|
世界上90%的数据都是已往几年里发生的，你大概已经熟知这个统计了。这是真的。我能找到的关于这个表述的最早的告诉之一可以追溯到2013年五月，但这个趋势一直显著地一连着。确实，已往三个世纪以来每两年世界上数据的总量便会提高到十倍——这个比率甚至使得发明处理惩罚器机能更加的摩尔定律都相形见绌。 这样一个信息增长比率所带来的问题之一是此刻这个时刻的数据老是比才已往不久的要呈现得大得多。想想一下回首一本描画你人生前八年的一内情册，从出生到成年。假设你有你人生头两年的两张照片。假定在匹配此刻这样一个信息增长比率下，你将会拥有印象深刻的2000张六岁到八岁的照片;20万张十岁到十二岁的;以及惊人的两亿张十六岁到十八岁的照片。也就是说在最后两年里每一秒种便会有不但三张照片发生。 “当你想寻求更久远的视角而开始回首已往时，你会发明此刻的对象太多而已往的对象又太少。” 虽然，这并不是全球数据的一个完美的类比。一开始，世界上许大都据的增长都是因为更多的人参加缔造出了更多的信息资源以及更复杂更细致的名目。可是关于平衡性的概念是有按照的。假如你规划回首像上面一样的记录的话可能实验着阐明它，你将觉察离此刻越近的对象越会变得毫无意义。记录这么多次有用的信息却更少，为什么会这样呢? 这就是现今如此多大数据被收集与阐明所带来的问题。当你想寻求更久远的视角而开始回首已往时，你会发明此刻的对象太多而已往的对象又太少。眼光短浅深深地植入在高估以汗青为价钱的短期趋势的强大的布局倾向中。
大数据所带来的问题之一是此刻这个时刻的数据老是比才已往不久的要呈现得大得多。(来历：iStock) 为了领略这个的重要性，思考一下社会科学关于近因效应的发明，它描写了人们假设将来的事件将雷同于最近的经验的倾向。这也是我们熟知的“可具有性”开导式的另一种说法：依据任何最容易想到的对象举办思考的倾向。这也是一种普遍的心理属性。假如在已往的几年里在你住的处所你已经见证了异常严寒的夏天，好比，你大概被引导着说出夏天越来越冷了——可能你们内地的气候大概在变冷。实际上你不该该把你读到的任何对象读入数据。你需要运用更久远的目光去相识关于气候变革趋势的有意义的对象。在短期内，你最好不要随意猜测——但我们中有谁可以或许真的做到呢? “短期的阐明不可是无效的——它们常常是无用的甚至误导人的” 现实糊口中大都巨大现象常常也是这样的：如股票市场、经济、公司兴衰、战阵与僻静、人际干系以及王朝更迭。短期的阐明不光单是无效的——它们常常是无用甚至误导人的。瞧瞧浩瀚经济学家排着队公布像2009年金融危机这样的事件是不行能产生的，直到它真的产生了。在那种水平上可以做到有效预测的那种观念自己就是问题的一部门。 值得一提的是在抉择命据去留时新奇常常是主要的思量因素。推陈出新：在这个数字趋势的世界上，搜索算法本质上方向于新鲜事物，所谓的超链停用从最高法院抉择到整个社会媒体处事业等各方面十分猖狂。对付当下的方向从布局上在我们周边的所有科技中已经根深蒂固，尤其要归因于我们约莫五年后扬弃我们大大都一度繁荣的呆板的爱好。 该怎么做?这不可是一个更擅永生存旧数据的问题——尽量这不能说是个坏主意，思量到我们对此刻于已往的几十年而不是已往几年的生存多无能为力。更重要的是，抉择哪些数据是在第一时间值得生存的——而且以常识的名义有意义地剔除信息意味着什么。
我们需要更擅长于抉择哪些数据值得在第一时间生存的。(来历：iStock) 我们需要的是一种我喜欢称为“选择性遗忘”的本领：练习我们的东西更擅长于放下方才已往的对象以保持目光上的持续性。这是一种雷同治疗的方法助我们公道布置相册——尽量需要更多的数学。什么环境下两百万张照片不如两千张有代价呢?当样本较量多涉及规模却较量少的时候;当可以提出的问题不那么重要的时候;当提供的细节的级别只是慢慢贯注猜疑和只有盲目标自信的时候。 有很多的数据集是不能复兴的，当完成的时候代价是极大的：基因序列;人口数据;地理和物理学的坚苦常识。然而，若科学越不严谨，局限就越大概与质量成反比—更重要的是时间自己就是一个过滤器。我们要么仔细选择忍受什么，有哪些是重要的，尚有要带着有意义的心态去捕获我们退却的已往，要么它的印记被此刻不绝增加的噪音所替代。 |
