大数据并非越大越好

　　大数据：越发展，难题越多

　　■孟晓犁

　　哈佛大学文理研究生院院长

　　大数据这两年一直是热词。发展中的大数据确实带来了很多有用信息，但也使我们遇到越来越多的难题。其中最大的难题就是如何去伪存真，将那些带来误导的噪音去除。

　　因此，发展中的大数据需要的不仅是专业的数据信息人才，而是需要更多善于和各个领域的大数据打交道的人，这对统计学的人才培养提出了全新的要求。

　　大数据统计 事关我们生活的幸福或痛苦

　　人人都知道，我们生活中很多事情都与大数据发生着关联。以我在哈佛大学教的通识课“生活中的统计：你快乐（或痛苦）的几率”为例。罗曼史就与大数据和统计学有密切关系。现在有不少号称可以帮助大家找到心上人的网站。具体怎么找？通常，网站会做一些调查问卷获得个人信息。同时调查那些相爱的人与他们个人的兴趣爱好、教育背景、家庭情况等有多大的相关性。根据这些搜集到的数据建立一个统计公式，给出一种概率上的预测。当达到一定概率时，网站就会显示两个人匹配。这类统计公式的可靠性建立在大量的数据上，而它的形成需要用到许多统计的思想和方法，包括设计问卷、抽样调查、建立模型、分析数据等等。

　　另外，酒和巧克力的口感也与大数据处理有关。因为这两者中的变量因素特别多，比如天气、地区、葡萄品种、采集及酿造的方法等；巧克力的可可产地、天气、制作方法等。变量越多，不确定性就越多，越需要统计学家们的工作。