浅谈当前对大数据的一些非议

　　2012年12月，几位在美国工作生活的华裔专家到访中国国家统计局时表示，近代以来的历次技术革命，中国总是跟在别人后面、慢一步享受别人的研究成果;大数据来了，大家的起点都一样，中国能否创造一些经验并走在世界前列?

　　2016年5月，李克强总理在贵阳大数据产业峰会上指出，大数据等新一代互联网技术让各国站在科技革命的同一起跑线上。中国曾屡次与世界科技革命失之交臂，今天要把握这一历史机遇，抢占先机，赢得未来。

　　专家们的希望与总理的发言，表述大同小异，意思完全一致，只是时间列车又驶过了3年零5个月。其间，中国的大数据应用取得了一定的进展，但应用中面临的诸多障碍也依然存在，且不断出现一些对大数据的非议之声。这些非议有些有一定道理，有些则失之偏颇。

　　有一篇批判所谓“大数据崇拜”的文章认为，如果不进行社会学分析，大数据就是一堆“大垃圾”。其实，所谓“崇拜”，应该是发自内心的信仰和景仰、顶礼膜拜。而所谓“大数据崇拜”如同所谓“GDP”崇拜一样，都是被别人强加上的。前者只是强调了大数据的意义，后者只是因其成为考核指标而不择手段地追求GDP的数字而已。美国总统行政办公室2014年发布报告的题目之所以确定为《大数据：抓住机遇，保存价值》，就在于越来越多的大数据中蕴含着巨大价值。而其巨大价值对政府统计而言更加珍贵，更需要抓住和保存。不进行分析，流失的只能是价值而并非垃圾。

　　有一篇题为《我为什么反对大数据》的文章，认为常把大数据挂在嘴边的人，并不了解什么是大数据;即使是各项全国性普查，即使是一些典型网站，其数据量的规模依然有限，有多少企业有海量数据?其实，综合各种权威解释，大数据就是电子化产生的达到一定规模的数据集及处理技术。而以普查为代表的结构化数据，在大数据中仅是很小的一部分甚至算不上大数据，DNA日益增长的非结构化数据才是大数据的主体，且这些数据正在快速增长。

　　一篇题为《大数据的十大局限》的文章，对舍恩伯格在《大数据时代》中提出的“大数据是全样本”提出异议，认为“全样本是永远不可能的”。作者举例说，大数据依赖网络，而至今为止尚有一半人上不了网。其实，谁说只有“全国人民”才能成为一个总体?我们仅对网上购买某种商品的顾客做一个分析，这难道不是一个特定的总体?即使这个群体有几万人甚至更多，但全部的样本已经应有尽有，难道还要从中抽出几百个、几千个进行汇总分析?

　　与此有联系的另一篇文章，题目是《统计学研究的典型问题到底是个什么鬼?》。作者说了很多，就为了证明一点，即大数据可以说明总体的现在;但要证明总体的未来，大数据还不如小数据。但问题是，谁说研究和应用大数据一定是为了说明未来?不能把过去时的统计与将来时的预测混为一谈吧?大数据的统计应用，就是应用大数据说明过去的情况。大数据来了、无处不在了，统计工作视而不见、任其价值白白流失，统计数据就会失真。

　　还有一部更权威，出自美国专家之手的巨制《对“伪大数据”说不》。有同仁代其总结概括，称所谓“伪大数据”，一是有问题有瑕疵的数据;二是因分析方法有毛病因而不正确的数据;三是人为操纵甚至作假的数据。但显而易见，这些问题并非大数据独有，也不是大数据的特性。任何统计数据及数据分析，不管大还是不大，都可能存在以上问题。而对有问题的数据及数据分析方法说不，并不意味着对所有的数据弃之不用。大数据亦如是。

　　大数据是科学技术、社会生产力发展到特定阶段的必然。即使反对和讨厌，即使不用这个词汇，即使无数次地说不，大数据浪潮依然会势不可挡，还会不断改变我们的生活和工作方式;而我们每个人也必然因生活和工作方式的改变，使自己的行为与活动成为大数据浪潮中的一朵朵浪花。当然，大数据发展进程中也出现了且还正在出现着失密泄密、造假售假等严重问题，但这正说明必须正视大数据的扑面而来、不可逆转，并尽快制定各种应对措施，抓住机遇，保存价值，并有效防范和纠正失密、造假等各种问题。一要完善法律法规，既促进数据开放与共享，又切实保护个人隐私不受侵害;二要明确牵头单位，统筹各部门各地区及全社会的大数据规划发展及应用;三要规范标准，促进不同大数据的衔接、共享和应用研究。