编者按：舍恩伯格的《大数据时代：生活、工作、思维的大变革》被称为“迄今为止最好的一本大数据专著”，笔者相信大多数从事大数据工作，或者对大数据感兴趣的人都看过这本书，当然对于这本书的书评也很多，下文就是其中一篇，该文是从知乎上看到的，笔者认为写得比较客观，转来以飨读者。

花了三天的零碎时间大致看完了舍恩伯格的《大数据时代：生活、工作、思维的大变革》。我看推荐说这是“迄今为止最好的一本大数据专著”。目前公司在搞Hadoop、大数据应用，外面各类零碎的资料也非常多，那么想我应该去看一下这“最好”的专著吧。

买回来看完的感觉是平平而已。个人看法，在五分制下，大概也就是最多打三分。这本书可以买来看看，写得比较完整全面，案例比较多，有一定的参考意义，写PPT吹牛用得上，但是有什么巨大的意义就谈不上了。很多观点不能同意。

一、主要观点上可以探讨的地方

作者提出了关于大数据的“掷地有声”的三个原则。这三个原则凡讲大数据必被提及，很多人奉为圭臬。但是我觉得每一点都值得探讨。这三点分别是：不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。看完之后感觉都有点不是那么回事。

1.不是随机样本，而是全体数据

这个说得好像人类从来就不知道使用全体数据可以得到更全面的结论，而非要去煞费苦心发展出一套抽样技术一样。人类早就知道处理全量数据的好处，而之所以要进行抽样分析，原因不外乎两点：一是处理能力跟不上，二是数据收集能力跟不上。作者认为人类之前主要受限于数据的处理能力而不去处理全量数据，但在目前机器处理能力有了巨大的提升的时代，限制绝大多数应用的瓶颈不是计算能力而是数据采集能力（不要去提那些极少数需要超级计算机的场合，那个和多数人无关、和本书的商业主题也无关）。但是即便如此，抽样所要针对的很多应用场景是不太可能收集全量数据的情况。比如人口普查，无论计算机力量如何强大，当前很多数据还是要人工去收集，所以这个普查还是要用抽样的方式。有意思的是，作者用人口普查是抽样分析来说明非“全量”时代我们被迫采用了抽样，而最终也没法说我们是否已经可以用全量数据来做人口普查了。实际上至少在目前，对于人口普查，抽样还是必然的选择（嗯，你可以设想，以后人人都装一块芯片，你可以在你的PPT里讲给你的客户和老板听）。再比如我们统计里的经典问题：怎么估算一批零件的使用寿命？怎么去分析一批奶品里的三聚氰胺？以前我们不可能去做全量测试，因为这意味着这批零件就废了，这批奶也全部用于测试了，这样测出结果也没啥意义了（嗯，你也可以说：我们去收集历史上所有此类零件的使用情况来进行分析吧……嗯，加油吧，雄心勃勃的骚年）。现在 ？我们还是必须依赖抽样，是必须。

即便不提这些例子，仅从逻辑而言：收集、处理数据的行为本身也在不断产生着新的数据。我们又怎么证明这些数据不是你需要的“全量”的一部分呢？

作者的行文中，关于什么是“全量”，处于不断的摇摆之中。有时指“我们需要的所有数据”，有时指“我们能收集到的所有数据”。作者举了人口普查的例子，这个全量显然指前者。而在很多商业案例中，又显然指后者。我们有能力处理越来越多的、在以前不敢想象的大量数据，但是至少目前看，我们还没可能说我们处理了“全量”。我们最多可以说我们能处理我们能搜集到的“全量”，但如果据此产生了我们已经没有遗漏数据了的感觉，认为所有数据尽在掌握了，那我认为是一种很可能导致错误的错觉。

2.不是精确性，而是混杂性

这个么，说得好像以前的人类在使用“抽样”数据时竟然都认为取到的数据是“精确”的一样。在使用抽样数据的时候，我们就知道要容忍一定的误差。我们甚至知道在就算取得了“全样”数据的时候，也可能因为有各种原因而导致的不精确，统计实践中对此有相当多的案例。人类从未奢望过我们通过数据分析取得的多数结论是精确的。我们从来都要在信息混杂的情况下做出大多数的决策。