大數據來了，統計學徹底完了？

統計學是一門很古老的科學，也是很重要的學科。

統計學是通過搜索、整理、分析、描述數據等手段，以達到推斷所測對象的本質，甚至預測對象未來的一門綜合性科學。

統計學的中心問題就是如何根據樣本去探求有關總體的真實情況。在過去，我們數據有限，算力有限，統計學的作用就很重要。

伴隨著信息化，我們獲得的數據量越來越大，我們的計算能力越來越強，統計學的歷史使命似乎要達到終結。

大數據時代，我們可以獲得全樣本，大數據時代，我們可以有不同的方法去處理數據，去了解樣本的方方面面。相比較統計學，樣本規範，總量數據有限，觀測目標單一，這種情況下，統計學是適用的。然而，數據過大的情況，比如是網路海量數據，你如何取樣，你如何觀測呢？

大數據的特徵之一是多樣性，不同來源、不同維度的數據之間存在一定的關聯度，可以交叉驗證，運用大數據做決策，決就能夠從粗放型轉向集約型。

這麼說來，統計學似乎就沒有價值了？

大數據是全樣本，然而一些數據並不是有很大價值，甚至會出現錯誤導向。

谷歌的創始人拉里.佩奇和謝爾蓋.布林，在面試的時候，會要應聘者大學的SAT成績及大學畢業時的平均成績。

然而，每次那些40多歲，成就斐然的職業經理人被問到成績，就很懵逼。

他們的依據是：SAT能彰顯天賦，大學平均成績則能體現成就。

工作表現和這些成績有關係嗎？沒關係。

這個數據雖然是全數據，但仍然具有不確定性。

大數據告知信息但不解釋信息，這是大數據相關關係的特性。

就像股票市場，即使把所有的數據都公布出來，不懂的人依然不知道數據代表的信息。大數據時代，統計學依然是數據分析的靈魂。正如加州大學伯克利分校邁克爾·喬丹教授指出的，「沒有系統的數據科學作為指導的大數據研究，就如同不利用工程科學的知識來建造橋樑，很多橋樑可能會坍塌，並帶來嚴重的後果。」

在大數據時代，我們不能忽視一些新的方法和思想，但是，數據分析的很多根本性問題和小數據時代並沒有本質區別。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！