五年前，一种新型H1N1流感病毒在短短几周内迅速蔓延。传统的信息收集和病例汇总往往会有一到两周的延迟，对于一种飞速传播的疾病，信息滞后两周的后果是致命的。与此同时，谷歌的科学家们在世界著名的科研杂志《自然》上发表了一篇著名的文章。无需一条医学检查的结果，他们通过分析人们的搜索记录来判断这些人是否患上流感，预测流感在全美范围内的传播，并且相比于北美疾病控制中心，他们追踪疫情更快更及时。

很快，谷歌数据小组的成功成为了一个新兴的科学，技术，商业的领域的象征：大数据。人们预见，这是一种前所未有的方式，在海量数据的背后，是巨大的信息价值和洞察力。

Data science is a rocket science, be prepared!

根据Mayer-Schönberger的《大数据时代---生活，工作与思维的大变革》，大数据意味着：更多，随着数据处理技术已经发生了翻天覆地的变化，随机样本将不再重要，样本即等于总体；更咋，接受混乱，接受不准确性，纷杂的数据越多越好；更好，趾高气扬的因果关系将光芒不再，卑微的相关关系将被充分利用，知道“是什么”就够了，没必要知道“为什么”。

似乎一切迹象都表明，大数据是未来——麦肯锡推测通过大数据整合，从数不清的诊断记录，到医疗保险再到智能跑步app上的数据，平均每个美国人每年能省下1000美元的医疗花费；数据科学申请大热，哥伦比亚大学和纽约大学的数据科学硕士项目在一年内录取率骤减；马云说：我们正从信息时代迈向数据时代……

但是，最近一篇发表在FT Magazine的流行文章《Big data：are we making a big mistake?》给大数据泼了一盆冷水。文章指出：在连续准确地预测几个冬天的流感突发之后，这个理论上免费且迅速的模型失效了！滞后的北美疾病控制中心的数据显示谷歌的模型不再准确。

质疑声来了：如果你不知道相关性背后是什么，那么你也不知道什么时候相关性会消失。谷歌的科学家也许不知道，也从没打算弄清楚是什么让那几个搜索关键词和流感扯上关系。相比于因果关系，他们更关心的是相关关系。

另外一个受攻击的方面是全数据模式“样本=总体”，大数据的质疑者们举了一个美国历史上著名的选举案例：1936年，共和党人Alfred Landon和Franklin Delano Roosevelt竞选总统，著名杂志Literary Digest声称他们的1000万民意测验，相当于四分之一的选民数，显示Landon将以绝对优势胜选。而最后的结果是，罗斯福以61%的支持率毫无悬念战胜了只有37%支持率的Landon。样本大小并不重要，重要的是随机性。统计学家们证明了：采样分析的精确性随着采样随机性的增加而大幅提高，但与样本数量的增长关系不大。

大数据就像未成年人性行为: 每个人都讨论它，没人知道怎么搞，每个人都以为其他人在搞，所以每个人都宣称他们在搞。

自统计学创立以来，200多年的时间内统计学家一直在试图寻找数据背后的秘密，也一直在避免陷入数据分析的陷阱。

毕竟统计不是数学，数据的背后不光是单纯的数字，更重要的是insight！

无论大数据是不是未来，它都为我们提供了一个新的工具，新的资源，新的思路。说大数据无用等同于说相比于一栋平房，你不能把更多的人放进一个一百层的摩天大楼里。如果你想建造用一栋平房一样的方法建造一幢摩天大楼，结果是在第十层的时候大楼就会坍塌。大数据来了，挑战也是——不要忘了，一个错误导致摩天大楼的倒塌带来的后果比平房的毁坏要严重的多。