至少這本書的廣告詞沒有騙我:
每十年，總是有極少數的書，能改變你看待一切的方式。《大數據》正是這樣的書。－－萊斯格（Lawrence Lessig），哈佛法學院網路智慧財產權教授
《大數據》開闢了新境界，告訴我們巨量資料如何從根本上，轉變我們對世界的基本理解……
以往統計的問題在於：取樣。
隨著巨量資料取得方便，「樣本 = 母體」的時代來臨。
巨量，指的是完整的資料集。
測量背後隱藏的信念是，如果我們能夠測量某個現象，就能理解這個現象。
（要能夠量化、紀錄，還能呈現出可重複驗證的結果。）
我們面對幾種雜亂：
1.資料愈多，發生錯誤的可能性救愈高。
2.為了結合不同源頭、不同類型的各種資料，資料彼此不一定相容，也會增加雜亂度。
3.資料格式不一致，需要先整理過，才能使用。
接受雜亂，資料數量會比資料品質更重要。
整體的廣度 > 每個資料點的準確度。
真正造成雜亂的，並不是巨量資料本身，而是因為用來測量、記錄和分析資訊的工具還不錯完善。
相關性的核心概念，就在於將兩個資料值之間的統計關係加以量化。兩者之間的相關性強，代表著如果其中一個值有所變化，另一個值就極有可能也跟著改變。
請留意，講到相關性的時候，兩者間的關係並沒有確定性，只有可能性。
只要能找到某個現象的指標，我們靠著相關性，就能抓住現在、預測未來。
（事情若有相關性，不一定發現得了因果關係。==>人們會習慣將所有事情之間的關係，"直覺"地詮釋其因果關係。krilo said.）
巨量資料的一個核心概念，就是要以相關性，作為預測的根據。
預測分析無法解釋原因，只能顯示確實有了問題。
小量資料時代，因為可用的資料很少，常常會先提出假說（hypothesis）再據以調查因果關係或進行相關分析，以驗證假說是否為真。==>但這樣容易受到先入為主的偏見和錯覺所影響。
巨量資料時代，新的分類方式會帶來新的見解，並帶出實用的預測。這些非因果關係的分析，主要只是想知道"正是如此"，而不是追問 " 為何如此"。
想知道因果關係，必須做實驗。（成本較高。）
數位化與資料化的差異。
資訊一直是市場交易必不可少的基礎。有了資料才能有價格發現（price discovery），讓生產者知道該生產多少數量。
一般物質性的東西一旦使用，價值便會降低，但資料不同，可以一次又一次處理，價值並不會減少。
資料就是經濟學家所謂的非競爭性商品：某個人的使用並不妨礙他人的使用。
要討論資料的價值，必須考慮所有未來可能加以應用的方式，而不能只看眼前的用途。
資料擺久了也會貶值。
在某些情況下，將會出現資料中介機構(data intermediary)，能夠從多方蒐集資料來匯整，並用作創新用途。
(==>企業共享資訊。畢竟，資料量愈大，預測的品質才會愈好。)
巨量資料的黑暗面，一來保護隱私越來越難，另一個就是全新的威脅：根據習性的懲罰(penalty based on propensity)，而不是根據犯罪事實的懲罰（像關鍵報告那樣？）。第三種危險：資料獨裁，即開始陷入對資訊和分析的迷戀，凡事皆以資料為尊，最後形成濫用。
巨量資料的目的是通知，而不是解釋；它指出我們可以追尋理解的方向，但它也可能造成誤解，端看應用得巧妙與否。
留言