猎云网5月8日报道（编译：J.D）
大数据！如果你没有，那你最好也搞一搞，毕竟你的竞争对手都在搞。话说：如果你的数据太小，你的竞争对手会战胜你！就好像打完你的脸然后偷走你的女朋友一样。
以上就是最近流行的大数据叙事。然而这种流俗的论调背后隐藏了很多问题。大数据狂热，主要是因为咨询和IT公司想靠炒作新概念来做些生意。幸运的是，一些诚实的大数据（Big Data）从业者（又名数据专家）对这种风气抱持怀疑态度。他们向我们提供了一连串厌恶这一狂热论调的理由：
甚至Facebook和雅虎这样的巨头通常都不搞大数据，谷歌式的作业并不适合所有公司
Facebook和雅虎都是互联网巨头，内部都有强大的数据服务器集群，用以处理数据。需要用服务器集群来处理，这往往被视为“大数据”的标志。毕竟能在家里的电脑上处理的数据，那肯定不够大。然而把问题分成若干个部分然后放在大型阵列计算机上运行处理，才是大数据经典的特征。就像谷歌需要借助庞大的集群来计算地球上所有网站的排名一样。
但是对于Facebook和雅虎的很多日常任务来说，这种集群貌似并无必要。以Facebook为例，大多数的工程师只需要利用他们的群集来完成Mb级别的工作，这些数据在个人电脑上就可以轻松处理，即使是笔记本电脑也能够轻松胜任。
雅虎也是一样的，雅虎内部交给集群来处理的诸多任务的中位值大约为12.5Gb，这比PC平均处理能力大，但单台服务器完全能够承担。
这些揭秘消息都出自微软研究院网上公布的一份文件，该文件标题叫“居然没人因为购买服务器集群被开除”。文中指出，即使最需要数据处理能力的公司，其工程师搞定问题时其实并不需要用到庞大的服务器集群。看出问题所在了吧？这些公司的服务器集群的数据处理能力往往被浪费——甚至可以说很多集群完全就是摆设。
大数据怎么就成了“数据分析”的同义词？这种误解造成了诸多混乱
“数据分析”是个非常古老的概念了。古埃及法老在统计国库的库藏就得用到数据分析。但现在貌似不加个“大”在前面就不好意思提“数据”这个词了。有些明明是“数据分析”的活儿，非要说成是大数据。甚至出现类似“把大数据引入你的小生意”之类的文章。可是文中所提及的数据处理量，就连 Google Docs 都能搞定，更遑论Exel 了！
必须认清的一点是：事实上，大多数企业处理的都是一些很低端的数据，就像开放知识基金会Rufus Pollock所命名的那样：都是些“小数据”。
不切实际追逐大数据 浪费金钱收效甚微
数据真的越多就越好么？当然不是。事实上，如果你只是想要分析相关性，只要找到X和Y关系的信息就好了。收集更多信息没大用甚至只有负作用。
供职于媒体分析公司 Lithium 的权威数据分析专家Michael Wu写道：“超过一定的数据量之后，从大数据中榨取信息的效率越来越低。”如果你平时对大数据关注不够，那这句话翻译过来就是：一旦大数据的规模超过一个临界点，再往里添加数据就不划算了，只是纯粹的耗时费力。
造成这种结果的原因之一：当你需要寻找相关性的时候，数据越大其中枝节越多，错误也就越多。正如数据科学家Vincent Granville在《大数据的诅咒》里所写的那样：“这并不难解释。例如即使数据集之中只包括1000个因子，那这些因子之间的相关关系数量就高达百万级别。这也就意味着一些因子之间的关系可能完全是随机的，以此来建预测模型，你会输得很惨”。
有时候，大数据是条不归路……
当企业开始搞大数据的时候，他们就走上了一条艰难的道路：必须去学习搞懂一些很艰深的学术概念——统计、数据质量等等所有跟“数据科学”有关的内容。然而正如所有学科一样——数据科学也充斥着很多无法验证、不知真假、难以辨识的理论和方法。这潭水深着呢！
数据收集过程中的偏差、数据语境的缺乏、所收集数据中的断层、演算数据的方法等等这些错误，最终都可能把大数据分析导向错误的方向，即使最好的数据研究员也无法面面俱到。MIT Media Lab 访问学者 Kate Crawford 明言：“我们可能被对算法的美好幻想给迷惑了”。换句话说如果你搞到了大数据，但别以为你们公司IT部门的张三李四这些人就能帮你处理好它。你可能需要找一个科班出身的博士头衔的牛X人物，或者具备同样工作经历的大牛。即使你找到了这个人，他也帮你分析了，最后他可能会忠告你：其实你并不需要什么“大数据”……
所以，大数据和小数据究竟哪个更好一点？
你所从事的生意需要数据么？当然。然而正如这幅漫画所展示的，盲目跟风大数据是傻X老板才干的事儿。自从学科奠基开始，这些问题一直困扰着数据科学界：数据质量，整体目的，数据的情境和关联度——在企业利用大数据进行决策的时候，这些问题同样如影随形。请记住一点，孟德尔解开遗传的秘密只用了写满一个笔记本的数据。重要的是收集正确的数据，而不是尽可能收集最大量的数据！
消息源: QUARTZ 文中漫画作者：Scott Adams
