相关关系和因果关系

最近看了本大数据的书，叫《大数据时代：生活、工作与思维的大变革》。在地铁上零零碎碎看完。

看完之后收获不少，颠覆了以前的一些想法和概念。

在看这本书之前，我所理解的大数据是，现在这个社会是信息爆炸的社会。以前的说法是，在互联网里，没人会知道你是一条狗。但是这句话拿到今天来说，反着说是没有一点问题的，在互联网里，哪怕你是一条狗都能被查出来。因为现在互联网上的信息实在是太多了，自己留下的信息也会很多，除非完全不上网。就举个栗子来说，以前在京东上，有个女的对京东的商品做出了一番评价，结果被网友们掘地三尺，查出了人家是在央视工作等一系列相关信息。像这类查人信息的事情我也做过一些，主要方式是通过手头上仅有的资料，查出人家的微博啊，微信啊，QQ啊等等，然后根据微博、微信、QQ的用户名再进一步用搜索引擎查出更多的信息。这就是我当时自己理解的大数据。互联网的信息十分多，利用相关性，从“大数据”中我们可以查出一个人的很多信息。

不过读完这本书之后，就完全不是这个意思了。所谓大数据，是和数据分析有关的。像在以前做数据分析时，手里所掌握的数据是有限的。只能够以采样进行抽样分析处理。而在大数据时代呢，所掌握的数据就是全集，没有抽样这个概念了。基于这种关系之下，人们不再像以前那样，通过样本，来研究因果关系，从而能够进一步对整体做出预测。而大数据的概念下，只需要研究相关关系即可，通过对数据的分析，发现某些事情的发生，同时发生了另外一些事情，然后研究其相关关系，可以对整个全集进行分析，在这种情况下，因果关系就显得不那么重要了。不过我存疑的是，对于当前的数据，怎么也达不到全集，而只能是有限全集，通过这个有限全集，来预测未来。比如说知道去年全年的机票订单情况，来预测今年的机票订单趋势。