大数据思维特征

摘 要：本文分析了大数据思维特征，包括整体性与涌现性，多样性与非线性。

关键词：大数据;思维;非线性

了解大数据思维的提出，这是理解大数据思维的前提，是把握大数据思维的基础。然而，要对大数据思维拥有深刻、全面的把握，还必须进一步揭示大数据思维的特征。在现代科技革命的背景下，大数据思维在各领域中显示出巨大应用潜力，我们更应对大数据思维的特征进行讨论，本章就将从整体性与涌现性、多样性与非线性、相关性与不确定性等三个方面提炼大数据思维的特征。

1 整体性与涌现性

牛顿以来，机械自然观的思维方式在近代科学研究中流行开来，机械论自然观在很大程度上指导了科学家的科研活动，这种机械论自然观在方法论上是还原论的。然而，在现代科技革命的背景下，机械论自然观的不变性、基本性、直观性、既成性的特点暴露出了还原论的局限。辩证自然观登上历史舞台以后，在人与世界关系问题上，采取了将人与世界看作一个整体的态度，具有整体论的特点。大数据时代，通过数据考察人与世界的关系问题，世界在大数据维度上呈现出现前所未有的新气象，在大数据思维的背景下，涌现性成为描述全体数据最合适的词汇。整体性和涌现性成为大数据思维的首要特征。

1.1 整体性

整体性是相对于系统的部分或者元素讲的，大数据思维要求人们将所获得的大数据作为一个系统，那么这个系统的首要特征就是整体性。大数据思维的整体性是指在数据挖掘的过程中，我们需要重视全体数据的追求和分析，在把握问题的方法上，注重从整体把握对象。古希腊时期，世界的本原问题就是哲学家们追问最多的问题之一。亚里士多德说，世界的存在物都由本原组成，存在物在原初都从本原产生，最后又复归为它。古希腊哲学家针对世界本原的问题上，经历了从对世界感性直观到对世界超感性抽象的过程。在大数据时代里，人与世界的关系、思维与存在的关系通过海量数据紧密联系起来，大数据在某种程度将成为世界本原的新解读。

在大数据时代中，整体性思维是面对问题、解决问题时的首选。数据量增长迅速的情况下，与以随机样本为核心的小数据思维形成鲜明对比的是，以全体数据为核心的大数据思维显现出的巨大能量，即整体性。大数据思维主张进行全体数据的获取和分析，也就是通过整体思维的方式来把握研究对象。举一个简单的例子，我国每10年进行一次全国人口普查，两次人口普查的时间终点，进行一次1%人口抽样调查。新中国成立以后，我国共进行了六次全国普查和三次1%人口抽样调查，社会各界投入的人力、财力成本巨大，以2010年北京市人口普查有关数据为准，北京市级财政和区县财政投入相加，人口普查总投入超过6亿元人民币，由此可见全国人口普查所占用的财力将是巨大的。相比于全国人口普查的全国人口的广泛覆盖和庞大的调查费用，1%人口抽样调查是一种省时又省力的人口调查方式，但是抽样的结果往往有一定的误差，在统计学上误差是无法避免的，只可能在一定条件下降到最低。在大数据时代，我们假设在时间上、技术上等方面不存在难点，每10年的人口普查将变得比现在的人工入户普查的方式高效得多，1%人口抽样调查也可以变为人口普查了，那么1%人口抽样调查甚至可以被全国性的人口普查替代。针对大数据思维的整体性特征，刊登在《学习时报》上的两篇文章颇具代表性。

1.2 涌现性

涌现性通常是系统整体具有的特征，是指在系统中各部分、各元素单独存在时不具有，但是将它们组合成一个整体后系统所具有的特征，也被称为“整体涌现性”。在大数据思维的背景下，新情况在不断地涌现，涌现性也成为大数据思维的重要属性。全体大数据整体具有的，而小数据单独、部分或者所有小数据所不具有的属性、特征和功能等可以称为大数据思维的涌现性。也就是说，当我们把大数据拆分为各个小部分时，大数据所具有的这些属性、特征和功能等便不可能体现在小数据上或者所有小数据上。

来源一：构材效应。苗东升教授将系统的涌现，归结于系统的构成上。系统由组分构成，或者由它的元素构成。那么，系统的涌现性也就来源于这里。整体涌现性的出现在特定的组分和元素构成的系统中，如果更换了系统中的组分、元素，則原涌现性就无法出现。

来源二：规模效应。系统的规模大小也是影响涌现的基本要素，涌现性的出现需要足够多的组分或者元素，也就是足够的材料，没有足够大的系统，是无法出现涌现的。涌现的出现，依赖于系统在一定程度的复杂性。

来源三：结构效应。组分之间的不同结构，以及不同组分间的相同结构，均会产生不同的涌现性。在整体系统中，组分之间的相互作用、相互位置不同，产生的作用力就不同。比较特殊的两个现象是同分异构和物理学超导现象，在组分、元素相同的情况下会表现出两种不同的涌现特征。

来源四：环境效应。系统处于特定环境条件下，就会受到环境条件的影响和制约，现代科技条件下的系统通常是开放系统，无法避免的与系统外进行信息交换，在这种条件下也会产生特定的性质，表现出涌现性特征。

2 多样性与非线性

2.1 多样性

大数据思维的多样性特征是通过数据种类的不同体现的。关系数据库中存储的基本是结构化数据，例如整齐的文字、数据或者同一种类的文件。而非关系数据库的中存储的多源异构数据（就是前文提到的半结构化数据、非结构化数据），例如不整齐（杂乱）的图标、表格、网页、视频或者其他类型的异构数据，成为了大数据思维多样性的主要来源。多样性并不仅存在于大数据领域，我们人类生活的方方面面均存在多样性，可以说，在社会、自然甚至宇宙万物都依赖多样性而存在。托夫勒在上世纪80年代所写的未来学书目《第三次浪潮》中，就已经提到了人类因电子计算机发展迅速，信息革命开始，传统的传播工具群体化特征将不再明显，“传播工具将急剧的非群体化”，传播对象将变得多样起来。人类社会中，人是社会关系的总和，社会关系是多样的，不同地区文化是多样的。自然领域中，包括海洋环境、陆地环境、大气环境，生物多样性的存在让生物圈多姿多彩。事物的发展变化总离不开多样性，如此看来，大数据思维中存在的多样性特征不可避免，我们在注意到大数据思维中存在多样性的同时，应尽可能全方位把握多样的存在，搞清楚多样性在大数据思维中的具体表现，为我们利用大数据思维奠定基础。

2.2 非线性

进入大数据时代以后，人类认识世界的方式将发生改变，大数据思维非线性特征将帮助人类在认识世界、考察世界的过程中，建立非线性观点。非线性（nonlinear）是相对于线性（linear）来说的，是指方程的解满足叠加定理（superposition principle）的现象或者系统所具有的特征，非线性是线性的否定。在数学中，线性是一种具有比例关系的性质，函数表现是成比例的、直线的，方程的解满足齐次性或者加和性。而非线性是一种没有比例关系的性质，函数表现是不成比例的、不成直线的。我们在科学研究中采取的线性思维，可以看作非线性现实的简化。由于世界本身是非线性的，采取线性思维，就是一种近似思维，这样一来，我们看到的世界将是不真实的，也脱离了世界的本来面貌。然而，大数据思维的出现带来了整体思维，这样的思维方式生来就对真实世界亲近又抱有好感，人类可以利用采集海量大数据的方法，得到现实世界第一手的数据，通过这些数据来了解我们的世界，将更加接近真实、接近现实。在这样的意义上，大数据思维在本质上表现出了非线性特征。

参考文献

[1]周世佳.大数据思维初探：提出，特征及意义.中共山西省直机关党校学报，2014，5：10-12.

[2]张义祯.大数据带来的四种思维.学习时报，2015-1-26（第四版）.

推荐访问:特征 思维 数据