应用大数据不仅是为了分析预测

　　最近一段时间，笔者陆续看到一些非议大数据的文章，指出大数据的问题和局限性。但我看到的几乎所有文章，提出的问题都是针对应用大数据进行分析预测而言。其实，早在两年前，我就看到过一则所谓大数据的寓言。话说有一只小猪出生在猪圈里，从它出生起，每天就看到一些两条腿的动物在周围走来走去，给它送一些吃的喝的。小猪高兴的时候，就在泥里打滚；忧伤的时候，就趴在猪圈里看夕阳西下。经过对几百天的“大数据分析”，它得出结论“未来的日子也一定是这样的”。终于，一场血腥的杀戮终结了它的大数据分析。临死的时候，它恍然悟到“妈的，大数据都是骗人的”。

　　其实，寓言都是人编写创作的，目的是说明作者的某种态度和观点。而这则寓言的作者显然回避了一些最为基本且重要的“剧情”，就是小猪的身边还有没有它的同类。如果有，那么小猪不可能看不到其他同类的下场；如果它忽视了，那只能说它的分析出了问题，忽视了几百天的时间内其它同类的命运。如果这只小猪真的是一只遗腹子、独生子女，前无古人后无来者，独自在猪圈里住了几百天，那么，还有什么其他方法能让它对自己的命运作出更加准确的预测吗？

　　当年，谷歌曾经准确地对禽流感疫情作出预测判断。但作为一个成功的案例却好景不长，此后，谷歌的预测不准了。于是，预测不准又成了“反面教材”。在今年第二期《统计研究》杂志上，秦磊和谢邦昌先生从数据源和统计分析方法的角度，对这个经典案例进行了剖析。而同样的道理是，即使谷歌后来的分析有各种问题，但不依据大数据做出的、比谷歌的预测更加精准的禽流感预测案例，有吗？

　　2014年9月，国家统计局举办全国统计系统建模大赛。统计科研所的参赛队伍利用百度关键词搜索，对北京的房价走势进行了预测。有媒体担心，统计部门如果做预测，就难免会将自己的实际数字往预测数据上靠，就难免带来数据的失真。其实，利用搜索大数据分析房价，一是为了在传统数据尚未出炉之前，对形势发展早一些做出预判；二是为了使评估传统数据质量时多一个参照系。分析房价如此，分析预测其他方面的数据及趋势，意义同样如是。对于其他研究人员、专家学者、主管部门而言，应用大数据的意义或许主要就是分析和预测，至少目前是这样；但对政府统计部门和统计工作而言，应用大数据的意义绝非仅限于此，更为重要的，还是将大数据作为统计的重要数据源。

　　有些质疑的文章说，重视大数据的人，连什么是大数据也未必整得明白。其实，从麦肯锡报告到维基百科，从涂子沛先生的《大数据》到工信部的白皮书，对大数据的的定义都大同小异，概括起来就是三点：体量大，电子化产生，数据与技术的集成。在大数据改变着我们的生活、我们生活的改变又时时催生出新的大数据的今天，越来越多的大数据成为我们核心指标的基础性数据。不将其恰如其分地纳入统计范围，我们的核心指标就面临失真的风险。

　　前不久，有媒体报道，阿里集团的年销售额已达3万亿元。这是什么概念呢？2015年全年，中国的社会消费品零售总额为30万亿元，国内生产总值是67.7万亿元。尽管不同指标间或有口径、范围的差异，但作为一家电商企业，阿里的市场份额和扩张速度还是可以由此窥豹一斑的。而除了龙头老大阿里之外，还有京东商城、1号店等诸多电商平台，规模和速度也不可小觑。网上零售的大数据将直接关系社会商品零售总额、行业增加值、居民消费价格指数、居民消费支出等诸多重要统计数据的准确程度。同样，当很多人团购成为习惯、当外卖攻陷校园、当没有一个人去影院买票却可以满场的时候，我们已经到了绝不能再固守原有统计渠道及方法的时候。面对大数据带来的改变，从法律法规到制度方法、技术手段等诸多方面，变革真的迫在眉睫，真的刻不容缓。而这些，也真的比应用大数据开展分析预测更加重要和急迫。