时代来临

不再追求精确度，不再追求因果关系，而是承认混杂性，探索相关关系。也就是说只需要知道是什么，而不需要知道为什么，这就推翻了自古以来的惯例，而我们做决定和理解现实的最基本方式也将受到挑战。

思维转变过来，数据就能被巧妙地用来激发新产品和新型服务。数据正成为巨大的经济资产，成为新世纪的矿产和石油，将到来全新的创业方向、商业模式和投资机会。

大数据时代处理数据理念上的三大转变：要全体不要抽象；要效率不要绝对精确；要相关不要因果。

在不久的将来，世界许多现在单纯依靠人类判断力的领域都会被计算机系统所取代。

越是万能的，越是空洞的

苏珊•郎格在《哲学新视野》一书中说：

某些观念有时会以惊人的力量给知识状况带来巨大的冲击。由于这些观念能一下子解决许多问题，所以，它们似乎将有希望解决所有基本问题，澄清所有不明了的疑点。每个人都想迅速的抓住它们，作为进入某种新实证科学的法宝，作为用来构建一个综合分析体系的概念轴心。这种“宏大概念”突然流行起来，一时间把几乎所有东西都挤到了一边。

这段话通常被认为是对当时“存在主义”和“精神分析法”这类万能概念的善意批评，而如今特别适合作为一盆冷水泼在那些没有任何深刻理解，却月月日日分分秒秒穿行于各种“大数据嘉年华”的投资人、媒体人和创业者身上。

我们需要实实在在的知识和思考。

快速的因果关系是臆想

普林斯顿大学心理专家，同时也是2002年诺贝尔经济学奖得主丹尼尔•卡尼曼就是用这个例子证明了人有两种思维模式：第一是不费力的快速思维，通过这种思维方式几秒钟就能得到结果；另外一种是比较费力的慢性思维模式，对于特定的问题，就是要考虑到位。

快速思维模式使人们偏向用因果联系来看待周围的一切，即使这种关系并不存在。这是我们对已有知识和信仰的执着。但是，通常这样的因果关系都是不存在的。

卡尼曼指出，平时生活中，由于惰性，我们很少慢条斯理地思考问题。所以快速思维模式占据了上风。因此，我们会经常臆想出一些因果关系，最终导致了对世界的错误理解。

与常识相反，经常凭直觉而来的因果关系并没有帮助我们加深对这个世界的理解。很多时候，这种认识捷径只是给我们一种自己已经理解的错误，但实际上，我们因此完全陷入了理解误区之中。

正是由于不受限于传统的思维模式和特定领域的固有偏见，大数据才能为我们提供如此之多新的视野。

数据化就是给信息贴上标签

在大多数情况下，我们会采集信息并将之储存为数据形式再加以利用。几乎所有领域，任何事情都能这样处理。GreenGoose是一家创业公司，他们销售能放置在物品上的微型运动感应器，用它来监测物品使用的次数。比如把它放置在牙刷、洒水壶和猫食盒子上，就能数据化牙齿清洁、植物养护和宠物喂养的信息。很多人对物联网有着宗教般的狂热，企图在生活中的一切事物上都植入芯片、传感器和通信模版。这个词看起来好像和互联网亲如姐妹，其实不过是一种典型的数据化手段罢了。

大数据价值链的三大构成

第一种是基于数据本身的公司。

第二种是基于技能的公司。它们通常是咨询公司、技术供应商或者分析公司。

第三种是基于思维的公司。对于某些公司来说，数据和技能不是成功的关键，让这些公司脱颖而出的是其创始人和员工的创新思维，他们有怎样挖掘数据的新价值的独特想法。

数据用途潜力巨大

在数字化时代，数据支持交易的作用被掩盖，数据只是被交易的对象。而在大数据时代，事情再次发生改变。数据的价值从它最基本的用途转变为未来的潜在用途，即用大数据相关关系预测未来。这一转变意义重大，它影响了企业评估其拥有的数据及访问者的方式，促使甚至是迫使公司改变他们的商业模式，同时也改变了组织看待和使用数据的方式。

数据的价值并不仅限于特定的用途，它可以为了同一目的而被多次使用，也可以用于其他目的。所以分享信息是有利的。

数据的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，而绝大部分则隐藏在表面之下。

随着大数据的出现，数据的总和比部分更有价值。当我们将多个数据集的总和重组在一起时，重组总和本身的价值也比单个总和更大。

数据价值的关键是看似无限再利用，即它的选择价值。收集信息固然至关重要，但远远不够，因为大部分的数据价值在于它的使用，而不是占有本身。

大数据让处于行业两端的公司受益良多，而中等规模的公司要么向两端转换，要么破产。传统行业最终都会转变为大数据行业，无论是金融服务业、医药行业还是制造业。当然，大数据不会让所有行业的中等规模的公司消亡，但是肯定会给可以被大数据分析所取代的中等规模公司带来巨大的威胁。

大数据替我们规避了“画像”缺陷，因为大数据区分的是个人而不是群体，所以我们不会再通过“牵连犯罪”给群体中的每个人都定罪。如今，一个用现金购买头等舱的阿拉伯人不会再被认为是恐怖分子而接受额外的检查，只要他身上的其他数据表明他基本没有恐怖主义倾向。因此，大数据通过给予我们关于个人自身更详尽的数据信息，帮我们规避“画像”的缺陷—直接将群体特征强加于人。

大数据的局限

麻烦的是，人们习惯性地从因果关系的视角来理解世界。因此，大数据总是被滥用于因果分析，而且我们往往非常乐观的认为，只要有了大数据预测的帮助，我们进行个人罪责判定就会更高效。

大数据大大威胁了我们的隐私和自由，这都是大数据带来的新威胁。但是与此同时，它也加剧了一个旧威胁：过于依赖数据，而数据远远没有我们所想的那么可靠。我们比想像中更容易受到数据的统治—让数据以良莠参半的方式统治我们。其威胁就是，我们可能完全受限于我们的分析结果，即使这个结果理应受到质疑。或者说，我们会形成一种对数据的痴迷，因而仅仅为了收集数据而收集数据，或者赋予数据根本无权得到的信任。

其实，卓越的才华并不依赖于数据。史蒂夫•乔布斯多年来持续不断地改善Mac笔记本，依赖的可能是行业分析，但是他发行的iPod、iPhone和iPad靠的就不是数据，而是直觉—他依赖于他的第六感。当记者问乔布斯苹果推出iPad之前做了多少市场调研时，他那个著名的回答是这样的：“没做！消费者没有义务去了解自己想要什么。”

我们能收集和处理的数据只是世界上及其微小的一部分。这些信息不过是现实的投影、柏拉图洞穴上的阴影罢了。因为我们无法获得完美的信息，所以做出的预测本身就不可靠了。但这也不代表预测就一定错了，只是永远不能做到完美。这也并未否定大数据的判断，而只是让大数据发挥出了应有的作用。大数据提供的不是最终答案，只是参考答案，为我们提供暂时的帮助，以便等待更好的方法和答案的出现。这也提醒我们在使用工具的时候，应当怀有谦恭之心，铭记人性之本。