大數(shù)據(jù)思維與傳統(tǒng)統(tǒng)計思維方式的差異分析

大數(shù)據(jù)思維與傳統(tǒng)統(tǒng)計思維方式的差異分析大數(shù)據(jù)觀點一經提出，便引起了全球廣泛的反響，似乎所有的商業(yè)或組織活動都可視為大數(shù)據(jù)問題。大數(shù)據(jù)時代的到來，必然對社會經濟各個方面產生重大沖擊，對與大數(shù)據(jù)緊密相關的“統(tǒng)計”又會產生什么樣的影響呢？統(tǒng)計學是關于數(shù)據(jù)的科學，即研究如何收集、整理和分析數(shù)據(jù)的科學。數(shù)據(jù)是依據(jù)，是靈魂，是統(tǒng)計方法生命力的根源所在，大數(shù)據(jù)時代的統(tǒng)計首先要適應三個重大的思維轉變。1、分析與事物相關的所有數(shù)據(jù)，而不是依靠分析少量的樣本數(shù)據(jù)。統(tǒng)計往往希望用盡可能少的數(shù)據(jù)來證實可能重大的發(fā)現(xiàn)、假設等，小數(shù)據(jù)時代一般采用隨機采樣，用最少的數(shù)據(jù)獲得最多的信息。統(tǒng)計抽樣是在技術受限的條件下，解決當時存在的一些問題而產生的;如今的大數(shù)據(jù)時代，計算和制表不再像過去那樣困難，感應器、手機導航、網(wǎng)站點擊和微博等能夠收集大量數(shù)據(jù)，而計算機也能夠輕易處理。因此，在處理大數(shù)據(jù)時不再來用隨機抽樣的方法，而利用所有數(shù)據(jù)進行分析。例如:谷歌流感趨勢預測并不是依賴于對隨機抽樣的分析，而是分析了整個美國幾十億條互聯(lián)網(wǎng)檢索記錄而得到的結論。分析整個數(shù)據(jù)庫，而不是對一個樣本進行分析，能夠提高微觀層面分析的準確性，甚至能夠推測出任何特定尺度的數(shù)據(jù)特征。2、樂于接受數(shù)據(jù)的紛繁復雜，而不再追求精確性。對小數(shù)據(jù)而言，最基本、最重要的要求是減少誤差，保證數(shù)據(jù)質量。生活于信息時代的我們，掌握的數(shù)據(jù)越來越全面，不再只包括手頭現(xiàn)象的一點點可憐數(shù)據(jù)，而是包括了與之相關的大量級數(shù)據(jù)甚至全部數(shù)據(jù)。人們不再那么擔心某個數(shù)據(jù)點對整套分析的不利影響，要做的是接受紛繁的數(shù)據(jù)并從中受益。大數(shù)據(jù)要求人們能夠接受混亂和允許不精確性，例如一個小商店晚上打烊的時候要把收銀臺里的每分錢都數(shù)清楚，但如果用“分”這個單位來精確計算國內生產總值顯然不適用。大數(shù)據(jù)時代，隨著數(shù)據(jù)規(guī)模的擴大，人們對數(shù)據(jù)精確度的癡迷將逐步減弱。3、不再探求難以捉摸的因果關系，轉而關注事物的相關關系。在小數(shù)據(jù)時代，人們往往樂此不疲地想知道現(xiàn)象背后的原因。大數(shù)據(jù)時代，由于坐擁海量數(shù)據(jù)和良好的機器計算能力，相關關系分析為人們提供了一系列新的視野和有用的預測，能夠找出新種類數(shù)據(jù)間的相互聯(lián)系來解決日常需要。例如:如果電子醫(yī)療記錄顯示橙汁和阿司匹林的特定組合可以治療癌癥，那么找出具體的致病原因就沒有通過相關關系而獲得的這種治療方法來得重要;亞馬遜根據(jù)用戶在其網(wǎng)站上的類似查詢來進行產品推薦，也是大數(shù)據(jù)相關關系的典型應用。通過探求“是什么”而不是“為什么”，能夠幫助人們更好地了解這個世界。

大數(shù)據(jù)與統(tǒng)計新思維譯著《大數(shù)據(jù)時代》(英國ViktorMayer-Schǒnberger，KennethCukier著)和《駕馭大數(shù)據(jù)》(美國BillFranks著)，以及我國學者涂子沛、郭曉科的《大數(shù)據(jù)》等幾本書引起了廣泛的關注，其他各種媒體關于大數(shù)據(jù)的討論也層出不窮，大數(shù)據(jù)已成為流行語。有人認為，大數(shù)據(jù)是一場新的革命，將橫掃一切領域，重構世界。不少國家已將大數(shù)據(jù)作為國家發(fā)展戰(zhàn)略，而商業(yè)領域更是將其視為下一個投資的寶庫。毫無疑問，大數(shù)據(jù)時代已經來臨，它正在悄悄地改變著人們的行為與思維，難以阻擋，無法抗拒。在計算機科學、電子商務等領域已率先在大數(shù)據(jù)技術開發(fā)與應用方面做出不俗成就的時候，以數(shù)據(jù)為研究對象的統(tǒng)計學該如何應對?無動于衷還是盲目追從?正確的態(tài)度應該是理性對待、積極跟進、改變思維、謀求發(fā)展.一對大數(shù)據(jù)的初步認識到底什么是大數(shù)據(jù)，不同的學科領域、不同行業(yè)的從業(yè)人員肯定會有不同的理解。與傳統(tǒng)意義上的數(shù)據(jù)相比，大數(shù)據(jù)的“大”與“數(shù)據(jù)”都有了新的含義，絕不僅僅是體量的問題，更重要的是數(shù)據(jù)的內涵問題。或許，“大”與“數(shù)據(jù)”根本就不能分開，只有把“大數(shù)據(jù)”當作一個整體概念來理解才有意義。那么從統(tǒng)計學的角度，我們該如何來理解大數(shù)據(jù)?筆者認為大數(shù)據(jù)不是基于人工設計、借助傳統(tǒng)方法而獲得的有限、固定、不連續(xù)、不可擴充的結構型數(shù)據(jù)，而是基于現(xiàn)代信息技術與工具可以自動記錄、儲存和連續(xù)擴充的、大大超出傳統(tǒng)統(tǒng)計記錄與儲存能力的一切類型的數(shù)據(jù)。有人用4V(Volume，Variety、Velocity和Value)來形容大數(shù)據(jù)的特征，最根本之處就是數(shù)字化基礎上的數(shù)據(jù)化。通俗地說，大數(shù)據(jù)就是一切可記錄信號的集合。

如果說，傳統(tǒng)統(tǒng)計研究的數(shù)據(jù)是有意收集的結構化的樣本數(shù)據(jù)，那么現(xiàn)在我們面對的數(shù)據(jù)則是一切可以記錄和存儲、源源不斷擴充、超大容量的各種類型的數(shù)據(jù)。樣本數(shù)據(jù)與大數(shù)據(jù)的這種區(qū)別，具有什么樣的統(tǒng)計學意義?我們知道，樣本數(shù)據(jù)是按照特定研究目的、依據(jù)抽樣方案獲得的格式化的數(shù)據(jù)，不僅數(shù)據(jù)量有限，而且如果過程偏離方案，數(shù)據(jù)就不能滿足要求?；跇颖緮?shù)據(jù)所進行的分析，其空間十分有限———通常無法滿足多層次、多角度的需要，若遇到抽樣方案事先未曾考慮到的問題，數(shù)據(jù)的不可擴充性缺點就暴露無疑。而大數(shù)據(jù)是一切可以通過現(xiàn)代信息技術記錄和量化的數(shù)據(jù)，不僅所蘊含的信息量巨大，而且不受各種框框的限制———任何種類的數(shù)據(jù)都來者不拒、也無法抵拒。不難發(fā)現(xiàn)，大數(shù)據(jù)相比于樣本數(shù)據(jù)的最大優(yōu)點是，具有巨大的數(shù)據(jù)選擇空間，可以進行多維、多角度的數(shù)據(jù)分析。更為重要的是，由于大數(shù)據(jù)的大體量與多樣性，樣本不足以呈現(xiàn)的某些規(guī)律，大數(shù)據(jù)可以體現(xiàn);樣本不足以捕捉的某些弱小信息，大數(shù)據(jù)可以覆蓋;樣本中被認為異常的值，大數(shù)據(jù)得以認可。這將極大地提高我們認識現(xiàn)象的能力，避免丟失很多重要的信息，避免失去很多決策選擇的機會。

這里，我們自然就想到了大量觀察與大數(shù)據(jù)這兩個概念中的“大”的區(qū)別。對于傳統(tǒng)的統(tǒng)計研究方法而言，大量觀察法是基礎，是收集數(shù)據(jù)的基本理論依據(jù)，其主要思想是要對足夠量的個體進行調查觀察，以確保有足夠的微觀基礎來消除或削弱個體差異對整體特征的影響，足以歸納出關于總體的數(shù)量規(guī)律。所以，這里的“大”是足夠的意思。大量觀察法的極端情況就是普查，但限于各種因素不能經常進行，所以一般情況下只能進行抽樣調查，這就需要精確計算最小的樣本量?；诖罅坑^察法獲得的樣本數(shù)據(jù)才符合大數(shù)法則或大數(shù)定律，才能用以推斷總體。而大數(shù)據(jù)則指不限量的數(shù)據(jù)，是基于現(xiàn)代信息技術的一切可以記錄的全體數(shù)據(jù)，其特征之一就是盡量多地包含數(shù)據(jù)，它與樣本容量無關，只與信息來源的數(shù)量與儲存容量有關。因此，這里的“大”是全體的意思。

可見，統(tǒng)計學的研究對象沒有變，變的是數(shù)據(jù)的來源、體量、類型、速度與量化的方式。這種變化對統(tǒng)計研究帶來了什么樣的挑戰(zhàn)?《大數(shù)據(jù)時代》提出了三個最顯著的變化:一是樣本等于總體，二是不再追求精確性，三是相關分析比因果分析更重要。這些觀點具有很強的震撼力，迫使我們對現(xiàn)有的統(tǒng)計研究思維進行反思。盡管這些觀點值得進一步商榷，但至少告訴我們這樣一個道理:統(tǒng)計研究對象的基礎變了，統(tǒng)計思維也要跟著變化，否則統(tǒng)計研究的對象只是全部數(shù)據(jù)的5%，而且越來越少，那又怎么能說統(tǒng)計學是一門關于數(shù)據(jù)的科學呢?又怎么去完善和發(fā)展開展數(shù)據(jù)分析研究的統(tǒng)計方法論呢?二統(tǒng)計思維的變化改變統(tǒng)計思維，是大數(shù)據(jù)時代的必然要求。否則，統(tǒng)計學科就有可能被大數(shù)據(jù)的潮流所吞沒，至少會被邊緣化，失去一次重要的參與推動歷史變革的機遇。當然，統(tǒng)計思維的變化應該以一個永恒不變的主題為前提，那就是通過數(shù)據(jù)分析去揭示事物的真相，這個真相就是事物的生存規(guī)律、聯(lián)系規(guī)律和發(fā)展規(guī)律。也就是說，數(shù)據(jù)分析要以數(shù)據(jù)背后的數(shù)據(jù)去還原事物的本來面目，以達到求真的目的。如果說，我們原來限于各種條件只能根據(jù)有限的樣本數(shù)據(jù)去實現(xiàn)這個目的，那么現(xiàn)在我們則可以在很多方面借助大數(shù)據(jù)去實現(xiàn)這個目的，關鍵就看我們開展數(shù)據(jù)分析的能力有多大，或者說利用大數(shù)據(jù)、從一切數(shù)據(jù)中提取有價值信息的能力有多大———因為大數(shù)據(jù)無疑增加了統(tǒng)計分析的難度，而這又首先取決于我們統(tǒng)計思維能否適應大數(shù)據(jù)時代的變化。正如邁爾－舍恩伯格所說:大數(shù)據(jù)發(fā)展的核心動力就是人類測量、記錄和分析世界的渴望。

那么，統(tǒng)計思維應該發(fā)生怎樣的變化?筆者認為主要要有如下三大變化:

(一)認識數(shù)據(jù)的思維要變化

前面已經提到，與傳統(tǒng)數(shù)據(jù)相比，大數(shù)據(jù)不僅體量大、變化快，而且其來源、類型和量化方式都發(fā)生了根本性的變化，使得數(shù)據(jù)雜亂、多樣、不規(guī)整。

首先，從來源上看，傳統(tǒng)的數(shù)據(jù)收集因為具有很強的針對性，因此數(shù)據(jù)的提供者大多是確定的，身份特征是可識別的，有的還可以進行事后核對。但大數(shù)據(jù)通常來源于物聯(lián)網(wǎng)，不是為了特定的數(shù)據(jù)收集目的而產生，而是人們一切可記錄的信號(當然，任何信號的產生都有其目的，但它們是發(fā)散的)，并且身份識別十分困難。從某種意義上講，大數(shù)據(jù)來源的微觀基礎是很難追溯的。

其次，從類型上看，傳統(tǒng)數(shù)據(jù)基本上是結構型數(shù)據(jù)，即定量數(shù)據(jù)加上少量專門設計的定性數(shù)據(jù)，格式化，有標準，可以用常規(guī)的統(tǒng)計指標或統(tǒng)計圖表加以表現(xiàn)。但大數(shù)據(jù)更多的是非結構型數(shù)據(jù)、半結構型數(shù)據(jù)或異構數(shù)據(jù)，包括了一切可記錄、可存儲的信號，多樣化、無標準、難以用傳統(tǒng)的統(tǒng)計指標或統(tǒng)計圖表加以表現(xiàn)。同時，不同的網(wǎng)絡信息系統(tǒng)有不同的數(shù)據(jù)識別方式，相互之間也沒用統(tǒng)一的數(shù)據(jù)分類標準。再者，現(xiàn)在有的數(shù)據(jù)庫是非關系型的數(shù)據(jù)庫，不需要預先設定記錄結構即可自動包容大量各種各樣的數(shù)據(jù)。

第三，從量化方式上看，傳統(tǒng)數(shù)據(jù)的量化處理已經有一整套較為完整的方式與過程，量化的結果可直接用于各種運算與分析。但大數(shù)據(jù)中大量的非結構化數(shù)據(jù)如何量化(結構化)、如何從中提取信息、如何與結構化數(shù)據(jù)對接是一個嶄新的問題。正如Franks所說:“幾乎沒有哪種分析過程能夠直接對非結構化數(shù)據(jù)進行分析，也無法直接從非結構化的數(shù)據(jù)中得出結論?！备鼮橹匾氖?，“量化”的含義恐怕也不一樣了，即此“量化”不一定等同于彼“量化”，量化結果的表現(xiàn)形式自然也不相同。顯然，我們不能套用已有的方式去量化非結構化數(shù)據(jù)。

可以說，大數(shù)據(jù)是雜亂、不規(guī)整、良莠不齊的，但我們不能因此而回避它、拒絕它，只能接納它、包容它。我們需要將統(tǒng)計研究的對象范圍從結構型數(shù)據(jù)擴展到一切數(shù)據(jù)，需要重新思考數(shù)據(jù)的定義和分類方法，并以此為基礎發(fā)展和創(chuàng)新統(tǒng)計分析方法。從某種意義上講，沒有無用的數(shù)據(jù)，只有未被欣賞的數(shù)據(jù)，關鍵是我們從哪個角度看數(shù)據(jù)。

(二)收集數(shù)據(jù)的思維要變化

收集數(shù)據(jù)是開展統(tǒng)計分析的前提，“沒有黏土，如何做磚?”以往，收集統(tǒng)計數(shù)據(jù)的思維是先確定統(tǒng)計分析研究的目的，然后需要什么數(shù)據(jù)就收集什么數(shù)據(jù)，所以要精心設計調查方案，嚴格執(zhí)行每個流程，但往往是投入大而數(shù)據(jù)量有限。現(xiàn)在，我們擁有了大數(shù)據(jù)，就等于擁有了超大量可選擇的數(shù)據(jù)———備選“黏土”的體量與種類都極大地增加了，所要做的最重要的工作就是比較與選擇，因此我們的思維應該是如何充分利用大數(shù)據(jù)，凡是大數(shù)據(jù)源中能找到的數(shù)據(jù)就不再需要進行專門的調查。

但是，由于大數(shù)據(jù)來源與種類的多樣性，以及數(shù)據(jù)增加的快速性，我們在享受數(shù)據(jù)的豐富性的同時也不得不面臨這樣一些困境:存儲能力夠不夠，分析能力夠不夠(是否及時、充分)，如何甄別數(shù)據(jù)的真?zhèn)?，如何選擇關聯(lián)物，如何提煉和利用數(shù)據(jù)，如何確定分析節(jié)點?現(xiàn)在TB級的數(shù)據(jù)庫已經很多，PB級的數(shù)據(jù)庫也不少見，以后還會出現(xiàn)EB、甚至ZB、YB級的數(shù)據(jù)庫。今天的大數(shù)據(jù)，明天就不再是大數(shù)據(jù)。這樣一來，電子存儲能力能否跟得上數(shù)據(jù)增加的速度就成為首要的問題。如果讓數(shù)據(jù)庫自動更新就有可能失去一些寶貴的數(shù)據(jù)信息，而到了一定級別以后擴充存儲容量或對數(shù)據(jù)進行拷貝，其代價是十分巨大的，因此我們不得不對數(shù)據(jù)進行分類、篩選，有針對地刪除那些垃圾數(shù)據(jù)、不重要或次重要的數(shù)據(jù)。如果說以前有針對地獲得數(shù)據(jù)叫做收集，那么今后有選擇地刪除數(shù)據(jù)就意味著收集。也就是說，大數(shù)據(jù)時代的數(shù)據(jù)收集將更多的是從已有的超大量數(shù)據(jù)中進行再過濾、再選擇。因此，我們要做好丟棄一部分數(shù)據(jù)的準備。

當然，并不是任何數(shù)據(jù)都可以從現(xiàn)成的大數(shù)據(jù)中獲得，這里存在一個針對性、安全性和成本比較問題。因此，我們既要繼續(xù)采用傳統(tǒng)的方式方法去收集特定需要的數(shù)據(jù)，又要善于利用現(xiàn)代網(wǎng)絡信息技術和各種數(shù)據(jù)源去收集一切相關的數(shù)據(jù)，并善于從大數(shù)據(jù)中進行再過濾、再選擇。問題在于什么是無用的或不重要的數(shù)據(jù)?該如何過濾與選擇數(shù)據(jù)?這就需要對已經存在的數(shù)據(jù)進行重要性分析、真?zhèn)蝿e和關聯(lián)物定位。

此外，大的數(shù)據(jù)庫可能需要將信息分散在不同的硬盤或電腦上，這樣一來，在不能同步更新數(shù)據(jù)信息的情況下如何選擇、調用和匹配數(shù)據(jù)又是一個問題。因此從某種意義上講，從大數(shù)據(jù)中收集數(shù)據(jù)就是識別、整理、提煉、汲取(刪除)、分配和存儲元數(shù)據(jù)的過程。

(三)分析數(shù)據(jù)的思維要變化

基于上述兩個變化，數(shù)據(jù)分析的思維必然要跟著變化，那就是要主動利用現(xiàn)代信息技術與各種軟件工具從大數(shù)據(jù)中挖掘出有價值的信息，并在這個過程中豐富和發(fā)展統(tǒng)計分析方法。

關于數(shù)據(jù)分析思維的變化，特別需要強調三點:

第一，傳統(tǒng)的統(tǒng)計分析過程是“定性—定量—再定性”，第一個定性是為了找準定量分析的方向，主要靠經驗判斷，這在數(shù)據(jù)短缺、分析運算手段有限的情況下很重要。現(xiàn)在我們是在大數(shù)據(jù)中找礦，直接依賴數(shù)據(jù)分析做出判斷，因此基礎性的工作就是找到“定量的回應”，這在存儲能力大為增強、分析技術與分析速度大為提高的今天，探測“定量的回應”變得越來越簡單，所要做的就是直接從各種“定量的回應”中找出那些真正的、重要的數(shù)量特征和數(shù)量關系，得出可以作為判斷或決策依據(jù)的結論，因此統(tǒng)計分析的過程可以簡化為“定量—定性”，從而大大提高得到新的定性結論的可能性。

第二，傳統(tǒng)的統(tǒng)計實證分析，一般都要先根據(jù)研究目的提出某種假設，然后通過數(shù)據(jù)的收集與分析去驗證該假設是否成立，其分析思路是“假設—驗證”，但這種驗證往往由于受到假設的局限、指標選擇的失當、所需數(shù)據(jù)的缺失而得不出真正的結論。特別是，一旦假設本身不科學、不符合實際，那么分析結論就毫無用處、甚至扭曲事實真相。事實證明，很多這樣的實證分析純粹是為了湊合假設?，F(xiàn)在，我們有了大數(shù)據(jù)，可以不受任何假設的限制而從中去尋找關系、發(fā)現(xiàn)規(guī)律，然后再加以總結、形成結論。也就是說，分析的思路是“發(fā)現(xiàn)—總結”。這將極大地豐富統(tǒng)計分析的資源與空間，有助于發(fā)現(xiàn)更多意外的“發(fā)現(xiàn)”。

第三，傳統(tǒng)的統(tǒng)計推斷分析，通常是基于分布理論，以一定的概率為保證，根據(jù)樣本特征去推斷總體特征，其邏輯關系是“分布理論—概率保證—總體推斷”，推斷的評判標準與具體樣本無關，但推斷是否正確卻取決于樣本的好壞。現(xiàn)在，大數(shù)據(jù)強調的是全體數(shù)據(jù)，總體特征不再需要根據(jù)分布理論進行推斷，只需進行計數(shù)或計量處理即可。不僅如此，還可以根據(jù)全面數(shù)據(jù)和實際分布來判斷其中出現(xiàn)某類情況的可能性有多大，其邏輯關系變成了“實際分布—總體特征—概率判斷”，也即概率不再是事先預設，而是基于實際分布得出的判斷。按照邁爾－舍恩伯格的觀點，這個概率判斷就可用于預測了。

伴隨著上述三大變化，統(tǒng)計分析評價的標準又該如何變化?傳統(tǒng)統(tǒng)計分析的評價標準無非兩個方面，一是可靠性評價，二是有效性評價，而這兩種評價都因抽樣而生。所謂可靠性評價是指用樣本去推斷總體有多大的把握程度，是以概率來度量的———有時表現(xiàn)為置信水平，有時表現(xiàn)為顯著性水平。特別是在假設檢驗和模型擬合度評價中，顯著性水平怎么定是一個難題，一直存在爭議，因為所參照的分布類型不同其統(tǒng)計量就不同，顯著性評價的臨界值就不同，而臨界值又與顯著性水平的高低直接相關。然而在大數(shù)據(jù)的背景下，大數(shù)據(jù)在一定程度上就是全體數(shù)據(jù)，我們可以對全體數(shù)據(jù)進行計數(shù)或計量分析，這就不存在以樣本推斷總體的問題了，那么這時還有沒有可靠性的問題?還要不要確定置信水平?怎么確定?依據(jù)是什么?如何比較來自不同容量數(shù)據(jù)庫的分析結論的可靠性?

所謂有效性評價指的是真實性，即誤差大小。這里又有兩個相關的概念:準確性與精確性。準確性一般是指一個觀察值與真實值的吻合程度，通常情況下是無法做出測度的;而精確性一般指樣本統(tǒng)計量分布的離散程度，以抽樣分布的標準差來衡量。很顯然，精確性是針對樣本數(shù)據(jù)而言的。也就是說樣本數(shù)據(jù)既有精確性問題又有準確性問題，樣本數(shù)據(jù)中的誤差既包括抽樣誤差也可能包括非抽樣誤差。抽樣誤差可以基于抽樣分布理論進行計算和控制，而非抽樣誤差只能通過各種方式加以識別或判斷，但多數(shù)情況下由于樣本量不是太大而可以得到較好的防范。但對于大數(shù)據(jù)，由于它是全體數(shù)據(jù)，因而不再有抽樣誤差問題，只有非抽樣誤差問題，也就是說大數(shù)據(jù)的真實性只表現(xiàn)為準確性而非精確性。然而由于大數(shù)據(jù)是超大量數(shù)據(jù)，再加上混雜性與多樣性，因此其非抽樣誤差很難防范與控制，這就使得準確性評價問題變得更為困難———如何測度?標準怎樣?三積極應對大數(shù)據(jù)面對大數(shù)據(jù)，我們唯有積極應對，別無選擇。如何應對，需要考慮以下幾個方面:

(一)需要改變總體、個體乃至樣本的定義方式傳統(tǒng)的統(tǒng)計分析，是先有總體，再有數(shù)據(jù)，即必須先確定總體范圍和個體單位，再收集個體數(shù)據(jù)，分析總體。但對大數(shù)據(jù)來說，情況完全不同了，是先有數(shù)據(jù)，再有總體。從某種意義上說，大數(shù)據(jù)的產生系統(tǒng)多數(shù)是非總體式的，即無事先定義的目標總體，只有與各個時點相對應的事后總體，原因就在于個體是不確定的，是變化著的，是無法事先編制名錄庫的，這與傳統(tǒng)的總體與個體有很大的不同。更為復雜的是，事后個體的識別也很困難，因為同一個個體可能有多個不同的網(wǎng)絡符號或稱謂，而不同網(wǎng)絡系統(tǒng)的相同符號(稱謂)也未必就是同一個個體，而且還經常存在個體異位的情況(即某一個體利用另一個體的符號完成某種行為)，因此我們對于大數(shù)據(jù)往往是只見“數(shù)據(jù)”的外形而不見“個體”的真容。但對大數(shù)據(jù)的分析，仍然有一個總體口徑問題，依然需要識別個體身份。這就需要我們改變總體與個體的定義方式———盡管它們的內涵沒有變。與此對應，如果要從大數(shù)據(jù)庫中提取樣本數(shù)據(jù)，那么樣本的定義方式也需要改變。當然，考慮到大數(shù)據(jù)的流動變化性，任何時點的總體都可以被理解為一個截面樣本。

(二)需要改變對不確定性的認識

眾所周知，統(tǒng)計學是為了認識和研究事物的不確定性而產生的，因為無論是自然現(xiàn)象還是社會經濟現(xiàn)象，都時時處處充滿著因個體的差異性而引起的不確定性，因為在大多數(shù)情況下我們缺乏足夠的信息或缺乏足夠的知識去利用有效信息，而人們總是期望通過量化事物的不確定性去發(fā)現(xiàn)規(guī)律、揭示真相，認識不確定性背后的必然性。要研究不確定性就需要收集數(shù)據(jù)，在只能進行抽樣觀測的情況下，這種不確定性就表現(xiàn)為如何獲得樣本、如何推斷總體(包括估計與檢驗)和如何構建模型等方面。對于大數(shù)據(jù)，仍然存在著個體的差異性，區(qū)別只在于它包括了一定條件下的所有個體，而不是隨機獲得的一個樣本。這樣，大數(shù)據(jù)的不確定性就不再是樣本的獲取與總體的推斷，而是數(shù)據(jù)的來源、個體的識別、信息的量化、數(shù)據(jù)的分類、關聯(lián)物的選擇、節(jié)點的確定，以及結論的可能性判斷等方面?？梢哉f，大數(shù)據(jù)的不確定性只來自于其來源的多樣性與混雜性，以及由于個體的可變性所引起的總體多變性，而不是同類個體之間的差異性———因為我們已經掌握了一定條件下的完全信息。

(三)需要建立新的數(shù)據(jù)梳理與分類方法

大數(shù)據(jù)的多樣性與混雜性，以及先有數(shù)據(jù)、后有總體的特點，原有的數(shù)據(jù)梳理與分類方法將受到諸多的限制。傳統(tǒng)的數(shù)據(jù)梳理與分類是按照預先設定的方案進行的，標志與指標的關系、分類標識與分組規(guī)則等都是結構化的，既是對有針對性地收集的數(shù)據(jù)的加工，也是統(tǒng)計分析的組成部分。但對于大數(shù)據(jù)，由于新的網(wǎng)絡語言、新的信息內容、新的數(shù)據(jù)表現(xiàn)形式不斷出現(xiàn)，使得會產生哪些種類的信息、有哪些可以利用的分類標識、不同標識之間是什么關系、類與類之間的識別度有多大、信息與個體之間的對應關系如何等，都無法事先加以嚴格設定或控制，往往需要事后進行補充或完善。面對超大量的數(shù)據(jù)，我們從何下手?只能從數(shù)據(jù)本身入手，從觀察數(shù)據(jù)分布特征入手。這就需要采用不同的數(shù)據(jù)梳理與分類方法。否則，要想尋找到能有效開展數(shù)據(jù)分析的路徑是不可能的。因此根據(jù)大數(shù)據(jù)的特點，創(chuàng)新與發(fā)展數(shù)據(jù)的梳理與分類方法，是有效開展大數(shù)據(jù)分析的重要前提。這里需要強調的是，能否建立起能自動進行初步的數(shù)據(jù)梳理與分類的簡單模型?因為從技術上講，我們已經具備了一定的對大數(shù)據(jù)進行多次迭代建模的算法。

(四)需要強化結構化數(shù)據(jù)與非結構化數(shù)據(jù)的對接研究

有效實現(xiàn)結構化數(shù)據(jù)與非結構化數(shù)據(jù)的對接，是數(shù)據(jù)概念拓展的必然結果。盡管大數(shù)據(jù)是超大量數(shù)據(jù)，但大數(shù)據(jù)不能涵蓋所有的數(shù)據(jù)，因此傳統(tǒng)意義上的結構化數(shù)據(jù)與大數(shù)據(jù)中的非結構化數(shù)據(jù)必將長期并存。大數(shù)據(jù)時代的來臨，使得數(shù)據(jù)收集、存儲與分析的能力大為增強，而且步伐越來越快，但出于針對性與安全性考慮，總有一些結構化數(shù)據(jù)要通過專門的方式去收集而不能依賴于公共網(wǎng)絡系統(tǒng)(例如政府統(tǒng)計數(shù)據(jù)，專題研究數(shù)據(jù))。這樣，如何既能有針對性地收集所需的結構化數(shù)據(jù)，又能從大量非結構化數(shù)據(jù)中挖掘出有價值的信息，使兩者相輔相成、有機結合，就成了一個新的課題，值得探討的問題包括非結構化數(shù)據(jù)如何結構化或結構化數(shù)據(jù)能否采用非結構化的表現(xiàn)形式等。通過特定的方法，實現(xiàn)結構化數(shù)據(jù)與非結構化數(shù)據(jù)的轉化與對接是完全可能的。但要實現(xiàn)這種對接，必須要增強對各種類型數(shù)據(jù)進行測度與描述的能力，否則大數(shù)據(jù)分析就沒有全面牢固的基礎。如果說傳統(tǒng)的基于樣本數(shù)據(jù)的統(tǒng)計分析側重于推斷，那么基于大數(shù)據(jù)的統(tǒng)計分析需要更加關注描述。

(五)需要轉變抽樣調查的功能

對于傳統(tǒng)的數(shù)據(jù)收集而言，抽樣調查是最重要的方式。盡管樣本只是總體中的很小一部分，但由于依據(jù)科學的抽樣理論，科學設計的抽樣調查能夠確保數(shù)據(jù)的精確度和可靠性。但抽樣調查畢竟存在著信息量有限、不可連續(xù)擴充、前期準備工作要求高等缺陷，很難滿足日益增長的數(shù)據(jù)需求?，F(xiàn)在有了大數(shù)據(jù)，我們應該利用一切可以利用的、盡量多的數(shù)據(jù)來進行分析而不是僅局限于樣本數(shù)據(jù)。但這是否意味著抽樣調查可以退出歷史舞臺呢?筆者認為還為時過早，在信息化、數(shù)字化、物聯(lián)網(wǎng)還不能全覆蓋的情況下，仍然還有很多數(shù)據(jù)信息需要通過抽樣調查的方式去獲取。與此同時，盡管我們可以對大數(shù)據(jù)進行全體分析，但考慮到成本與效率因素，在很多情況下抽樣分析仍然是不錯的或明智的選擇。當然，抽樣調查也要適當轉變其功能以便進一步拓展其應用空間:一是可以把抽樣調查獲得的數(shù)據(jù)作為大數(shù)據(jù)分析的對照基礎與驗證依據(jù);二是可以把抽樣調查作為數(shù)據(jù)挖掘、快速進行探測性分析的工具———從混雜的數(shù)據(jù)中尋找規(guī)律或關系的線索。

(六)需要歸納推斷法與演繹推理法并用

哲人培根說過“知識就是力量”。統(tǒng)計研究的任務就是為了發(fā)現(xiàn)新的知識，歸納法則是發(fā)現(xiàn)新知識的基本方法。因此，歸納推斷法成為最主要的統(tǒng)計研究方法，使得我們能夠從足夠多的個體信息中歸納出關于總體的特征。當然，歸納推斷的依據(jù)通常是樣本數(shù)據(jù)，即在歸納出樣本特征的基礎上再推斷總體。對于大數(shù)據(jù)，我們依然要從中去發(fā)現(xiàn)新的知識，依然要通過具體的個體信息去歸納出一般的總體特征，因此歸納法依然是大數(shù)據(jù)分析的主要方法。正如C．Ｒ．勞指出:“‘從數(shù)據(jù)中提取一切信息’或者‘歸納和揭示’作為統(tǒng)計分析的目的一直沒有改變?！钡牵髷?shù)據(jù)是一個信息寶庫，光重視一般特征的歸納與概括是不夠的，還需要分析研究子類信息乃至個體信息，以及某些特殊的、異常的信息———或許它(們)代表著一種新生事物或未來的發(fā)展方向，還需要通過已掌握的分布特征和相關知識與經驗去推理分析其他更多、更具體的規(guī)律，去發(fā)現(xiàn)更深層次的關聯(lián)關系，去對某些結論做出判斷，這就需要運用演繹推理法。演繹法可以幫助我們充分利用已有的知識去認識更具體、細小的特征，形成更多有用的結論。只要歸納法與演繹法結合得好，我們就既可以從大數(shù)據(jù)的偶然性中發(fā)現(xiàn)必然性，又可以利用全面數(shù)據(jù)的必然性去觀察偶然性、認識偶然性、甚至利用偶然性，從而提高駕馭偶然性的能力。

(七)需要相關分析與因果分析并重

《大數(shù)據(jù)時代》認為，我們只須從大數(shù)據(jù)中知道“是什么”就夠了，沒必要知道“為什么”，并且指出“通過給我們找到一個現(xiàn)象的良好的關聯(lián)物，相關關系可以幫助我們捕捉現(xiàn)在和預測未來”以及“建立在相關關系分析法基礎上的預測是大數(shù)據(jù)的核心”。毫無疑問，從超大量數(shù)據(jù)中發(fā)現(xiàn)各種