数量比准确更重要

你可能想不到，在大数据时代，数据的数量要比它的精度更重要。在过去的时代，技术的发展限制了我们获得更多的数据。在这个时候，追求数据的精确性是没错的。因为当数据总量过小时，单个样本的不准确性可能会被放大很多倍。

然而，大数据时代却是不同的，数据数量的极大提升对精确性的要求下降了。这首先是因为在数据量巨大的情况下，追求精确性就是不现实的。世界的本质不是可以精确测量的，物理学已经证明这一点了。而且在网络空间中，不但数据内容的准确性无法保证，就连数据的时间属性也无法保证大数据数量级，这就让数据的混乱性更高了。如果把重点放在数据的精确性上，相比我们得到的，我们可能失去的更多。现在，最好的翻译系统是谷歌翻译。但是谷歌翻译系统所依赖的语言库准确度很高吗？并不是，谷歌语言库的来源是互联网上巨大的语言资源。这些数据本身就不是准确的，有着大量的语法、拼写错误。但是，人们却惊奇的发现，当数据量上升到一个量级，比起对翻译算法的优化，数量数目对好的翻译结果的促进更加明显。

在数据量巨大的情况下，尽管有小部分数据是不准确的，但是巨大的数量反而弥补了这些不足，使结果的准确性反而上升了。

在传统的数据统计中，人们一般会把数据统计为经典的关系型数据库。但是，大数据的时代，关系型数据库根本无法满足对数据存储的要求。首先，大数据时代产生的数据可能就不是关系型的。许许多多的数据之间并没有特别清晰的关联。如果过分的追求结构化，就失去了获得大量数据的可能性。其次，传统数据要求的一致性，在大数据时代也不能保证。当数据的数量巨大时，数据往往不会只存储在一台计算机上，它会分部在多台计算机上。这样，当一台计算机的数据发生了更新，整个数据部分可能来不及同时更新。这就使得非关系型的数量结构在大数据时代获得了更好的效果。

（编辑：广州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!