Ⅰ 數據抽樣的終結者—大數據分析
數據抽樣的終結者—大數據分析
「如果你真的想要了解發生在您企業業務中的真相，你需要大量的非常詳細的數據資料。」數據倉庫研究院（TDWI）研究主任菲利普？盧瑟姆在其最新的一份TDWI大數據分析報告中寫道。「如果你真的想看一些你從未見過的東西，這有助於您挖掘從未被商業智能分析過的數據。」
這便是大數據分析存在的理由，其是前所未有的。不僅僅是大數據概念的本身提醒著我們，至少我們還可以追溯到21世紀初，「彼時，存儲和CPU技術正被百萬兆位元組的數據所淹沒，IT面臨著數據的可擴展性危機。」針對大規模和不同的數據集的應用程序中先進的分析技術是前所未有的（如數據挖掘）。這便是大數據分析的出現所帶來的劃時代的意義了。盧瑟姆說，這是數據可擴展性危機結束的信號。
這給企業帶來了前所未有的意義。針對企業所收集的數據進行數據挖掘、數據分析，並在某些情況下作出相關的報告。這就是為什麼諸如數據抽樣這樣的實踐方案被視為企業相當務實的必需品。
「你不能把整個數據集都放入到數據挖掘計劃中。你必須選擇你所需要的數據，必須確保數據的正確性，因為如果你沒有投入正確的數據，你的技術可能不奏效。」數據倉庫研究院研究員馬克？馬德森在預測分析研討會上告訴與會者。
「你可以將您所收集到的數據中的一個很小的比例投入挖掘…概率事件的采樣。」他繼續說，「但分解會非常罕見，成為非常罕見的事件，使其很難變成樣本。」
理想情況下，你要找出所有這些「罕見」事件，他們屬於異常現象，如欺詐行為、客戶流失和潛在的供應鏈中斷。他們是隱藏在你未分化的數據中的高價值的東西，很難找到。
IBM,微軟，甲骨文和Teradata,以及與其他大多數著名的BI和數據倉庫（DW）供應商，紛紛開始銷售整合了Hadoop的產品。有些甚至大肆宣揚自己實現了無處不在的MapRece演算法。
這些供應商不只是談論大數據，他們正在談論大數據結合先進的分析技術，如數據挖掘，統計分析和預測分析。換句話說，他們正在談論的是大數據分析。
根據數據倉庫研究院的研究顯示，大數據分析還沒有到來；尚未被主流所接受。在數據倉庫研究院最近的調查中，超過三分之一（34%）的受訪者表示，他們所在的企業結合大數據，實行了某種形式的先進的分析。在大多數情況下，他們僅僅採用非常簡便的方法。例如，數據抽樣。
數據集成專家PervasiveSoftware公司的大數據產品的高級主管DaveInbar說，事實上，如果企業沒有考慮逐步淘汰抽樣調查和其他過去的所謂最佳實踐的「神器」,他們真的是後知後覺了。
「如果你繼續採用數據抽樣的方法，你可以實際處理所有數據，但數據的科學性本質上是削弱的。」他說。「在Hadoop的世界，沒有任何理由不採用商品硬體、真正的智能軟體。在過去，我們採用抽樣數據，可能還有經濟成本方面的考量原因，或者技術達不到的原因。但在今天，這些原因都不復存在。數據采樣在過去是最好的實踐方案，但我認為它的時代已經過去了。」
「大海撈針的問題不適合採用樣本，所以你這樣過分強調訓練集，可能會導致問題。」負責信息管理咨詢的馬德森指出，「最終，運行整個數據集要比緊緊按照統計演算法和擔心樣本更容易。技術可以在出現分配挑戰時處理數據的問題，並可以訪問統計方法。」
Ⅱ 大數據總體思維指的是使用全量數據抽樣數據就不再重要了對嗎
大數據總體思維指的是使用全量數據抽樣數據就不再重要了對。全局大局思，大數據研究的對象是所有樣本，而非抽樣數據，關注樣本中的主流，而非個別，這要求應用人員必須有全局和大局思維。
Ⅲ 抽樣調查會被大數據的全樣本分析所取代嗎
抽樣調查是否會被大數據的全樣本分析取代?兩者的比較應該從哪些維度去看?結果如回何?哪些行業大數據應用成本答比抽樣調查成本更低?
答案是：不會。
第一，抽樣調查的隨機性，使得樣本可以反映總體的情況。大數據樣本沒有這樣的隨機性，不能很好的代表總體。
第二，能否把大數據樣本當作「總體」來使用? 答案依舊是不行。大數據技術本身遠遠沒有達到「普查」的水平，存在統計偏差。
總結：大數據的確很牛逼!大數據不能代替抽樣調查!錯誤的使用，得到的結果只能自欺欺人。
從統計分析，到數據挖掘，再到大數據，扎實的統計知識都是必不可少的。統計知識的意義在於，告訴我們，什麼樣的結果是錯誤的!如何不被結果所欺騙!
『全樣本分析取代抽樣』，如果是在說『在一些過去依靠抽樣的研究領域，普查正在替代抽樣』，是對的;如果是在說『在數據分析的整個世界裡，一種方法正在取代另一種方法』，是不對的。