大数据思维与传统统计思维方式的差异分析_郑磊大数据思维与传统统计思维方式的差异分析_郑磊 当今信息科技高速进展， 大数据已经成为一种新的生产力， 驱动传统行业发生重大变革。 由于大数据具有 4V（Volume， Variety， Velocity 和 Veracity） 特性 [1] ， 传统统计思维方法已不能完全满足时代需求， 大数据思维方式亦应运而生。 大数据思维与传统统计思维类似， 都是对现实世界的数据和现象进行科学分析和推断， 从而揭示事物的内在本质，推断其进展变化规律。 然而， 由于这两种思维方式各有其自身特点， 其讨论重点和应用领域也各自不同， 所有我们就需要对这两种思维方式进行讨论， 从而开阔视野， 从多个角度以多种方法解决问题。 1 大数据思维与传统统计思维方式的区别 1.1 讨论对象不同 总体性和样本性， 是大数据思维和传统统计思维讨论对象的根本区别。 在传统统计思维中， 受传统分析方法的限制， 抽样分析是最常用的统计方法， 即按随机性原则， 从总体单位中随机抽取部分单位作为样本进行统计分析， 并以其结果推断总体有关指标的一种统计方法。 实践证明： 抽样分析精确性受抽样随机性影响较大， 增加随机性， 精确度将大幅提高； 增加样本数量， 精确度影响不大， 因此样本选择的随机性比样本数量更为重要。 用样本数据去推断全部样本的情况， 是传统统计方法分析数据的常用方法， 但在现实中， 这种方法可能无法展示事物的全貌， 其抽样的代表性有存在偏差的可能， 其推断的结果需要验证。 在大数据背景下， 所有海量数据都可以存储在云存储上， 大数据思维不再采纳传统的随机抽样方式， 而是采纳“样本即总体” 的全数据思维方式， 采纳大数据特别算法，利用云计算强大的计算能力， 计算分析全部数据， 从而发现传统统计方法无法揭示的细节信息， 找出深藏在数据中不易被发现的秘密 。 1.2 讨论方法不同 在传统统计工作中， 统计方法一般是基于事务间的相关性、 先验信息， 根据收集的统计样本， 采纳传统统计学的推断方法进行因果关系的推断。 而大数据是建立在总体数据之上， 排除人为假设， 通过大数据算法， 挖掘出数据深处的意义， 发现深层次的因果关系， 从而进行科学的预测和推断。 传统统计方法由于统计样本的不完整性， 或者某个统计样本的错误， 可能将会导致统计结果发生严重偏离， 而且后期仍需大量的工作进行因果关系的验证和偏离值...
