你好,游客 登录 注册 搜索
背景:
阅读新闻

舍恩伯格你知道大数据处理有这么多错误吗?

[日期:2014-04-03] 来源:企业网D1Net  作者: [字体: ]

  现在社会已经步入了大数据的处理时代了,很多人也对大数据处理产生了非常浓厚的兴趣,但是大数据仅仅只是一个新生的概念,很多认识都是错误的。

大数据处理,数据,大数据

  由于整个社会现在逐步走向了数据化,在这种时代的背景下产生了大数据,特别是在现在社交网络和传感器设备这么迅速的发展,大数据处理分析是有着自身的特点,跟计量经济学有着明显的联系以及差异化的区别。当前对于大数据处理分析有很多流行的观点,但是其中不乏一些观点确实要值得商榷。

  大数据产生的背景是整个社会走向数字化,特别是社交网络和各种传感设备的发展。云计算和搜索引擎的发展,使得对大数据的高效分析成为可能,核心问题是如何在种类繁多、数量庞大的数据中快速获取有价值信息。大数据在社会分析、科学发现和商业决策中的作用越来越大,金融只是其中的一个应用领域。

  什么是大数据

  大数据是一个新概念,英文中至少有三个名称:大数据(big data)、大尺度数据(big scale data)和大规模数据(massive data),至今未形成统一定义。但一般认为大数据具有四个基本特征(即所谓4V特征):数据体量庞大(volume)、价值密度低(value, 也有人理解成应用价值巨大)、来源广泛和特征多样(variety)、增长速度快(velocity, 也有人理解成需要高速分析能力)。

  从学术角度,对大数据的讨论基本属于数据科学(Data Science)和数据挖掘(Data Mining)的范畴。

  对大数据处理分析的主流误解

大数据处理,数据,大数据

  舍恩伯格与合作者的《大数据时代》非常流行,但里面的很多核心观点都值得商榷。

  第一,大数据处理分析也不是万能的。基于大数据的预测可以抽象表述为:用 表示已知信息,用 表示未知信息,寻找关于的函数作为 的预测。预测误差是 ,用 (类似于均方误差)来衡量预测效果。概率论有一个基本结论:对任意,总有 ,其中等号仅当时才成立,所以 也被称为最佳预测(best predictor)。

  第二,他们还认为,大数据处理分析不是因果关系,而是相关关系。这个说法在统计学中是老生常谈,不是什么新观点。统计学基于相关关系,只能被用来证伪因果关系,而不能被用来证实因果关系。大数据处理分析的基础理论也是概率论和数理统计,从根本上就属于相关关系的范畴。

  第三,他们认为,大数据处理分析不是针对随机样本,而是全体数据。尽管数据收集和分析手段足够发达后,对全部数据的收集和分析成为可能,但从成本收益上衡量,这样做不是总有必要。根据中心极限定理,统计分析质量与样本数量之间存在平方根关系。比如,样本数量提高100倍,分析质量提高10倍。而统计分析工作量与样本数量之间存在线性关系。比如,样本数量提高100倍,存储和计算量一般增加100倍。这样,样本数量增长到一定程度后,新增工作量对应的成本就会超过质量提高产生的好处。因此,通过科学设计的抽样调查获得有代表性的样本,在大数据分析中仍有价值。

  可以看出两点结论:首先,大数据处理分析中,各种算法的核心任务是使 尽可能接近理论上的最优预测 ;其次,即使在最优预测上, 代表的预测误差仍不能被消除,是内生于信息结构的。比如,即使信息技术非常发达,如果现实世界中仍有部分信息不能被数字化(从而不能用在大数据处理分析中),这部分被“尘封”的信息就决定了大数据处理分析的有效边界。

  第四,大数据处理能降低信息不对称的程度,但不能消除随机性(不确定性);有助于评估风险(未来遭受损失的可能性,其中损失分布可计量),但不能消除奈特式不确定性(其中损失分布不可计量)。

  D1Net评论:

  大数据毕竟是一个新生儿,人们对它的认识会经历一个由误解到正确认识的过程,对于舍恩伯格而言,他关于大数据处理的一些观点,也有很多值得商榷的地方,毕竟理论需要实践来检验。





收藏 推荐 打印 | 录入:Cstor | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款