国产毛片一区二区三区女同性恋_日韩欧洲区精品一区二区_乱人伦中文视频在线观看_五月天在线视频国产在线下载_挺进邻居丰满少妇的身体_国产乱子伦精品免费视频_国产精品无码一区二区A∨白浆_操女生在线观看免费观看视频_影音先锋av每日最新久久_婷婷五月精品综合一区

由希望兜售下一個大事物的咨詢顧問、IT公司描述的這些“大數(shù)據(jù)”故事，其背后的假設(shè)存在很多問題。幸運(yùn)的是，誠實(shí)的大數(shù)據(jù)實(shí)踐者，那些天生就具有高度質(zhì)疑精神的數(shù)據(jù)科學(xué)家，連篇累牘地向我們講述了對該領(lǐng)域的許多炒作感到厭倦的原因。以下就是部分理由：

哪怕是像Facebook和Yahoo這樣的巨頭通常也不和大數(shù)據(jù)打交道，Google風(fēng)格工具的應(yīng)用是不合時宜的。

Facebook和Yahoo用自己龐大的內(nèi)部“集群”（一組計(jì)算能力很強(qiáng)的服務(wù)器）來處理數(shù)據(jù)。這些集群的必要性是大數(shù)據(jù)的標(biāo)記之一。畢竟嘛，如果用你家里的PC就能處理的數(shù)據(jù)當(dāng)然不能算“大”。將問題打破成許多小部分，然后對一個部分用一大組計(jì)算機(jī)進(jìn)行處理，這種分而治之的必要性，描繪了像Google需要對全球的每一個網(wǎng)頁進(jìn)行排名這類典型的大數(shù)據(jù)問題的特征。

但是事實(shí)上，哪怕是Faceboo和Yahoo，那些集群對于它們手上的許多任務(wù)來說也是沒有必要的。以Facebook為例，他們的工程師交給集群處理的大多數(shù)任務(wù)也只是MB—GB級的，這意味著用一臺計(jì)算機(jī)—甚至是筆記本就能處理了。

Yahoo的故事類似，交給Yahoo的集群處理的任務(wù)規(guī)模平均是12.5GB。這個規(guī)模要大于普通桌面PC的處理能力，但是對于一臺強(qiáng)大的服務(wù)器來說沒有問題。

所有這一切都可用微軟研究院的一篇論文概括，這篇論文的題目叫做《買集群不會有錯》。論文指出，哪怕是在對數(shù)據(jù)為饑渴的公司，許多工程師解決的問題都不需要在集群上跑。為什么這是個問題呢？因?yàn)榇嬖谥浅６囝愋偷膯栴}用集群處理起來時相對低效的，甚至完全就是不合時宜的。

大數(shù)據(jù)已變成“數(shù)據(jù)分析”的同義詞，令人困惑，還會產(chǎn)生反效果

數(shù)據(jù)分析是個老古董了，可是現(xiàn)在談起數(shù)據(jù)，你不在它前面加個“大”字都覺得不好意思—非常有必要的數(shù)據(jù)分析實(shí)踐已經(jīng)被一股更猛烈但沒那么有用的炒作之風(fēng)一掃而光。比方說，這里就有一篇文章循循誘導(dǎo)自己的讀者要將大數(shù)據(jù)吸收進(jìn)自己的小企業(yè)當(dāng)中，但是里面討論的那些東西還不如在筆記本上的EXCEL好用。

也就是說，實(shí)際上大多數(shù)企業(yè)要處理的是Open Knowledge Foundation的Rufus Pollock所謂的小數(shù)據(jù)。根據(jù)Pollock的定義，所謂的小數(shù)據(jù)是指可以方便地在一臺機(jī)器（高端筆記本或服務(wù)器）上存儲和處理的數(shù)據(jù)。Pollock認(rèn)為小數(shù)據(jù)才是真正的革命，但是小數(shù)據(jù)和大數(shù)據(jù)沒有太多的聯(lián)系。

超量化你的數(shù)據(jù)往往會讓你事倍功半

數(shù)據(jù)是不是越多越好？答案幾乎是否定的。實(shí)際上，如果你要想尋找相關(guān)性—想知道X與Y是否有聯(lián)系好讓你可以基于此采取行動的話，收集到的數(shù)據(jù)越多反而會傷害你。

社交網(wǎng)絡(luò)分析公司的數(shù)據(jù)分析首席科學(xué)家Michael Wu說：“隨著數(shù)據(jù)規(guī)模的不斷增加，你能夠從大數(shù)據(jù)析取出來的信息反而會逐漸減少。”也就是說，數(shù)據(jù)量一旦超過了某個點(diǎn)，增加數(shù)據(jù)所獲得的回報(bào)就會減少，因此，收集更多數(shù)據(jù)純屬浪費(fèi)時間。

一個原因：你的數(shù)據(jù)“越大”，在相關(guān)性方面有可能出現(xiàn)的誤報(bào)就會越多。數(shù)據(jù)科學(xué)家Vincent Granville在大數(shù)據(jù)之咒中說，哪怕是只有1000條記錄的數(shù)據(jù)集，要想陷入到“處理好幾百萬的關(guān)聯(lián)關(guān)系”的情況也并不難。這句話的意思是說，“在那么多的相關(guān)性當(dāng)中，只有少數(shù)幾個會因?yàn)榕既坏脑蚨嚓P(guān)性極強(qiáng)：如果你用這樣的相關(guān)性進(jìn)行預(yù)測建模的話，必輸無疑。”

這個問題一直困擾著大數(shù)據(jù)應(yīng)用的鼻祖之一—基因?qū)W?？茖W(xué)家滿足于對整個基因序列進(jìn)行排序，然后深入剖析其中的相關(guān)性，這種沒有盡頭的“盤前審問”會導(dǎo)致種種無用的結(jié)果發(fā)生。

在某些情況下，大數(shù)據(jù)帶給人的困惑跟啟發(fā)一樣多。

對數(shù)據(jù)采集方式的偏見，缺乏背景信息，收集資料的缺口，數(shù)據(jù)處理的手段、整體的認(rèn)知偏差等等，這些都會導(dǎo)致算法幻象的產(chǎn)生。換句話說，哪怕你有大數(shù)據(jù)在手，但是大數(shù)據(jù)的處理卻仍然需要非常高超的技巧和嫻熟的經(jīng)驗(yàn)（除非大數(shù)據(jù)好用了）。而且即便他們后分析出了答案，也許那個答案是你根本就不需要“大數(shù)據(jù)”。

數(shù)據(jù)究竟是以大為美還是以小為美？

你的企業(yè)需不需要數(shù)據(jù)。當(dāng)然需要。但是處理規(guī)模卻不是購買數(shù)據(jù)產(chǎn)品的關(guān)鍵。同樣的問題自其出現(xiàn)以來也困擾著科學(xué)—數(shù)據(jù)質(zhì)量、整體目標(biāo)，上下文的重要性，以及直覺，這些都是企業(yè)用數(shù)據(jù)進(jìn)行決策所固有的東西。記?。焊窭锔?bull;孟德爾僅靠一本筆記本的數(shù)據(jù)就發(fā)現(xiàn)了基因遺傳的秘密。重要的是收集合適的數(shù)據(jù)，而不是隨便收集。