前一陣子中國(guó)新歌聲舉行了總決賽，最終，汪峰戰(zhàn)隊(duì)的蔣敦豪戰(zhàn)勝周杰倫戰(zhàn)隊(duì)的向洋，奪得年度總冠。進(jìn)入到第5個(gè)年頭的《中國(guó)好聲音》因版權(quán)糾紛更名為《中國(guó)新歌聲》，首播全國(guó)網(wǎng)收視率2.24%，和去年相比有所下滑。而且“黑幕說(shuō)”越演越烈，在鳥(niǎo)巢決賽夜的決賽投票環(huán)節(jié)81位評(píng)審竟然投出了92票，實(shí)在難以服眾。

最正確的數(shù)據(jù)，我們姑且稱之為完美數(shù)據(jù)，我認(rèn)為必須滿足兩個(gè)條件：全量、瞬間取得。全量很容易理解，為什么需要瞬間取得呢？想象一下，假如我需要了解：目前全北京有多少人喜歡吃烤鴨？于是我展開(kāi)了一個(gè)全北京的普查，做了一年完成。這會(huì)碰到一個(gè)問(wèn)題就是：這一年當(dāng)中有些人從喜歡變不喜歡，有另一些人從不喜歡變喜歡；還有些人從北京人變成外地人，從外地人變北京人。所以即便你花了一年調(diào)查的全部的“北京人”，所得到的數(shù)據(jù)，仍然不能完美的說(shuō)明：目前全北京有多少人喜歡吃烤鴨？所以，完美數(shù)據(jù)必須瞬間取得。誰(shuí)有完美數(shù)據(jù)，我認(rèn)為沒(méi)有人擁有。我們能做的只是盡可能的接近它。

接下來(lái)我想利用兩個(gè)維度來(lái)分類數(shù)據(jù)，并闡述我關(guān)于如何接近完美數(shù)據(jù)的看法。這兩個(gè)維度就是：數(shù)據(jù)量與代表性。

數(shù)量大且代表性高，最接近完美數(shù)據(jù)。如果你擁有大數(shù)據(jù)，那么恭喜你，你有很好的數(shù)據(jù)來(lái)做分析，得出的結(jié)果也會(huì)有很高的正確性。至于什么樣的數(shù)據(jù)叫大數(shù)據(jù)，坊間有不少書(shū)籍介紹，我就不在這里贅述了。

常與大數(shù)據(jù)混淆，讓數(shù)據(jù)工作者誤以為發(fā)現(xiàn)了珍寶。假設(shè)我要調(diào)查民眾對(duì)做家務(wù)的態(tài)度，應(yīng)該女生做還是男生做？如果我有三億個(gè)樣本量，聽(tīng)起來(lái)很令人興奮吧，似乎我們就快發(fā)現(xiàn)真理了。但是，我告訴你，這三億的樣本量全是女性，你還會(huì)跟之前一樣興奮嗎？當(dāng)然不會(huì)，你知道這樣的數(shù)據(jù)沒(méi)有代表性。很多號(hào)稱有大數(shù)據(jù)的公司，其實(shí)他們有的是大的數(shù)據(jù)。當(dāng)我們面對(duì)大的數(shù)據(jù)的時(shí)候，冷靜的去分析它的樣本組成，清楚的說(shuō)出它的有效范圍，是我們數(shù)據(jù)工作者的專業(yè)與責(zé)任。

為什么說(shuō)它小而美呢？主要是這類的數(shù)據(jù)采集會(huì)經(jīng)過(guò)嚴(yán)謹(jǐn)?shù)某闃舆^(guò)程，針對(duì)我們研究對(duì)象的各個(gè)細(xì)分群體都有一定數(shù)量的樣本。當(dāng)然由于樣本量小，得出的結(jié)論存在一定的抽樣誤差，沒(méi)有辦法有像大數(shù)據(jù)那樣的正確性。但是，小而美數(shù)據(jù)有著時(shí)間短、成本低、彈性大的優(yōu)勢(shì)。多數(shù)時(shí)候也算是不錯(cuò)的數(shù)據(jù)來(lái)源。

數(shù)量小又沒(méi)有代表性，數(shù)據(jù)工作者處理這類數(shù)據(jù)時(shí)，必須清楚的說(shuō)明這樣的數(shù)據(jù)僅供參考，而且不要做過(guò)多的分析和解讀，要不然會(huì)很容易誤導(dǎo)讀者。

談了這四類的數(shù)據(jù)，最后回到我們的標(biāo)題：大數(shù)據(jù)，信不信我“抽”你。如果是接近完美數(shù)據(jù)的大數(shù)據(jù)，那么當(dāng)然就不“抽”（抽樣）了。小數(shù)據(jù)肯定得狠狠的“抽”，這樣才能成為小而美的數(shù)據(jù)。至于大的數(shù)據(jù)，那么就得在需要的地方“抽”一下了。數(shù)據(jù)量和代表性都是評(píng)判數(shù)據(jù)質(zhì)量的關(guān)鍵要素，數(shù)據(jù)工作者在數(shù)據(jù)分析之前不可不思考。