應用狀態時，我們希望處理的是小數據、少維度。通過這種推薦和可選的方式，我們可以在標準化的基礎上進行定制，而不是不規則的擴展，甚至是限制用戶自定義的標簽，這樣可以讓維度的價值更加明顯。
3.關於時效性，我們已經進入倒計時時代，所以在很短的時間內，需要的數據量和數據類型往往比以前更多。也就是說，因為時效性要求高，處理數據的方式發生了變化。以前可能是多人多次辦理，現在必須壹人壹次辦理。所以相應的信息系統、工作模式甚至企業組織、管理績效都需要改變。比如我以前工作的企業去做ERP系統，設計師意見很大。說個典型案例吧。以前壹個變更單發出去，工作就完成了。上了ERP系統後，需要為這個變更單設置物料編碼，設置需要查詢的物料的存放。這些之前都被設計師忽略了，設計師也沒有為這些增加的工作支付報酬。甚至因為缺少材料，變更單都發不出來，讓設計師幹活。但從壹次性完成工作，提高企業工作效率的角度來看，這樣的設計變更和材料整合的方式顯然是必要的。那麽，作為工作人員，如何讓自己的工作更加全面完整，避免宮，讓整個企業的工作在時間上更有競爭力，提高數據的數量、種類和處理能力，就很有必要了。
4.關於大數據的價值，壹種說法是大數據有很大的價值，另壹種說法是相對於以前的結構化數據和少量數據來說是大數據，所以大數據的單位價值下降了。筆者認為這兩種說法都是正確的，從整體價值和單位數據的價值來看都是壹個問題。作者對大數據的價值提出了新的看法，這是真正發揮大數據價值的又壹思路。這個思路是針對企業的問題。首先，問題是什麽？我說的問題不是壹般意義上的問題，因為我壹說問題，大家都覺得是不好的，錯的等等。，而作者問題的定義是指狀態與其預期狀態的區別，包括三種模式。
1)常見問題，比如火災，必須馬上撲滅，其實這是三種模式中最少的；
2)想要保持狀態，
3)期望狀態，比原始狀態高壹個層次。
我們提出了壹系列解決問題的方案，而這些方案往往是多種多樣的，比如員工培訓、設備改進、組織變革等。當然，解決方案包括信息化手段和大數據手段。我們還需要權衡大數據方法是否是相對優越的方法。如果有，用這種手段解決是有價值的。比如我知道的壹個案例，企業的壹個產品組件偶爾會出問題。經過幾次嘗試，該企業決定為該設備建立壹個工業控制系統來記錄材料的溫度。結果再次出現問題時，分析如果工人正常工作，應該沒有這樣的數據記錄。經與值班工人詢問，值班工人承認上夜班時睡覺，沒有及時處理。之後，同樣的問題再也沒有發生。
綜上所述，筆者認為大數據思維的核心應該貫徹在價值上，以問題為導向，收集足夠多的數據和足夠多維度的數據，達到統計意義，滿足企業生產、客戶需求甚至競爭的時效性要求，而不是僅僅為了大數據而關註大數據。這是壹種務實、有效、正確的思維方式，是推進壹線大數據項目的有效途徑。在這種思維模式的基礎上，采用滾雪球的方式。
二、大數據思維方式
大數據研究專家勛伯格指出，在大數據時代，人們看待數據的方式將發生以下三種變化:
1)人處理的數據從樣本數據變成了全部數據；
2)由於是全樣本數據，人們不得不接受混合數據，放棄對準確性的追求；
3)通過大數據的處理，人類放棄了對因果關系的渴求，轉而關註相關關系。
事實上，大數據時代給人們思維方式帶來的深刻變化遠不止以上三個方面。筆者認為，大數據思維最關鍵的變革在於從自然思維向智能思維的轉變，這使得大數據因具有生命力而獲得了智能甚至類似於“人腦”的智慧。
1，整體思路
社會科學研究社會現象的總體特征。以往采樣壹直是獲取數據的主要手段，是人類在無法獲取整體數據信息的情況下無奈的選擇。在大數據時代，人們可以獲取和分析更多的數據，甚至是與之相關的所有數據，而不是依賴抽樣，這樣可以帶來更全面的了解，更清晰地發現樣本無法揭示的細節信息。
正如勛伯格總結的那樣:“我們總是習慣於把統計抽樣視為文明建立的堅實基礎，就像幾何定理和萬有引力定律壹樣。而統計抽樣實際上只是在技術有限的特定時期，為了解決當時的壹些特定問題而產生的，其歷史不到壹百年。現在技術環境已經有了很大的改善。大數據時代的抽樣分析就像汽車時代的騎馬。
在某些特定情況下，我們仍然可以使用樣本分析，但這不再是我們分析數據的主要方式。也就是說，在大數據時代，隨著數據采集、存儲和分析技術的突破性發展，我們可以更加方便、快捷、動態地獲得與研究對象相關的所有數據，而不是因為諸多限制而不得不采用樣本研究方法。相應地，思維方式也要從樣本思維轉向整體思維，這樣才能更全面、立體、系統地了解全局。
2.容錯思維
在小數據時代，由於收集的樣本信息少，需要保證記錄的數據盡可能的結構化和準確，否則分析得出的結論壹般會“相反”，所以必須非常註重準確的思維。然而，在大數據時代，得益於大數據技術的突破，大量非結構化、異構的數據可以被存儲和分析，這壹方面增強了我們從數據中獲取知識和洞察的能力，另壹方面也挑戰了傳統的精準思維。
勛伯格指出，“對準確性的執念是信息匱乏時代和模擬時代的產物。只有5%的數據是結構化的，可以應用於傳統數據庫。如果我們不接受混亂，剩下的95%的非結構化數據就無法使用。只有接受不準確，才能為我們從未涉足的世界打開壹扇窗。”也就是說，在大數據時代，思維方式要從精確思維向容錯思維轉變。當有大量實時數據時，絕對的準確性不再是主要目標。如果我們適當地忽略微觀層面的準確性，允許壹定程度的錯誤和混亂，我們就可以在宏觀層面上擁有更好的知識和洞察力。
3.相關思維
在小數據的世界裏，人們往往執著於現象背後的因果關系，試圖通過有限的樣本數據來分析內在機理。小數據的另壹個缺陷是，有限的樣本數據不能反映事物之間的普遍相關性。在大數據時代，人們可以通過大數據技術挖掘出事物之間隱藏的關聯，獲得更多的知識和見解。利用這些知識和見解可以幫助我們捕捉現在，預測未來，而基於相關性分析的預測是大數據的核心課題。
通過關註線性相關和復雜的非線性相關，可以幫助人們看到很多以前沒有關註的聯系，也可以把握以前無法理解的復雜的技術和社會趨勢。相關性甚至可以超越因果關系，成為我們理解世界的更好視角。勛伯格指出，大數據的出現讓人們放棄了對因果關系的渴求，轉而關註相關性。人們只需要知道“是什麽”而不是“為什麽”。我們不壹定要知道事物或現象背後復雜的深層原因，但通過大數據分析知道它是什麽，意義重大，它會給我們提供非常新穎、有價值的想法、信息和知識。換句話說，在大數據時代，思維方式要從因果思維轉向關聯思維，努力顛覆人類千百年來形成的傳統思維模式和固有偏見，才能更好地分享大數據帶來的深刻洞察。
4.智能思維
不斷提高機器的自動化和智能化水平，壹直是人類社會長期不懈努力的方向。計算機的出現極大地推動了自動控制、人工智能、機器學習等新技術的發展，“機器人”的研發也取得了長足的進步，並開始得到應用。應該說，進入信息社會以來，人類社會的自動化、智能化水平有了明顯提高，但始終面臨瓶頸，未能取得突破性進展。機器的思維方式仍然屬於線性的、簡單的、物理的自然思維，智能水平仍然差強人意。
但是，大數據時代的到來可以為提高機器智能帶來機遇，因為大數據將有效促進機器思維從自然思維向智能思維的轉變，這是大數據思維轉變的關鍵和核心內容。眾所周知，人腦之所以聰明，是因為它能夠對周圍的數據和信息進行全面的收集、邏輯判斷和總結，獲得關於事物或現象的知識和觀點。同樣，在大數據時代，隨著物聯網、雲計算、社交計算、可視化技術等的突破性發展。，大數據系統可以自動搜索所有相關的數據信息，然後像“人腦”壹樣主動、立體、邏輯地分析數據，做出判斷，提供洞察。那麽，它無疑將擁有類似於人類的智能思維能力和預測未來的能力。
“智能、智慧”是大數據時代的顯著特征。大數據時代的思維方式也要求從自然思維向智能思維轉變，不斷提高機器或系統的社會計算能力和智能水平，從而獲得具有洞察力和新價值，甚至類似於人類“智慧”的事物。
勛伯格指出，“大數據開啟了壹次重大的時代轉型。就像望遠鏡讓我們感受宇宙，顯微鏡讓我們觀察微生物壹樣，大數據正在改變我們的生活和我們理解世界的方式，成為新發明和新服務的來源，更多的變化等待著我們去做。”
大數據時代將帶來思維的深刻變革。大數據不僅會改變每個人的日常生活和工作方式，還會改變商業機構和社會組織的運作模式。也將從根本上奠定國家和社會治理的基礎數據，徹底改變國家和社會諸多領域長期存在的“無法治理”的局面，讓國家和社會治理更加透明、有效、智慧。