大資料分析中，分析的不是因果關係，而是相關關係。也就是說，我們在大資料時代，不必非得知道現象背後的原因，而是要讓資料自己體現出價值，我們分析資料的時候只要知道分析的資料是什麼結果就夠了，不需要知道為什麼有這種結果。這些裡，需要我們給大家講一下相關關係，簡單來說相關關係強是指當乙個資料值增加時，另乙個資料值很有可能也會隨之增加。通過給我們找到乙個現象的良好的關聯物， 相關關係可以幫助我們捕捉現在和**未來。我們不再需要建立在假設的基礎上， 這個假設是指針對現象建立的有關其產生機制和內在機理的假設。
在大資料分析中，建立在相關關係分析法基礎上的**是大資料的核心。比如說，我們家裡的某乙個家具要出故障，這不會是瞬間的，而是慢慢地出問題的。 通過收集所有的資料，我們可以預先捕捉到事物要出故障的訊號，比方說發動機的嗡嗡聲、引擎過熱都說明它們可能要出故障了。而**性分析並不能解釋故障可能會發生的原因，只會告訴你存在什麼問題，也就是說**性分析沒有答案。
所以說，當我們分析資料的時候，在收集、儲存和分析資料的成本比較高的時候，我們就需要適當地丟棄一些資料。這是因為在小資料時代，相關關係分析和因果分析都不容易，都耗費巨大，都要從建立假設開始。當我們會進行實驗，那麼實驗結果就是這個假設要麼被證實要麼被推翻。由於兩者都始於假設，這些分析就都有受偏見影響的可能，而且極易導致錯誤。 所以大資料分析就能夠解決這些問題。
以上的內容就是我們為大家解釋的大資料對人們思維的改變的第三個原因，也就是大資料分析中，分析的不是因果關係，而是相關關係。這個跟以往的小資料分析是不一樣的，希望這篇文章能夠幫助大家更好地理解大資料，最後感謝大家的閱讀。
大資料時代的思維變化（四）
首先就是大資料分析中，大部分相關關係分析僅限於尋求線性關係。如果說我們做的每乙個決定或者每乙個想法都是自己想做的事情的結果，而這個結果又是由其他原因導致的，如果一直這樣迴圈下去的話，那麼就說明所有的生命軌跡都只是受因果關係的控制了。所以我們不能夠使用因果聯絡看待問題，人們習慣使用快速思維模式，快速思...
大資料時代的思維變革
拜讀了 大資料時代 的第一部分，作者維克托 邁爾 捨恩伯格揭示了大資料所需的 三大思維變革 1 分析事物相關資料，而不是取樣。也可以這麼認為，取樣 總體。大資料是指 不用隨機化分析法這樣的捷徑，而採用所有資料的方法。這裡所指的大資料是相對意義而不是絕對意義，不是指該資料量達到了多少多少 數量級，而是...
大資料時代，你是否擁有 文科思維 ？
最近，我所在的團隊為一家車貸公司搭建了一套信審資料模型，該模型可以根據貸款申請者的資料自動 其在未來能否按時還款，決定是否通過使用者的貸款申請。相比人工信審，模型 是全自動的機器過程，在保證判斷準確率的前提下，它能為公司節省大量的人力成本。信審員 你有幾個兒子?貸款申請者 三個。信審員 剛剛打 給你...