大数据时代的裸奔
来源：
发布日期：2015-01-19 18:57:16
阅读量：0
老王开了个包子铺，但有时做多了卖不完，有时又不够卖，老王琢磨着买包子的都是街坊，买包子是有规律的，例如老张只在周六买，因为闺女周末会来看他，而闺女爱吃包子。于是老王每卖一次就记一次账，试图找出街坊的买包子规律。但数据虽然越记越多，却啥规律也没找出来。有个人给老王支招，你甭记顾客，记每天卖了多少笼就行，这个法子明显简单有效，很容易就看出了周末比平时会多卖两笼的规律。
这个例子虽然简单，却道出了大数据的一个重要特点：相关关系比因果关系更重要，“周末”与“买包子人多”就是相关关系，但为什么多呢？对这些可能性不必探究，因为即使探究也搞不清楚，只要获知了周末买包子的人多就行了。
要相关不要因果，这是大数据思维的重要变革，以前数据处理的目标更多是对猜测的因果性的验证，人们总是习惯性地找原因，但这个原因是否是真实的，却往往是无法核实的。承认很多事情是没有原因的，这是人类思维方式的一个重大进步。
传统的调查方式都是抽样的，之所以选择抽样而不是统计全部数据，是因为全部数据的量太大，没法操作。 抽样的核心原则是随机性，不随机就不能反映整体趋势性。例如搞一个保暖内衣的调查，找了一群精壮的武警战士试穿，战士们穿上了普遍反映不冷，但这并不能说明内衣的保暖效果有多好。
但要做到随机性其实是很难的。例如电视收视率调查，要从不同阶层随机找被调查人，但高学历高收入的大忙人们普遍拒绝被调查，愿意接受调查的多是整天闲得无聊的低收入者，电视收视率的调查结果就可想而知了。
互联网为大数据的采集带来了新手段，云计算为处理大数据带来了新方法。互联网电视普及后，用户正在收看什么节目的信息会毫无遗漏地发送到调查中心。这就是大数据的第二个特点：要全体不要抽样。
既然我们要的是全体数据，自然会夹杂进来一些错误的数据，传统的数据分析思路是“宁缺勿滥”，大数据时代的原则就变了，成了“要效率不要精确”，并不是说精确不好，而是因为如果继续把排除错误数据作为重要工作，那大数据分析就进行不下去了。更重要的是，大数据分析的目标在于预测，而不在于追溯以前发生过的事件的真相。
不过，大数据时代我们都面临一个重大问题，就是隐私权如何保障。美国某机构曾做过一个实验，根据网友的搜索记录来筛定目标，虽然信息已经进行了模糊，还是有不愿意出柜的基友被筛出来了，基友的妈妈非常震惊和生气，将该机构告上了法庭。
更有意思的是，将来的犯罪逮捕会变成事前，有天你啥事没做睡在床上就被逮捕了。警察通告你：根据警方对你所有信息的大数据分析，显示你已经知道了老婆出轨之事，根据以往犯罪案例及你本人性格的大数据分析结果，你有76.3%的概率会在本周内对老婆进行轻伤以上程度的施暴，超过了法律规定的60%轻伤以上犯罪概率必须入监的标准，特羁押你一个月。
是不是感到了毛骨悚然？在大数据时代，我们每个人都是赤条条地在信息社会中裸奔。难到没有人意识到这点？当然不是，英国等西方国家早就对街道监控摄像头展开了全社会的大讨论，安全与隐私该如何权衡？随着近年来恐怖主义的盛行，安全显然更重要了，公民们很无奈地同意把更多的隐私权交给了政府。
公安部门掌握着每个人的开房信息，如果不涉及到重大违法犯罪的话，绝不能滥加使用，更不能透露给当事人的配偶，否则社会就会大乱。掌握信息和利用信息的应是独立的两个机构， 而且必须对公民隐私信息进行分级制严管。
我们该如何做好迎接大数据时代的准备？我觉得应该培养公权机构绝不能泄露公民隐私的社会舆论，前几天流传着范冰冰的机场安检照，记者们以此做娱乐文章，这就是一个极坏的兆头！如果放任这种公权力的滥用，每个人将来都会成为光屁股裸奔的人。
重点聚焦
更多>>
北京科技报微信
北京科技报客户端