很難得的機會，在炎熱的午後，與昔日老師和一群學術菁英們，聆聽【學術志業】與【大數據】兩個主題。
【學術】這回事，依據我的信念：是無私奉獻與分享。人類的文明與進步，也是基於這種【利他】精神，才能不斷往前走。至於是否利用學術謀生餬口，這就涉及個人價值觀，不置可否，不便評論。
【大數據】無所不在，從Google、Yahoo、Twitter、Facebook到阿里巴巴、鴻海…
過幾天，可能你家巷口早餐店老闆，也會暢談他的【大數據】心得……
哦！不要笑，這真的已經發生過了。
我在前文【大數據(Big Data)的我見我思與反思】當中，
描述的重點，是希望強調大數據的【延續】(Continuity)特性。
君不見當下各大型企業體、學術機構，甚至電商，近來不斷地投入龐大資金，
建構所謂大數據、巨量(海量)資料研究中心，試圖擴大版圖，激化市場。
例如鴻海，耗資逾十億在中國大陸貴州設立【鴻海貴州綠色隧道數據中心】，
垂涎的利基在於：我們能不能除了把【資料】變成有價值的【資產】？還可永續掌握資料的【來源】？
這個【來源】的概念，包括【延續】(Continuity)與【活力】(Vitality)兩個意涵；
【活力】代表資料是活的，不是死的、靜止的、封閉的。
基本上，大數據的相關工作，其實也可以粗略區分三大階段：
一是【導入】(Import)，二是【分析】(Analysis)，三是【解釋】(Explanation)。
在還沒有【大數據】名詞出現以前，計量分析若無法進行普測(查)，最好的方法就是抽樣，
以適合的樣本分析結果，來推估母群體的參數、結構、分布情形。
因此，統計學及其相關應用知識與技能，便主導了計量分析成果的優劣成敗。
過去以推論統計知識領銜的計量分析方法，對於當前的大數據處理，適合嗎？
答案當然是肯定的！
處理大數據，必定要用上統計學、資料學、資訊科技等專業知識和技能；
但是，有兩個問題無法迴避：
第一、這些巨量資料的分布，是否仍如統計教科書所云：呈現【吊鐘形】的常態分配(假設)？
第二、僅一次性擷取分析【巨量】資料，結果就能斷定為真？甚至因果關係？
於此，我更想強調的是：【大數據】應該是一種【視域】。
平心而論，大數據不算甚麼新玩意兒，也不像【神奇海螺】般有問必答；
它算是人們面對又大又活，千變萬化的資料，一種在方法論層面的視域。
舉例而言：各類型的開放資料，讓有志於大數據分析的學習者，有了很好的操練對象，
可如果它僅是【一筆】資料，就算把它玩得出神入化，
把教科書所有的統計方法全部給做過一遍，拒絕了千百個虛無假設，
就像池塘釣魚，釣上來的，永遠只是【池中之物】；
若想捕獲【七海蛟龍】，那得到大海裡去找。
統計是可以解決後端分析的問題；倘若想要常保大數據來源的【延續】與【活力】，
勢必要設法【導入】源源不絕的資料；這資料也許大到可怕，大到足以排除不確定性。
在過去，可能是有甚麼資料，做甚麼分析；而現在，應該是【做甚麼分析，找甚麼資料】。
另外，也包括必須具備可在茫茫資料大海當中，慧眼識珠般的【資料洞察力】，
那麼，透過有價值的資料，找到寶藏的機率，才會大增；
否則，就只是GIGO(Garbage-In-Garbage-Out)而已了。
學習如何【導入】資料，讓資料充滿【活力】與【價值】，重要性比起【分析】資料，
毫不遜色。
#大數據 #統計分析 #搜尋引擎 #big data #data analysis #facebook #google #yahoo #search engines