大數據是這幾年的一項熱門技術。它和人工智能、云計算一起，已經成為大科技公司的技術標配。但是該如何理解大數據技術？這項技術對我們有什么影響？這些基本的問題，不少人卻并不清楚。

谷歌的數據科學家賽斯（賽斯·史蒂芬斯-大衛德維茨Seth Stephens-Davidowitz）寫了一本書《數據、謊言與真相》（Everybody Lies：Big Data，New Data ，and What the Internet Can Tell Us About Who We Really Are ），里面對這些問題給出了他的回答。

大數據這個名字本身會給人一種誤解，認為大數據的關鍵在于數據量很大。不過，賽斯說，數據集的大小經常被高估。其實所需要的數據集的大小，跟數據本身的效果、數據的真實程度等都有關。

舉個例子，一個火熱的爐子，你只需要碰到一次，就明白，熱爐子很危險，會燙傷你。但是，你可能需要喝幾千杯咖啡，才能確定，咖啡是否會讓你頭疼。原因就在于，熱爐子本身的效果強度很高，因此，只需要一項數據，就能顯現出結果。

賽斯在這本書里引用了大量人們在谷歌中搜索的數據。谷歌的數據之所以這么有價值，其實原因也不完全是因為谷歌能拿到的龐大的數據量，還因為，人們在自己的電腦上輸入關鍵詞、進行搜索時，都很誠實。他們不需要考慮社交壓力、周圍人的眼光等等。

用賽斯的話說，“你未必總是需要大數據，才能得出重要見解，你需要正確的數據。”大數據革命跟收集更多的數據無關，而是跟收集正確的數據有關。還是以谷歌為例。谷歌不是僅僅憑借著能夠比其他搜索引擎搜索到更多的內容，就成為世界上最大的搜索引擎公司，它憑借的是，可以搜索到更好的數據。這跟谷歌的算法有關。谷歌的算法，按照一個網頁被鏈接的數量來對搜索結果排序。

賽斯介紹了大數據的四種力量。這四種力量，也并不都同數據集本身的大小相關。

大數據的第一種力量是，提供了新類型的數據。比如，包括弗洛伊德在內的思想家，都會從性的角度，來解釋人類的很多行為。但是，這些思想家更多還是在觀念層面進行思考。而現在，大數據時代的研究者，有了一項讓那些過往思想家羨慕不已的數據：人們在互聯網上搜索和觀看色情作品的數據。這些獨特的數據來源，能夠讓研究者進入以前只能靠推理和猜測的領域。

大數據的力量在于，重新想象什么東西有資格成為數據，提供之前從來沒有收集過的信息，讓人們可以研究。

作者舉了一個例子。他曾經把2004年至2011年的失業率輸入到谷歌的數據挖掘工具Google Correlate中，結果發現，跟失業最相關的搜索，一個是***，另一個是蜘蛛紙牌。作者猜測，原因也很簡單，因為失業者會有很多空閑時間。所以，他就發現，“利用一些跟消遣相關的搜尋組合，就能追蹤失業率，而且是預測失業率最佳模式的一部分?！?/p>

大數據的第二種力量是，提供了誠實的數據。在數字時代出現之前，可想而知，由于考慮到社會壓力等因素，人往往會隱藏起來那些會讓自己難堪的想法。即使面對詢問，也不會坦誠相告。但是，在數字時代，雖然人們仍然會在現實生活中隱藏起一些真實想法，但是在互聯網上，尤其是可以匿名的網站上，人們往往會透露出自己的想法。

“大數據使我們終于可以看清人們真正想要什么和真正做了什么，而不是人們說自己要什么和做了什么?！?/p>

知名投資人彼得·蒂爾說過，偉大的企業建立在秘密之上?？赡苁顷P于自然的秘密，也可能是關于人的秘密。人的秘密，指的是跟自己有關但自己卻不知道，或者不想讓別人知道的事。

舉個例子，流媒體公司奈飛，曾經讓用戶設置一個自己以后想看的電影播放列表。奈飛發現，用戶確實會把電影添加到這個列表中，但是，盡管奈飛會提醒用戶看這些電影，用戶卻很少真的去看。因為，人們說自己想要的，跟自己實際想要的不一致。

后來，奈飛不再要求用戶告訴自己他們想看什么電影，而是根據用戶點擊和觀看的數據建立一個模型，用模型來推測用戶想看什么電影。結果，用戶果然越來越頻繁地造訪奈飛，在上面看了越來越多的電影。所以，奈飛前數據科學家澤維爾·艾瑪特里安說：算法比你更了解你自己。

大數據的第三種力量是，讓我們可以把焦點放在人口中的一個很小的子集，去進行研究。

當然，這要求對小的子集，也有大數據量。打個比方，為了將照片的一小部分放大后還能看清楚，照片需要有很高的像素。同樣，為了能夠清楚放大檢視數據的小子集，每一個小子集中都需要大量的數據。比如，某一個球隊有多受1978年出生的男性的歡迎。只對幾千人進行的小調查，樣本根本不夠大，1978年出生的男性人數肯定不夠多。

這樣做的意義在什么地方呢？作者通過數據研究發現，是否成為一個球隊的粉絲，跟這個球隊在一個人特定年齡段的表現有關系。如果在一個人對運動最癡迷、最容易喜歡上某項運動的時間段，這個球隊的表現越好，那它獲得這個年齡段的球迷就越多。

而且，美國人政治觀點的形成也類似。很多美國人會在14歲到24歲這個關鍵時期，形成個人的政治偏好。其中，形成政治觀點最重要的年紀是18歲。受歡迎的共和黨總統或不受歡迎的民主黨總統，將影響很多年輕人成為共和黨人。反之亦然?！按髷祿试S我們有意義地放大檢視數據集的細部，獲取新的洞察?！?/p>

第四種力量是，允許研究者進行因果關系實驗。大數據可以允許研究者進行快速而且可控制的因果關系實驗，而不僅僅是相關性。

這種測試在很多互聯網公司被稱作是A/B測試。臉書（Facebook）每天能進行上千次A/B測試。所謂的A/B測試，指的是，在同一個時間維度，分別讓相似的兩組訪客隨機訪問這些版本，收集數據，來評估出用戶更喜歡的版本。比如，兩個標題，哪一個點擊量更高；放哪種類型的照片，更能讓用戶喜歡等等。

有一個網站的CEO說：“你不能假設任何事，必須針對每件事都進行測試才行”，“如果我們了解人性，根據我們的生活經驗就能判斷答案是什么，那么測試就不會有價值。但事實上，我們不了解人性，所以測試才這么有價值?！?/p>

這種方法，互聯網公司已經大量使用，而現在和將來，社會科學家也可以使用，從而把以往模糊的研究，變得更科學。以上就是谷歌數據科學家對于大數據擁有的四種力量的解釋，希望對你有啟發。