——大数据应用中的“伪命题”

今天和大家谈一点儿大数据应用中“伪命题”的那些事。

最近不少的实体传统行业过来，到我们团队考察和交流，包括中国建筑西南设计研究院、中国联通总部、食品发酵设计研究院等。每次大家畅谈大数据和人工智能如何落地服务的时候，我都有一种很深切的感受，就是2013年兴起的大数据，经过一番泡沫化热炒之后，逐渐回归理性和真切。但是，凡事都是两面的，没有绝对。就像大数据的泡沫切实给社会的方方面面、各个行业带来了很多思维的冲击，掀起了全社会范围的一次思维变革，这是积极和正面的；每次泡沫，作为泡沫还是有其泡沫属性，那就是过度鼓吹、炒作和夸大了大数据的作用和价值。这一点在第一篇讲大数据的几个本质的时候，我已经稍加分析。不见得全面，可供参考。

 大数据和人工智能，给了很多非专业人士无限的想象空间，因为他们不清楚数据分析和挖掘工作的前提假设，不清楚信息、数据、知识的数学和软件定义，以一种移花接木的思维模式，创造出了很多的、完全理想的应用场景和需求。

这不禁让我想到一篇网络文章分享的，现在很多所谓的“专家”、“学者”是如何全职传播伪科学的，而我们拼尽全力，都是在兼职辟谣！

我记得2014年的时候，有个自称不差钱的社会老板，雄心勃勃想要打造一个顶级的、全新的智慧酒店。他设想的场景是：当每个入住酒店的宾客，在线上办理完入驻手续后，当他进入酒店智慧范围的时候，大堂里面就有自主服务的机器人，能实时和他打招呼。稍后，当他移步电梯的时候，电梯会自动为他打开，并且根据面部识别和云端数据计算，马上知道他的房间号，主动将其送至对应楼层。同时，会有语音指引他到对应的房间。进入房间后，窗帘自动打开，音乐播放器会根据他的网络行为轨迹以及历史消费行为，为他推荐他喜欢的音乐……其实这个场景，想想确实觉得美好！但是，问题来了，如果住店的宾客，不使用手机网上订房，怎么办？好，即便是他网上订房了，进入电梯的时候，一行多位朋友，其中一位不想马上进入自己的房间，而是随朋友去别的房间，怎么办？在进入自己房间的时候，他突然不想听音乐，怎么办？……无数的现实问题，接踵而至。其实不难想象，这个项目无意是会流产。只是在劝退这位老板的时候，还是很费了一番周折。因为，无论我们怎样解释这些场景应用，在技术上的不完善、在应用上的不实际的时候，他都觉得我们是在给他要求加价码，他不差钱，所以会很真诚的跟我们说，“钱不是问题”，我们只能苦笑个中的荒唐、可笑。更为不可思议的是，他信之弥坚“技术这么成熟了，这些肯定能解决；大数据时代来了，这些都不是问题”，我们还能说什么？！！

这几年，类似案例数不胜数！

这些案例都有一个统一的定义，那就是大数据应用“伪命题”。

首先，“伪命题”顾名思义，就是指不真实的命题。所谓不真实，有两种情况：1、不符合客观事实；2、不符合一般事理和科学道理。另一种解释是指没有意义的命题，无法断定其真假，既不是先天的分析命题，也不是可以通过经验判断的综合命题（引自：百度百科）。

有了这个基本认知，大家或许会联想那么大数据应用中的“伪命题”如何定义？为何会出现？如何避免？出现了，又该如何应对？

其实，我个人的观点，现在大数据和人工智能应用中的伪命题，根本原因是没有站在科学技术服务于社会经济生活的初心上。只是站在唯心、唯我、唯跟风的角度，盲目的将很多传统行业转型大数据驱动，认为有了大数据，原来的很多问题都迎刃而解了，大数据就是魔术师！这显然是行不通的。比如，企业转型为数据驱动，自然就想到将数据收集的越多越好，收集的越全越好。这是现在大数据落地过程中绝大部分人的认知，也是很多行业应用的大数据解决方案中体现的。这也是很多的科研团队问甲方的关键点“有没有足够的数据？”殊不知数据模型和方案都是理想化的，实操和数据治理是艰难的。整个数据科学链条每一环都是必不可少的，原始数据的采集、收集、汇总；数据的存储、管理、清洗、预处理等；数据的简单分析、挖掘；数据产品的构建、可视化等等。

 我们知道大数据强调全体样本而非抽样样本。如何才能做到全体样本？时间、空间数据如何保证数据没有遗漏、没有丢失？如何保证数据在一个广域的时间轴上，都是强关联的？数据集不会分离为一个个的子集吗？即便这些都满足理想模型，那么当数据越来越多，越来越全的时候，是否又会有维度灾难的问题，此时又该如何依托于业务逻辑，进行“抽丝剥茧”？古人云：大道至简！我想对于大数据分析，我们更加应该将其视为工具，运用工具的时候，借鉴哲学上的方法论，将复杂的问题简单化、将多维的问题降维化。所以，作为数据科研工作者，我建议应该从人才培养入手，为我们培养出的学生做更多的引领，让大家有行业业务意识。因为现在每个行业的大数据应用，都缺乏即懂行业又懂大数据的人才。但是这种跨界交叉人才又是急需的。

有了这一步，后续，我们在进行需求剖析的时候，敢于做数据维度、数据集的减法，“垃圾里面淘黄金”，前提是垃圾里面必须有黄金。如果通过业务分析，已经能够百分百断定没有黄金了，那么无论如何努力，终究找不到黄金。基于业务逻辑的“数据孤岛”，有时没有必要全部打通。

那么当伪命题已经出现，我们又该如何应对呢，很简单，你都已经意识到是伪命题了，直接叫停就是了。一切推翻，重新开始。

这也是我们做科学研究必须具备的精神——敢于质疑一切假设和前提！

希望我们都能具备鉴真去伪的能力，也希望数据科学能将生活变得更加美好！

银杏又黄了，愿你我安好~