大數據時代，你的思維方式改變了嗎？

當今，互聯網井噴式快速發展，我們早已步入信息化社會。信息並不匱乏，匱乏的是我們處理信息的能力，我們有限的注意力是組織活動的主要瓶頸。通過大數據來輔助決策，人類理性的範圍將會擴大，決策的質量就能提高。

在大數據時代，人類社會面臨的問題之一是如何更好的利用數據來輔助決策。

如果將傳統的思維模式——精確性運用於數據化、網路化的21世紀，就會錯過重要的信息，執迷於精確性是信息缺乏時代的產物。當我們掌握了大量新型數據時，精確性就不那麼重要了，不因為依賴精確性，我們同樣可以掌握事情的發展趨勢。

相比依賴於小數據和精確性的時代，大數據因為更強調數據的完整性和混雜性，幫助我們進一步接近事實的真相。「部分」和「確切」的吸引力是可以理解的。但是，當我們的視野局限在我們可以分析和能夠確定的數據上時，我們對世界的整體理解就可能產生錯誤和偏差。

大數據時代，思維方式的一個改變，不執著於對精確性的追求，擁抱混亂。另外一個思維方式的轉變則是，更加重視相關關係，而不偏執於基於假設基礎上對因果關係的追尋。

在小數據的世界中，相關關係也是有用的，但在大數據的背景下，相關關係大放異彩。通過應用相關關係，我們可以比以前更容易、更便捷、更清楚地分析事物。

相關關係通過識別有用的關聯物來幫助我們分析一個現象，而不是通過揭示其內部的運作機制。當然，即使是很強的相關關係也不一定能解釋每一種情況，比如兩個事物看上去行為相似，但很有可能只是巧合。相關關係沒有絕對，只有可能性。

我們用數據驅動的關於大數據的相關關係分析法，取代了基於假想的易出錯的方法。大數據的相關關係分析法更準確、更快，而且不易受偏見的影響。建立在相關關係分析法基礎上的預測是大數據的核心。這種預測發生的頻率非常高，以至於我們經常忽略了它的創新性。當然，它的應用會越來越多。

在社會環境下尋找關聯物只是大數據分析法採取的一種方式。同樣有用的一種方式是，通過找出新種類數據之間的相互聯繫來解決日常需要。比方說，一種稱為預測分析法的方法就被廣泛的應用於商業領域，它可以預測實踐的發生。

比如車的某個零部件出故障。因為一個東西要出故障，不會是瞬間的，而是慢慢地出問題的。通過收集所有的數據，我們可以預先捕捉到事物要出故障的信號，比方說發動機的嗡嗡聲、引擎過熱都說明它們可能要出故障了。

系統把這些異常情況與正常情況進行對比，就會知道什麼地方出了毛病。通過儘早的發現異常，系統可以提醒我們在故障之前更換零件或者修復問題。通過找出一個關聯物並監控它，我們就能預測未來。

在小數據時代，我們會假想世界是怎麼運作的，然後通過收集和分析數據來驗證這種假想。在不久的將來，我們會在大數據的指導下探索世界，不再受限於各種假想。我們的研究始於數據，也因為數據我們發現了以前不曾發現的聯繫。

總之，除了糾結於數據的準確性、正確性和嚴格度之外，我們也應該容許一些不精確的存在。數據不可能是完全正確或完全錯誤的，當數據的規模以數量級增加時，對大數據進行深挖和分析，我們能夠把握真正有用的數據，避免做出盲目和錯誤的決策。