遠光軟件（來源：51CTO　作者：不詳）

　　不久之前我曾與一位大型銀行的首席執行官一同用餐。他正在考慮是否要退出意大利市場，因為經濟形勢不景氣，而且未來很可能出現一場歐元危機。 

    這位CEO手下的經濟學家描繪出一片慘淡的景象，并且計算出經濟低迷對公司意味著什么。但是最終，他還是在自己價值觀念的指引下做出了決定。 

    這家銀行在意大利已經有了幾十年的歷史。他不希望意大利人覺得他的銀行只能同甘不能共苦。他不希望銀行的員工認為他們在時局艱難之際會棄甲而逃。他決定留在意大利，不管未來有什么危機都要堅持下去，即便付出短期代價也在所不惜。 

    做決策之時他并沒有忘記那些數據，但最終他采用了另一種不同的思維方式。當然，他是正確的。商業建立在信任之上。信任是一種披著情感外衣的互惠主義。在困境中做出正確決策的人和機構能夠贏得自尊和他人的尊敬，這種感情上的東西是非常寶貴的，即便它不能為數據所捕捉和反映。 

    這個故事反映出了數據分析的長處和局限。目前這一歷史時期最大的創新就在于，我們的生活現在由收集數據的計算機調控著。在這個時代，頭腦無法理解的復雜情況，數據可以幫我們解讀其中的含義。數據可以彌補我們對直覺的過分自信，數據可以減輕欲望對知覺的扭曲程度。 

    但有，些事情是“大數據”不擅長的，下面我會一一道來： 

    數據不懂社交。大腦在數學方面很差勁（不信請迅速心算一下437的平方根是多少），但是大腦懂得社會認知。人們擅長反射彼此的情緒狀態，擅長偵測出不合作的行為，擅長用情緒為事物賦予價值。 

    計算機數據分析擅長的是測量社會交往的“量”而非“質”。網絡科學家可以測量出你在76%的時間里與6名同事的社交互動情況，但是他們不可能捕捉到你心底對于那些一年才見2次的兒時玩伴的感情，更不必說但丁對于僅有兩面之緣的貝阿特麗斯的感情了。因此，在社交關系的決策中，不要愚蠢到放棄頭腦中那臺充滿魔力的機器，而去相信你辦工作上的那臺機器。 

    數據不懂背景。人類的決策不是離散的事件，而是鑲嵌在時間序列和背景之中的。經過數百萬年的演化，人腦已經變得善于處理這樣的現實。人們擅長講述交織了多重原因和多重背景的故事。數據分析則不懂得如何敘事，也不懂得思維的浮現過程。即便是一部普普通通的小說，數據分析也無法解釋其中的思路。 

    數據會制造出更大的“干草垛”。這一觀點是由納西姆塔勒布（Nassim Taleb，著名商業思想家，著有《黑天鵝：如何應對不可知的未來》等書作）提出的。隨著我們掌握的數據越來越多，可以發現的統計上顯著的相關關系也就越來越多。這些相關關系中，有很多都是沒有實際意義的，在真正解決問題時很可能將人引入歧途。這種欺騙性會隨著數據的增多而指數級地增長。在這個龐大的“干草垛”里，我們要找的那根針被越埋越深。大數據時代的特征之一就是，“重大”發現的數量被數據擴張帶來的噪音所淹沒。 

    大數據無法解決大問題。如果你只想分析哪些郵件可以帶來最多的競選資金贊助，你可以做一個隨機控制實驗。但假設目標是刺激衰退期的經濟形勢，你就不可能找到一個平行世界中的社會來當對照組。最佳的經濟刺激手段到底是什么？人們對此爭論不休，盡管數據像海浪一般涌來，就我所知，這場辯論中尚未有哪位主要“辯手”因為參考了數據分析而改變立場的。 

    數據偏愛潮流，忽視杰作。當大量個體對某種文化產品迅速產生興趣時，數據分析可以敏銳地偵測到這種趨勢。但是，一些重要的（也是有收益的）產品在一開始就被數據擯棄了，僅僅因為它們的特異之處不為人所熟知。 

    數據掩蓋了價值觀念。我最近讀到一本有著精彩標題的學術專著——《‘原始數據’只是一種修辭》。書中的要點之一就是，數據從來都不可能是“原始”的，數據總是依照某人的傾向和價值觀念而被構建出來的。數據分析的結果看似客觀公正，但其實價值選擇貫穿了從構建到解讀的全過程。 

    這篇文章并不是要批評大數據不是一種偉大的工具。只是，和任何一種工具一樣，大數據有拿手強項，也有不擅長的領域。正如耶魯大學的愛德華圖弗特教授（Edward Tufte）所說：“這個世界的有趣之處，遠勝任何一門學科。”