BBC：大數(shù)據(jù)帶來的弊?。拷蛐?yīng)

數(shù)據(jù) 數(shù)據(jù)分析信息

Tom | 2017-03-28 15:04

【數(shù)據(jù)猿導(dǎo)讀】世界上90%的數(shù)據(jù)都是過去幾年里產(chǎn)生的，你可能已經(jīng)熟知這個(gè)統(tǒng)計(jì)了

世界上90%的數(shù)據(jù)都是過去幾年里產(chǎn)生的，你可能已經(jīng)熟知這個(gè)統(tǒng)計(jì)了。這是真的。我能找到的關(guān)于這個(gè)表述的最早的陳述之一可以追溯到2013年五月，但這個(gè)趨勢一直顯著地持續(xù)著。確實(shí)，過去三個(gè)世紀(jì)以來每兩年世界上數(shù)據(jù)的總量便會提高到十倍——這個(gè)比率甚至使得發(fā)現(xiàn)處理器性能加倍的摩爾定律都相形見絀。

這樣一個(gè)信息增長比率所帶來的問題之一是現(xiàn)在這個(gè)時(shí)刻的數(shù)據(jù)總是比才過去不久的要出現(xiàn)得大得多。想想一下回顧一本描繪你人生前八年的一本相冊，從出生到成年。假設(shè)你有你人生頭兩年的兩張照片。假定在匹配現(xiàn)在這樣一個(gè)信息增長比率下，你將會擁有印象深刻的2000張六歲到八歲的照片；20萬張十歲到十二歲的；以及驚人的兩億張十六歲到十八歲的照片。也就是說在最后兩年里每一秒種便會有不只三張照片產(chǎn)生。

“當(dāng)你想尋求更長遠(yuǎn)的視角而開始回顧過去時(shí)，你會發(fā)現(xiàn)現(xiàn)在的東西太多而過去的東西又太少。”

當(dāng)然，這并不是全球數(shù)據(jù)的一個(gè)完美的類比。一開始，世界上許多數(shù)據(jù)的增長都是因?yàn)楦嗟娜藚⑴c創(chuàng)造出了更多的信息資源以及更龐大更細(xì)致的格式。但是關(guān)于均衡性的觀點(diǎn)是有根據(jù)的。如果你打算回顧像上面一樣的記錄的話或者嘗試著分析它，你將發(fā)覺離現(xiàn)在越近的東西越會變得毫無意義。記錄這么多次有用的信息卻更少，為什么會這樣呢？

這就是現(xiàn)今如此多大數(shù)據(jù)被收集與分析所帶來的問題。當(dāng)你想尋求更長遠(yuǎn)的視角而開始回顧過去時(shí)，你會發(fā)現(xiàn)現(xiàn)在的東西太多而過去的東西又太少。目光短淺深深地植入在高估以歷史為代價(jià)的短期趨勢的強(qiáng)大的結(jié)構(gòu)傾向中。

大數(shù)據(jù)所帶來的問題之一是現(xiàn)在這個(gè)時(shí)刻的數(shù)據(jù)總是比才過去不久的要出現(xiàn)得大得多（來源：iStock）

為了理解這個(gè)的重要性，思考一下社會科學(xué)關(guān)于近因效應(yīng)的發(fā)現(xiàn)，它描述了人們假設(shè)未來的事件將類似于最近的經(jīng)歷的傾向。這也是我們熟知的“可具有性”啟發(fā)式的另一種說法：依據(jù)任何最容易想到的東西進(jìn)行思考的傾向。這也是一種普遍的心理屬性。如果在過去的幾年里在你住的地方你已經(jīng)見證了異常寒冷的夏天，比如，你可能被引導(dǎo)著說出夏天越來越冷了——或者你們當(dāng)?shù)氐臍夂蚩赡茉谧兝洹?shí)際上你不應(yīng)該把你讀到的任何東西讀入數(shù)據(jù)。你需要運(yùn)用更長遠(yuǎn)的眼光去了解關(guān)于氣候變化趨勢的有意義的東西。在短期內(nèi)，你最好不要隨意推測——但我們中有誰能夠真的做到呢？

“短期的分析不只是無效的——它們經(jīng)常是無用的甚至誤導(dǎo)人的”

現(xiàn)實(shí)生活中多數(shù)復(fù)雜現(xiàn)象經(jīng)常也是這樣的：如股票市場、經(jīng)濟(jì)、公司興衰、戰(zhàn)陣與和平、人際關(guān)系以及王朝更迭。短期的分析不單單是無效的——它們經(jīng)常是無用甚至誤導(dǎo)人的。瞧瞧眾多經(jīng)濟(jì)學(xué)家排著隊(duì)宣布像2009年金融危機(jī)這樣的事件是不可能發(fā)生的，直到它真的發(fā)生了。在那種程度上可以做到有效預(yù)測的那種概念本身就是問題的一部分。

值得一提的是在決定數(shù)據(jù)去留時(shí)新奇經(jīng)常是主要的考慮因素。推陳出新：在這個(gè)數(shù)字趨勢的世界上，搜索算法本質(zhì)上偏向于新鮮事物，所謂的超鏈停用從最高法院決定到整個(gè)社會媒體服務(wù)業(yè)等各方面十分猖獗。對于當(dāng)下的偏向從結(jié)構(gòu)上在我們周邊的所有科技中已經(jīng)根深蒂固，尤其要?dú)w因于我們大約五年后丟棄我們大多數(shù)一度繁榮的機(jī)器的喜好。

該怎么做？這不只是一個(gè)更擅長保存舊數(shù)據(jù)的問題——盡管這不能說是個(gè)壞主意，考慮到我們對現(xiàn)在于過去的幾十年而不是過去幾年的保存多無能為力。更重要的是，決定哪些數(shù)據(jù)是在第一時(shí)間值得保存的——并且以知識的名義有意義地剔除信息意味著什么。

我們需要更擅長于決定哪些數(shù)據(jù)值得在第一時(shí)間保存的（來源：iStock）

我們需要的是一種我喜歡稱為“選擇性遺忘”的能力：訓(xùn)練我們的工具更擅長于放下剛剛過去的東西以保持眼光上的連續(xù)性。這是一種類似治療的方式助我們合理安排相冊——盡管需要更多的數(shù)學(xué)。什么情況下兩百萬張照片不如兩千張有價(jià)值呢？當(dāng)樣本比較多涉及領(lǐng)域卻比較少的時(shí)候；當(dāng)可以提出的問題不那么重要的時(shí)候；當(dāng)提供的細(xì)節(jié)的級別只是逐步灌輸懷疑和只有盲目的自信的時(shí)候。

有許多的數(shù)據(jù)集是不能復(fù)原的，當(dāng)完成的時(shí)候價(jià)值是極大的：基因序列；人口數(shù)據(jù)；地理和物理學(xué)的困難知識。然而，若科學(xué)越不嚴(yán)謹(jǐn)，規(guī)模就越可能與質(zhì)量成反比—更重要的是時(shí)間本身就是一個(gè)過濾器。我們要么仔細(xì)選擇忍受什么，有哪些是重要的，還有要帶著有意義的心態(tài)去捕捉我們后退的過去，要么它的印記被現(xiàn)在不斷增加的噪音所替代。

時(shí)間的削弱是有多方面的，因?yàn)樵谒匀皇且粋€(gè)限制因素里面有一個(gè)至關(guān)重要的意義：人的時(shí)間和注意力的可用性。企業(yè)，個(gè)人和政府都有相當(dāng)多的信息，與他們幾年前相比。然而，在白天的日子里他們沒有任何可用的關(guān)注，董事會成員，首席執(zhí)行官，民選官員或者幾個(gè)小時(shí)的時(shí)間。越來越好的工具的存在幫助決策者對他們所擁有的信息提出有意義的問題-制造者對他們擁有的信息提出有意義的問題-但你只能分析可企及的問題。單純地積累不是一種答案。在一個(gè)越來越大的數(shù)據(jù)時(shí)代，你選擇不知道的事情和你所做的一樣重要。

（作者：Tom Chatfield）

來源：BBC

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時(shí)，也請務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責(zé)。