《大数据思维的十大原理.docx》由会员分享，可在线阅读，更多相关《大数据思维的十大原理.docx（20页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、大数据思维的十大原理一、数据核心原理从流程核心转变为数据核心大数据时代，计算模式也发生了转变，从流程核心转变为数据核心。 Hadoop体系的分布式计算框架已经是“数据”为核心的范式。非结构化数据 及分析需求，将转变IT系统的升级方式：从简洁增量到架构变化。大数据下的 新思维计算模式的转变。例如：IBM将使用以数据为中心的设计，目的是降低在超级计算机之间进行大 量数据交换的必要性。大数据下，云计算找到了破茧重生的机会，在存储和计算 上都表达了数据为核心的理念。大数据和云计算的关系：云计算为大数据供应了 有力的工具和途径，大数据为云计算供应了很有价值的用武之地。而大数据比云 计算更为落地，可有效采
2、用已大量建设的云计算资源，最终加以采用。科学进步越来越多地由数据来推动，海量数据给数据分析既带来了机遇，也构成 了新的挑战。大数据往往是采用众多技术和方法，综合源自多个渠道、不同时间 全世界的商界人士都在高呼大数据时代来临的优势：一家超市如何从一个17岁 女孩的购物清单中觉察了她已怀孕的事实；或者将啤酒与尿不湿放在一起销售, 奇妙地提高了双方的销售额。大数据透露出来的信息有时确实会起颠覆。比方， 腾讯一项针对社交网络的统计显示，爰看家庭剧的男人是女性的两倍还多；最关 怀金价的是中国大妈，但紧随其后的却是90后。而在过去一年，支付宝中无线 支付比例排名前十的竟然全部在青海、西藏和内蒙古地区。说明
3、：用关注相关性思维方式来思索问题，解决问题。查找缘由是一种现代社会 的一神论，大数据推翻了这个论断。过去查找缘由的信念正在被更好”的相关 性所取代。当世界由探求因果关系变成挖掘相关关系，我们怎样才能既不损坏建 立在因果推理基础之上的社会富强和人类进步的基石，又取得实际的进步呢？这 是值得思索的问题。解释：转向相关性，不是不要因果关系，因果关系还是基础，科学的基石还是要 的。只是在高速信息化的时代，为了得到即时信息，实时猜想，在快速的大数据 分析技术下，查找到相关性信息，就可猜想用户的行为，为企业快速决策供应提 前量。比方预警技术，只有提前几十秒觉察，防范系统才能起作用。比方，雷达显示有 个提前
4、量，假如没有这个预知的提前量，雷达的作用也就没有了，相关性也是这 个原理。比方，相对论与量子论的争辩也能说明问题，一个说上帝不掷骰子，一 个说上帝掷骰子，争辩几十年，最终成认两个都存在，而且量子论取得更大的进 展一个适用于宇宙尺度，一个适用于原子尺度。六、猜想原理从不能猜想转变为可以猜想大数据的核心就是猜想，大数据能够猜想表达在很多方面。大数据不是要教机器 像人一样思索，相反，它是把数学算法运用到海量的数据上来猜想事情发生的可 能性。正由于在大数据规律面前，每个人的行为都跟别人一样，没有本质变化, 所以商家会比消费者更了消费者的行为。例如：大数据助微软精确 猜想世界怀。微软大数据团队在2022
5、年巴西世 界足球赛前设计了世界怀模型，该猜想模型正确猜想了赛事最终几轮每场竞赛的 结果，包括猜想德国队将最终获胜。猜想胜利归功于微软在世界怀进行过程中猎取的大量数据，到淘汰赛阶段，数据如滚雪球般增多，常握了有关球员和球队的 足够信息，以适当校准模型并调整对接下来竞赛的猜想。世界杯猜想模型的方法与设计其它大事的模型相同，诀窍就是在猜想中去除主观性，让数据说话。猜想性数学模型几乎不算新事物，但它们正变得越来越精确 。在这个时代，数据分析力量最终开头赶上数据收集力量，分析师不仅 有比以往更多的信息可用于构建模型，也拥有在很短时间内通过计算机将信息转 化为相关数据的技术。几年前，得等每场竞赛结束以后才
6、能猎取全部数据，现在，数据是自动实时发送 的，这让猜想模型能获得更好的调整且更精确 。微软世界怀模型的成果说 明白其模型的实力，它的胜利为大数据的力气供应了强有力的证明，采用同样的 方法还可猜想选举或关注股票。类似的大数据分析正用于商业、政府、经济学和 社会科学，它们都关于原始数据进行分析。我们进入了一个用数据进行猜想的时代，虽然我们可能无法解释其背后的缘由。 假如一个医生只要求病人遵从医嘱，却没法说明医学干预的合理性的话，状况会 怎么样呢？实际上，这是依靠大数据取得病理分析的医生们肯定会做的事情。从一个人乱穿大路时行进的轨迹和速度来看他能准时穿过大路的可能性,都是大 数据可以猜想的范围。当然
7、，假如一个人能准时穿过大路，那么他乱穿大路时, 车子就只需要稍稍减速就好。但是这些猜想系统之所以能够胜利，关键在于它们 是建立在海量数据的基础之上的。此外，随着系统接收到的数据越来越多，通过纪录找到的最好的猜想与模式，可 以对系统进行改进。它通常被视为人工智能的一局部，或者更准确地说，被视为 一种机器学习。真正的革命并不在于分析数据的机器，而在于数据本身和我们如 何运用数据。一旦把统计学和现在大规模的数据融合在一起，将会颠覆很多我们 原来的思维。所以现在能够变成数据的东西越来越多，计算和处理数据的力量越 来越强，所以大家突然觉察这个东西很有意思。所以，大数据能干啥？能干很多 很有意思的事情。例
8、如，猜想当年葡萄酒的品质很多品酒师品的不是葡萄酒，那时候葡萄酒还没有真正的做成，他们品的是发烂 的葡萄。因此在那个时间点就猜想当年葡萄酒的品质是比拟冒险的。而且人的心 理的因素是会影响他做的这个猜想，比方说地位越高的品酒师，在做猜想时会越 保守，由于他一旦猜想错了，要损失的名誉代价是很大的。所以的品酒大师一般都不敢贸然说今年的酒特殊好，或者是特殊差；而刚出道的品酒师往往会语不 惊人死不休的。普林斯顿高校有一个英语学教授，他也很喜爱喝酒，喜爰贮存葡萄酒，所以他就 想是否可以分析究竟哪年酒的品质好。然后他就找了很多数据，比方说降雨量.平均气温,土壤成分等等，然后他做回归，最终他说把参数都找出来，做
9、了个网 站，告知大家今年葡萄酒的品质好坏以及秘诀是什么。当他的讨论公布的时候，引起了业界的轩然大波，由于他做猜想做的很提前，由 于今年的葡萄收获后要经过一段的时间发酵，酒的味道才会好，但这个教授突然 猜想说今年的酒是世纪最好的酒。大家说怎么敢这么说，太疯狂了。更疯狂的是 到了其次年，他猜想今年的酒比去年的酒更好，连续两次猜想说是百年最好的酒, 但他真的猜想对了。现在品酒师在做评判之前，要先到他的网站上看看他的猜想, 然后再做出自己的推断。有很多的规律我们不知道，但是它埋伏在这些大数据里 头。例如，大数据描绘损害图谱 广州市损害监测信息系统通过广州市红十字会医院、番禺区中心医院、越秀区儿 童医院
10、3个损害监测哨点医院，持续收集市内发生的损害信息，分析损害发生的 缘由及危急因素，系统共收集损害患者14681例，接近九成半都是意外事故。整体上，损害多发生于男性，占61.76% , 5岁以下儿童损害比例高达14.36% , 家长和社会应高度重视,45.19%的损害都是发生在家中，其次才是大路和街道。收集到监测数据后，关键是通过分析处理，把数据深加工以采甩 比方，监 测数据显示，老人跌倒多数不是发生在雨天屋外，而是发生在家里，尤其是早上 刚起床时和浴室里，这就提示，防控老人跌倒的对策应当着重在家居，起床要留 意不要动作过猛，浴室要防滑，加扶手等等。说明：用大数据猜想思维方式来思索问题，解决问题
11、。数据猜想、数据纪录猜想、 数据统计猜想、数据模型猜想，数据分析猜想、数据模式猜想、数据深层次信息 猜想等等，已转变为大数据猜想、大数据纪录猜想、大数据统计猜想、大数据模 型猜想，大数据分析猜想、大数据模式猜想、大数据深层次信息猜想。互联网、移动互联网和云计算机保证了大数据实时猜想的可能性，也为企业和用 户供应了实时猜想的信息，相关性猜想的信息，让企业和用户抢占先机。由于大 数据的全样本性，人和人都是一样的，所以云计算机软件猜想的效率和精确 性大大提高，有这种迹象，就有这种结果。七、信息找人原理从人找信息，转变为信息找人互联网和大数据的进展，是一个从人找信息，到信息找人的过程。先是人找信息，
12、人找人，信息找信息，现在是信息找人的这样一个时代。信息找人的时代，就是 说一方面我们回到了一种最初的，广播模式是信息找人，我们听收音机，我们看 电视，它是信息推给我们的，但是有一个缺陷，不知道我们是谁，后来互联网反 其道而行，供应搜寻引擎技术，让我知道如何找到我所需要的信息，所以搜寻引 擎是一个很关键的技术。例如：从搜寻引擎一向推举引擎转变。今日，后搜寻引擎时代已经正式来到， 什么叫做后搜寻引擎时代呢？使用搜寻引擎的频率会大大降低，使用的时长也会 大大的缩短，为什么使用搜寻引擎的频率在下降？时长在下降?缘由是推举引擎 的诞生。就是说从人找信息到信息找人越来越成为了一个趋势，推举引擎就是说它很懂
13、我，知道我要知道，所以是最好的技术。乔布斯说，让人感受不到技术的 技术是最好的技术。大数据还转变了信息优势。依据循证医学，现在治病的第一件事情不是去讨论病 理学，而是拿过去的数据去讨论，相同状况下是如何治疗的。这导致专家和一般 人之间的信息优势没有了。原来我信任医生，由于医生知道的多，但现在我可以 到谷歌上查一下，知道自己得了什么病。谷歌有一个机器翻译的团队，最开头的时候翻译之后的文字根本看不懂，但是现 在60%的内容都能读得懂。谷歌机器翻译团队里头有一个笑话，说从团队每离 开一个语言学家，翻译质量就会提高。越是专家越搞不明白，但打破常规让数据说话，得到真理的速度反而更快。说明：用信息找人的思
14、维方式思索问题，解决问题。从人找信息到信息找人，是 交互时代一个转变，也是智能时代的要求。智能机器已不是冷冰冰的机器，而是 具有肯定智能的机器。信息找人这四个字，预示着大数据时代可以让信息找人, 缘由是企业懂用户，机器懂用户，你需要什么信息，企业和机器提前知道，而且 主动供应你需要的信息。八、机器懂人原理由人懂机器转变为机器更懂人不是让人更懂机器，而是让机器更懂人，或者说是能够在使用者很笨的状况下, 仍旧可以使用机器。甚至不是让人懂环境，而是让我们的环境来懂我们，环境来 适应人，某种程度上自然环境不能这样讲，但是在数字化环境中已经是这样的一 个趋势，就是我们所在的生活世界，越来越趋向于它更适应
15、于我们，更懂我们。 哪个企业能够真正做到让机器更懂人，让环境更懂人，让我们随身携带的整个的 生活世界更懂得我们的话，那他肯定是具有竞争力的了，而大数据技术能够 助我们一臂之力。例如：亚马逊网站，只要买书，就会供应一个今日司空见惯的推举，买了这本书 的人还买了什么书，后来觉察相关推举的书比我想买的书还要好，时间久之后就 会对它产生一种信任。这种信任就像在北京的那么多书店里面，以前买书的时候 就在几家，缘由在于我买书比拟多，他都已经熟悉我了，都是我一去之后，我不 说我要买什么书，他会推举最近上来的几本书，可能是我感爱好的。这样我就不 会到别的很近的书店，由于这家书店更懂我。例如，解题机器人挑战大型
16、预科学校高考模拟试题的结果，解题机器人的学历水 平应当比肩一般高三同学。计算机不擅长对语言和学问进行综合解析，但通过借 助大规模数据库对一般文章做出推断的方法,在对话填空和语句重排等题型上成 果有所提高。让机器懂人，是让机器具有学习的功能。人工智能已转变为讨论机器学习。大数 据分析要求机器更智能，具有分析力量，机器即时学习变得更重要。机器学习是 指：计算机采用阅历改善自身性能的行为。机器学习主要讨论如何使用计算机模 拟和实现人类猎取学问（学习）过程、创新、重构已有的学问，从而提升自身处 理问题的力量，机器学习的最终目的是从数据中猎取学问。大数据技术的其中一个核心目标是要从体量巨大、结构繁多的数
17、据中挖掘出隐藏 在背后的规律，从而使数据发挥最大化的价值。由计算机代替人去挖掘信息，猎 取学问。从各种各样的数据（包括结构化、半结构化和非结构化数据）中快速猎 取有价值信息的力量，就是大数据技术。大数据机器分析中，半监督学习、集成 学习、概率模型等技术尤为重要。说明：用机器更懂人的思维方式思索问题，解决问题。机器从没有常识到逐步有 点常识，这是很大的变化。去年，美国人把一台云计算机送到高校里去进修，增的信息而获得的。为了应对大数据带来的挑战，我们需要新的统计思路和计算方 法。说明：用数据核心思维方式思索问题，解决问题。以数据为核心，反映了当下IT 产业的变革，数据成为人工智能的基础，也成为智能
18、化的基础，数据比流程更重 要，数据库、纪录数据库，都可开发出深层次信息。云计算机可以从数据库、纪录数据库中搜寻出你是谁，你需要什么，从而推举给你需要的信息。二、数据价值原理由功能是价值转变为数据是价值大数据真正有意思的是数据变得在线了，这个恰恰是互联网的特点。非互联网时 期的产品，功能肯定是它的价值，今日互联网的产品，数据肯定是它的价值。例如：大数据的真正价值在于制造，在于填补很多个还未实现过的空白。有人把 数据比方为隐藏能量的煤矿，煤炭依据性质有焦煤、无烟煤、肥煤、贫煤等分类， 而露天煤矿、深山煤矿的挖掘本钱又不一样。与此类似，大数据并不在大，加学问和常识。最近俄罗斯人开发一台计算机软件通过
19、图林测试，说明计算机已 初步具有智能。让机器懂人，这是人工智能的胜利，同时，也是人的大数据思维转变。你的机器、 你的软件、你的服务是否更懂人？将是衡量一个机器、一件软件、一项服务好坏 的标准。人机关系已发生很大变化，由人机分别，转化为人机沟通，人机互补, 机器懂人，现在年青人已离不开智能手机是一个很好的例证。在互联网大数据时 代，有问题一问机器一问百度，成为生活的一局部。机器什么都知道，缘由是 有大数据库，机器可搜寻到相关数据，从而使机器懂人。是人让机器更懂人，假 如机器更懂人，那么机器的价值更高。九、电子商务智能原理大数据转变了电子商务模式，让电子商务更智能。商务智能，在今日大数据时代它获得
20、的重新的定义。例如：传统企业进入互联网，在把握了 大数据技术应用途径之后，会觉察有 一种豁然开朗的感觉，我成天就像在黑屋子里面找东西，找不着，突然遇到了一 个开关，觉察那么费力的找东西，原来很简洁找得到。大数据思维，事实上它不 是一个全称的推断，只是对我们所处的时代某一个纬度的描述。大数据时代不是说我们这个时代除了大数据什么都没有，哪怕是在互联网和IT 领域，它也不是一切，只是说在我们的时代特征里面加上这么一道很明显的光, 从而导致我们对以前的生存状态，以及我们个人的生活状态的一个差异化的一种 表达。例如：大数据让软件更智能。尽管我们仍处于大数据时代来临的前夕，但我们的 日常生活已经离不开它了
21、。交友网站依据个人的性格与之前胜利配对的情侣之间 的关联来进行新的配对。例如，具有“自动改正”功能的智能手机通过分析我们 以前的输入，将共性化的新单词添加到手机词典里。在不久的将来，世界很多现 在单纯依靠人类推断力的领域都会被计算机系统所转变甚至取代。计算机系统可 以发挥作用的领域远远不止驾驶和交友，还有更多更简单的任务。别忘了，亚马 逊可以帮我们推举想要的书，谷歌可以为关联网站排序，Facebook知道我们的 喜好，而linkedln可以猜出我们熟悉谁。当然，同样的技术也可以运用到疾病诊断、推举治疗措施，甚至是识别潜在犯罪 分子上。或者说，在你还不知道的状况下，体检公司、医院提示你抓紧去做检
22、查， 可能会得某些病，商家比你更了解你自己，以及你这样的人在某种状况下会消失 的可能变化。就像互联网通过给计算机添加通信功能而转变了世界，大数据也将 转变我们生活中最重要的方面，由于它为我们的生活制造了前所未有的可量化的 维度。说明：用电子商务更智能的思维方式思索问题，解决问题。人脑思维与机器思维 有很大差异，但机器思维在速度上是取胜的，而且智能软件在很多领域已能代替 人脑思维的操作工作。例如美国一家媒体公司已用电脑智能软件写稿，可用率已 达70%。云计算机已能处理超字节的大数据量，人们需要的全部信息都可得到 显现,而且每个人互联网行为都可纪录，这些纪录的大数据经过云计算处理能产 生深层次信息
23、，经过大数据软件挖掘，企业需要的商务信息都能实时供应，为企 业决策和营销、定制产品等供应了大数据支持。十、定制产品原理由企业生产产品转变为由客户定制产品 下一波的改革是大规模定制，为大量客户定制产品和服务，本钱低、又兼具共性 化。比方消费者盼望他买的车有红色、绿色，厂商有力量满意要求，但价格又不 至于像手工制作那般让人无法担当。因此，在厂家可以负担得起大规模定制带去 的高本钱的前提下，要真正做到共性化产品和服务，就必需对客户需求有很好的 了解，这背后就需要依靠大数据技术。例如：大数据转变了企业的竞争力。定制产品这是一个很好的技术，但是能不能 够形成企业的竞争力呢？在产业经济学里面有一个很重要的
24、区分，就是生产力和 竞争力的区分，就是说一个东西是具有生产力的，那这种生产力变成一种通用生 产力的时候，就不能形成竞争力，由于每一个人，每一个企业都有这个生产力的 时候，只能提高自己的生产力，过去没有车的时候和有车的时候，你的活动半径、 运行速度大大提高了，但是当每一个人都没有车的时候，你有车，就会形成竞争 力。大数据也一样，你有大数据定制产品，别人没有，就会形成竞争力。在互联网大数据的时代,商家最终很可能可以针对每一个顾客进行精准的价格卑 视。我们现在很多的行为都是比拟粗放的，航空公司会给我们里程卡，依据飞行 公里数来累计里程，但其实不同顾客所飞行的不同里程对航空公司的利润贡献是 不一样的。
25、所以有一天某位顾客可能会收到一封信，恭喜先生，您已经被我们 选为幸运顾客，我们提前把您升级到白金卡。这说明这个顾客对航空公司的贡 献已经够多了。有一天银行说恭喜您，您的额度又被提高了，就说明钱花得 已经太多了。正由于在大数据规律面前，每个人的行为都跟别人一样，没有本质变化。所以商 家会比消费者更了消费者的行为。或许你正在想，工作了一年很辛苦，要不要去 哪里度假？翻开e-Mail ,就有航空公司、旅行社的邮件。说明：用定制产品思维方式思索问题，解决问题。大数据时代让企业找到了定制 产品、订单生产、用户销售的新路子。用户在家购买商品已成为趋势，快递的快 速，让用户体验到实时购物的快感，进而成为网购
26、迷，个人消费不是削减了，反 而是增加了。为什么企业要互联网化大数据化，或许有这个缘由。2000万家互 联网网店的消失，说明数据广告、数据传媒的重要性。企业产品直接销售给用户，省去了中间商流通环节，使产品的价格可以以出厂价 销售，让销费者获得了好处，网上产品廉价成为用户的信念，网购市场形成了。 要让用户成为你的产品粉丝，就必需了解用户需要，定制产品成为用户的心愿, 也就成为企业进展的新方向。大数据思维是客观存在，大数据思维是新的思维观。用大数据思维方式思索问题, 解决问题是当下企业潮流。大数据思维开启了一次重大的时代转型。而在于有用“，价值含量、挖掘本钱比数量更为重要。不管大数据的核心价值 是不
27、是猜想，但是基于大数据形成决策的模式已经为不少的企业带来了盈利和声 誉。数据能告知我们，每一个客户的消费倾向，他们想要什么，喜爰什么，每个人的 需求有哪些区分，哪些又可以被集合到一起来进行分类。大数据是数据数量上的 增加，以至于我们能够实现从量变到质变的过程。举例来说，这里有一张照片, 照片里的人在骑马，这张照片每一分钟，每一秒都要拍一张，但随着处理速度越 来越快，从I分钟一张到1秒钟1张，突然到1秒钟10张后，就产生了电影。 当数量的增长实现质变时，就从照片变成了一部电影。美国有一家创新企业Decide 它可以关心人们做购买决策，告知消费者什么时候买什么产品，什么时候买最廉 价，猜想产品的价
28、格趋势，这家公司背后的驱动力就是大数据。他们在全球各大 网站上数以十亿计的数据，然后关心数以十万计的用户省钱，为他们的选购 找到最好的时间，降低交易本钱，为终端的消费者带去更多价值。在这类模式下，尽管一些零售商的利润会进一步受挤压，但从商业本质上来讲, 可以把钱更多地放回到消费者的口袋里，让购物变得更理性，这是依靠大数据催 生出的一项全新产业。这家为数以十万计的客户省钱的公司，在几个星期前，被 eBay以高价收购。再举一个例子，SWIFT是全球最大的支付平台，在该平台上的每一笔交易都可 以进行大数据的分析他们可以猜想一个经济体的健康性和增长性。比方，该公 司现在为全球性客户供应经济指数，这又是
29、一个大数据服务。，定制化服务的关 键是数据。大数据时代的作者维克托迈尔舍恩伯格认为，大量的数据能够 让传统行业更好地了解客户需求，供应共性化的服务。说明：用数据价值思维方式思索问题，解决问题。信息总量的变化导致了信息形 态的变化，量变引发了质变，最先经受信息爆炸的学科，如天文学和基因学，制 造出了 “大数据”这个概念。如今，这个概念几乎应用到了全部人类致力于进展 的领域中。从功能为价值转变为数据为价值，说明数据和大数据的价值在扩大, 数据为王的时代消失了。数据被解释是信息，信息常识化是学问，所以说数 据解释、数据分析能产生价值。三、全样本原理从抽样转变为需要全部数据样本需要全部数据样本而不是抽
30、样，你不知道的事情比你知道的事情更重要，但假如 现在数据足够多，它会让人能够看得见、摸得着规律。数据这么大,这么多，所 以人们觉得有足够的力量把握将来，对不确定状态的一种推断，从而做出自己的 打算。这些东西我们听起来都是特别原始的，但是实际上背后的思维方式，和我 们今日所讲的大数据是特别像的。举例：在大数据时代，无论是商家还是信息的者，会比我们自己更知道你可 能会想干什么。现在的数据还没有被真正挖掘，假如真正挖掘的话，通过信用卡 消费的纪录，可以胜利猜想将来5年内的状况。统计学里头最基本的一个概念就 是，全部样本才能找出规律。为什么能够找出行为规律？ 一个更深层的概念是人 和人是一样的，假如是
31、一个人特例出来，可能很有共性，但当人口样本数量足够 大时，就会觉察其实每个人都是一模一样的。说明：用全数据样本思维方式思索问题，解决问题。从抽样中得到的结论总是有 水分的，而全部样本中得到的结论水分就很少，大数据越大，真实性也就越大, 由于大数据包含了全部的信息。四、关注效率原理由关注精确度转变为关注效率关注效率而不是精确度，大数据标志着人类在寻求量化和熟悉世界的道路上前进 了一大步，过去不行计量、存储、分析和共享的很多东西都被数据化了，拥有大 量的数据和更多不那么精确的数据为我们理解世界翻开了一扇新的大门。大数据 能提高生产效率和销售效率，缘由是大数据能够让我们知道市场的需要,人的消 费需要
32、。大数据让企业的决策更科学，由关注精确度转变为关注效率的提高，大 数据分析能提高企业的效率。例如：在互联网大数据时代，企业产品迭代的速度在加快。三星、小米手机制造 商半年就推出一代新智能手机。采用互联网、大数据提高企业效率的趋势下，快 速就是效率、猜想就是效率、预见就是效率、变革就是效率、创新就是效率、应 用就是效率。竞争是企业的动力，而效率是企业的生命，效率低与效率高是衡量企来成败的关 键。一般来讲，投入与产出比是效率，追求高效率也就是追求高价值。手工、机 器、自动机器、智能机器之间效率是不同的，智能机器效率更高，已能代替人的 思维劳动。智能机器核心是大数据制动，而大数据制动的速度更快。在快
33、速变化 的市场，快速猜想、快速决策、快速创新、快速定制、快速生产、快速上市成为 企业行动的准那么，也就是说，速度就是价值，效率就是价值，而这一切离不开大 数据思维。说明：用关注效率思维方式思索问题，解决问题。大数据思维有点像混沌思维, 确定与不确定交织在一起，过去那种一元思维结果，已被二元思维结果取代。过 去寻求精确度，现在寻求高效率；过去寻求因果性，现在寻求相关性；过去查找 确定性，现在查找概率性，对不精确的数据结果已能容忍。只要大数据分析指出 可能性，就会有相应的结果，从而为企业快速决策、快速动作、创占先机提高了 效率。五、关注相关性原理由因果关系转变为关注相关性 关注相关性而不是因果关系
34、，社会需要放弃它对因果关系的渴求，而仅需关注相 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，而我们做打算和理解现实的最基本方式也将受到挑战。例如：大数据思维一个最突出的特点，就是从传统的因果思维转向相关思维，传 统的因果思维是说我肯定要找到一个缘由，推出一个结果来。而大数据没有必要 找到缘由，不需要科学的手段来证明这个大事和那个大事之间有一个必定，先后 关联发生的一个因果规律。它只需要知道，消失这种迹象的时候，我就依据一般 的状况，这个数据统计的高概率显示它会有相应的结果，那么我只要觉察这种迹 象的时候，我就可以去做一个决策，我该怎么做。这是和以前的思维方
35、式很不一 样，狡猾说，它是一种有点反科学的思维，科学要求实证，要求找到精确 的 因果关系。在这个不确定的时代里面，等我们去找到精确 的因果关系，再去办事的时 候，这个事情早已经不值得办了。所以大数据时代的思维有点像回归了工业 社会的这种机械思维机械思维就是说我按那个按钮，肯定会消失相应的结 果，是这样状态。而农业社会往前推，不需要找到中间特别紧密的、明确的因果 关系，而只需要找到相关关系，只需要找到迹象就可以了。社会因此放弃了查找 因果关系的传统偏好，开头挖掘相关关系的好处。例如：美国人开发一款共性化分析报告自动可视化程序”软件从网上挖掘数据 信息，这款数据挖掘软件将自动从各种数据中提取重要信
36、息，然后进行分析，并 把此信息与以前的数据关联起来，分析出有用的信息。非法在屋内打隔断的建筑物着火的可能性比其他建筑物高很多。纽约市每年接到 2.5万宗有关房屋住得过于拥挤的投诉，但市里只有200名处理投诉的巡察员, 市长办公室一个分析专家小组觉得大数据可以关心解决这一需求与资源的落差。 该小组建立了一个市内全部90万座建筑物的数据库，并在其中加入市里19个 部门所收集到的数据：欠税扣押纪录、水电使用特别、缴费拖欠、服务切断、抢 救车使用、当地犯罪率、鼠患投诉，诸如此类。接下来，他们将这一数据库与过去5年中按严峻程度排列的建筑物着火纪录进行 比拟，盼望找出相关性。果真，建筑物类型和建筑年份是与火灾相关的因素。不 过，一个没怎么预料到的结果是,获得外砖墙施工许可的建筑物与较低的严峻火 灾发生率之间存在相关性。采用全部这些数据，该小组建立了一个可以关心他们 确定哪些住房拥挤投诉需要紧急处理的系统。他们所纪录的建筑物的各种特征数 据都不是导致火灾的缘由，但这些数据与火灾隐患的增加或降低存在相关性。这 种学问被证明是极具价值的:过去房屋巡察员消失场时签发房屋腾空令的比例只 有13% ,在采纳新方法之后，这个比例提升到了 70%效率大大提高了。