外媒稱，科學家通常對大量數(shù)據(jù)的可利用性表示歡迎。大多數(shù)科學家都在贊美規(guī)模龐大的數(shù)據(jù)庫所帶來的科研機遇，但或許這是因為大家并不真正了解大數(shù)據(jù)的情況。不時會聽到一些專家提醒說，大數(shù)據(jù)也有其不利的一面。

       據(jù)美國《科學新聞》雙周刊網(wǎng)站報道，普林斯頓大學的統(tǒng)計學家范劍青及其同事寫道：“科學進步越來越多地由數(shù)據(jù)來推動。海量數(shù)據(jù)給數(shù)據(jù)分析既帶來了機遇，也構(gòu)成了新的挑戰(zhàn)。”

       首先，大規(guī)模的數(shù)據(jù)集很有誘惑力，能促使人們展開積極的分析，而且分析者希望能夠從中獲取有獲獎可能性的科學發(fā)現(xiàn)。但有時，利用大數(shù)據(jù)意味著最終得到的是糟糕的數(shù)據(jù)。要從大數(shù)據(jù)中得出高見，給計算機科學、統(tǒng)計推斷方法甚至科學方法本身帶來了巨大的挑戰(zhàn)。

       當然，計算機領(lǐng)域的科學家通過開發(fā)出卓越的計算能力和信息存儲技術(shù)，讓大數(shù)據(jù)的積累成為可能。但是收集數(shù)據(jù)及存儲信息與理解這些內(nèi)容并不是一回事。了解大數(shù)據(jù)的真正意義并不等同于對小數(shù)據(jù)進行解讀，就像明白鳥群的行為特征并不能解釋一只孤獨的海鷗所發(fā)出的叫聲一樣。

      文章指出，標準的統(tǒng)計檢驗和計算程序原本是要分析從大的群體中提取的小樣本，從而得出科學推斷。但是大數(shù)據(jù)提供的樣本極大，有時甚至包括整個群體或者群體的大部分。任務之艱巨會給實施計算過程從而完成統(tǒng)計檢驗帶來問題。

      加利福尼亞大學伯克利分校的邁克爾·喬丹說：“許多統(tǒng)計程序要么是有未知的運行時刻，要么是運行時刻讓該程序無法用于大規(guī)模的數(shù)據(jù)。面對這種局面，大規(guī)模數(shù)據(jù)的收集者往往不得不求助于臨時的程序，而這種程序有可能具有糟糕的甚至災難性的統(tǒng)計特性。”

      聽起來很糟糕。不過還有更糟的。大數(shù)據(jù)樣本不僅需要更多的時間去分析，它們往往還包含被抽樣的所有個體的許多不同信息，從統(tǒng)計學的角度講，這意味著這些樣本是“高維的”。更多的維度增加了發(fā)現(xiàn)欺騙性關(guān)聯(lián)的風險。比如，在醫(yī)學研究中，可能會將某種藥物的療效與病人的身高聯(lián)系在一起。但是這可能僅僅是因為大數(shù)據(jù)包含方方面面的信息，從身高、體重到眼睛的顏色，再到鞋子的尺碼和最喜歡的棒球隊。需要考慮的維度如此之多，有些維度顯得重要似乎只是出于偶然。

      范劍青和合作者說：“高維度可能會導致錯誤的統(tǒng)計推斷和錯誤的科學結(jié)論。”

      除此之外，范劍青和合作者指出，大數(shù)據(jù)往往是利用眾多技術(shù)和方法，綜合源自多個渠道、不同時間的信息而獲得的。“為了應對大數(shù)據(jù)帶來的挑戰(zhàn)，我們需要新的統(tǒng)計思路和計算方法。”