大数据思维与传统统计思维方式的对比研究

吴瑞萍

摘要：本文从整体性与涌现性特征、多样性与非线性特征以及相关性与不确定性特征几个方面着手，对大数据思维的特征展开分析，同时通过对大数据思维与传统统计思维的对比，针对大数据思维模式下统计工作的开展策略提出具体建议。

关键词：大数据思维；传统统计思维；数据性质

网络信息技术的高速发展，使得大数据已经逐渐成为当前新的生产力之一，在推动传统行业改革创新方面发挥着重要作用。随着网络数据信息量的越来越大，传统的统计思维方式已经无法满足時代发展的需求，而大数据凭借自身的4V特性（即voulume，variety，velocity和veracity），逐渐衍生出大数据思维。虽然大数据思维是在传统统计思维的基础上发展而来，但是又存在一定的差异，在解决问题时还需要从多个角度去分析。

一、大数据思维的特征分析

大数据思维在统计工作中的巨大应用价值，主要体现在大数据思维自身所具备的特征方面，通过对相关文献资料和统计案例的分析，笔者将其总结为以下几点：

第一，整体性与涌现性特征。在信息时代，人与世界的关系、思维以及存在的内在联系均与数据紧密相连。随着数据量的不断增长，与以随机样本为核心的小数据思维相比，以全部数据为核心的大数据思维蕴含着巨大的能量，其整体性特征尤为突出。而大数据思维模式中最为常见的一类词汇就是涌现性，主要是指大数据整体有多个小数据不具有的属性、功能以及特征；

第二，多样性与非线性特征。大数据思维主要源于物理世界中业己存在的数据以及社会发展过程中所产生的后天数据。如果按照类型不同对其进行划分，可以将大数据分为结构化数据、半结构化数据以及非结构化数据几大类。而大数据自身具有的非线性特征，主要是指通过多样数据考查世界的方式来进一步昭示着非线性特征。与传统追求因果关系的思维方式相比，大数据时代的世界本质便是非线性的；

第三。相关性与不确定性特征。大数据思维方式的核心是预测，在数据总体量相同的情况下，与单独分析体量相对较小的小型数据集对比，由众多小数据集组合而成的大数据处理可以获得更为惊人的结果，这种处理结果在洞察传染疫情、促进产品销售、优化城市交通以及防止犯罪等多个方面发挥着重要作用。从大数据中寻求事务之间的关联性，并对这种关联性的分析，对可能发生的事展开科学的预测[1]。

二、大数据思维与传统统计思维方式的对比

（一）研究对象的对比

大数据思维与传统统计思维研究对象的对比中，总体性与样本性是两者最根本的区别。在传统的统一思维模式中，由于长期受到传统分析思维与方法的影响，最常见的统计方法为抽样分析，即遵循随机性原则从总体单位中抽取部分单位作为样本，对其展开系统的统计分析，并利用统计结果来合理推断总体相关数据指标。通过实践分析可以发现，传统统计思维中的抽样分析精准度会在很大程度上受到抽样随机性的影响，因此样本选择的随机性比样本数量更加关键。而大数据思维模式中，全部的数据信息均可以通过云存储的方式存储到云盘中，大数据思维也不再单单依靠传统的随机抽样方式，更多的是利用全数据处理的“样本即总体”的方式，充分发挥出云计算强大的计算分析能力，进而揭示传统统计思维中无法发现的细节信息[2]。

（二）研究方法的对比

在传统统计工作中，所用到的统计方法大多是基于事务间的相关性与先验信息，同时结合收集到的数据统计样本，借助传统统计学中相应的推断方法，对其进行因果关系的合理推断。与传统统计思维方式相比，大数据思维下的研究方式是建立在总体数据之上的，无需人为假设，利用大数据算法对数据蕴含的意义进行深入挖掘，进而发现数据之间的内在因果关系，为后期的科学预测以及判断决策提供有效的数据支撑。传统统计思维方式会受到统计样本完整性的影响，而导致整体的统计结果出现较大的偏差，并且后期还需要投入大量的人力对统计结果进行验证。与之相比，大数据思维方式不依靠事务的因果关系，通过对全部数据展开的分析，可以突破传统统计思维的限制，提高统计工作效率。

（三）获取数据方式的对比

传统统计思维方式中的数据获取主要依靠普查、抽样调查以及统计报表等形式，其中最为常用的一类数据方式为抽样调查。抽样调查主要是指工作人员通过设计调查表对数据进行收集，并在此基础上对其进行归纳、整理、分析与判断。在抽样调查过程中，调查人员需要高度重视数据收集的针对性，抽样调查的对象也大多具有特点身份。而大数据思维方式中的数据收集，主要是以实时产生的各类数据信息为主，对于数据信息的产生者及提供者没有特点的要求，也不为特定的目的而产生。大数据思维是在云计算、物联网以及人工智能高速发展的基础上提出的，事务信息可以通过物联网互联互通，数据信息可以定向汇集并实现共享。

（四）数据性质的对比

传统的数据统计大多具有样本容量小、针对性强、信息量丰富、精准度高以及格式统一等一系列数据性质，所以在传统统计思维模式下，统计人员对于数据精准度的要求也相对较高，所研究的数据也均是经过抽样调查等方式获取的局部数据信息，这一类数据的格式过于统一且数据量较小。这种情况下，由于分析对象的数据信息少，因此只有尽可能的保证数据的准确度，才能进一步提高数据统计的精确性，进而降低统计错误的发生几率[3]。而大数据思维模式，凭借自身数据量大、格式复杂、错误率高以及精准度低等数据性质，使得大数据思维模式下的数据处理往往以全数据处理的方式进行，处理的样本数据为全部数据。这些海量数据虽然不具有针对性，同时还存在大量的垃圾信息与错误信息，但是正是这种数据性质，才能更好的反映出世界的真实性，这种高度容错机制的大数据思维，有效提升了预测结果的真实性。

（五）分析思路的对比

传统统计思维方式中的分析思路，主要是通过假设世界是如何运行的方式，在此基础上借助信息收集以及样本分析来对这一假设进行验证，所以传统统计思维的分析思路也被总结为“假设——验证——决策”。而大数据思维模式下，人们不再被局限于传统的思维模式以及特定领域内所隐含的固定思维，对于事物的研究更多的是偏向于数据，并且深入挖掘以往不曾发现的内在联系。与传统统计思维相比，大数据思维主要同利用数据清洗、数据挖掘以及智能算法等多种研究方式，在开始挖掘数据之前往往不需要设定预定的目标，也没有现成理论模型的限制，通过对海量信息数据进行的清洗、分析、整理、分析以及对比，从中挖掘数据之间的关系与特征，进而总结隐藏其中的规律，因此大数据思维的分析思路为“数据收集——数据分析——判断决策”。

三、大数据思维模式下统计工作的开展策略

（一）灵活的转变传统统计思维方式

在信息时代，先进的网络信息技术逐渐被广泛的应用到各个领域的经营管理工作中，而大数据技术在统计工作中的应用也取得了非常不错的成绩。从某种程度上讲，大数据时代是社会发展到一定阶段之后必然趋势，不以人的意志为转移。为了保证统计工作质量和提升统计工作效率，需要统计工作者积极主动的去适应大数据思维，树立正确的大数据思维意识，同时具有一定的危机意识、紧迫感以及清楚的认识到当前统计工作与信息时代发展之间的差距，灵活的转变传统统计思维模式，最大程度的使统计工作满足时代发展的具体要求。

（二）加大对专业统计人员的培训力度

大数据时代对于统计工作提出的要求越来越高，统计工作想要获得长远的发展，就必须要对现有的统计模式与统计思维进行改革和创新。人才作为支撑行业发展的基础，加強对专业统计人员的培训力度，有利于促进统计行业与时代的和谐发展。在具体的统计工作中，想要进一步提升统计人员自身的专业能力与综合素养，可从强化对统计人员业务培训与交流的角度出发。比如：合理分析统计人员自身存在的问题，在此基础上培养统计人员对于大数据时代新兴科技的认识与了解，配合统计专业知识的定期强化，切实保证统计人员自身的工作能力可以完全适应大数据思维模式的统计工作发展需求，进而逐渐形成特有的大数据思维方式。与此同时，还可以通过提升统计人员招收门槛的方式，提高统计人员综合能力水准，在日常的工作中，还可以采取定期考核的形式，让统计人员可以时刻以饱满的激情投入到统计工作中。

四、总结

综上所述，在信息时代，大数据思维的出现以及在统计工作中的广泛应用，将人们从传统统计思维模式的限制中解放出来，对于提升统计工作效率发挥着重要作用。与传统的统计思维相比，大数据思维在研究对象、研究方法、获取数据方式、数据性质以及分析思路等方面均有很大的不同，为了可以进一步保证大数据思维的应用效果，可以从灵活的转变传统统计思维方式和加大对专业统计人员的培训力度方面进行综合考虑。

参考文献：

[1]万金.大数据思维与传统统计思维方式的对比分析[J].环渤海经济瞭望，2018（02）：28-29.

[2]郑磊.大数据思维与传统统计思维方式的差异分析[J].无线互联科技，2017（22）：110-111.

[3]周世佳大数据思维初探：提出、特征及意义[J].中共山西省直机关党校学报，2014（05）：10-12.