大数据时代下数据分析的变化
( 一) 分析思路
大数据时代的分析常常是直接计算现象之间的相依性。传统的统计分析过程是 “定性 - 定量 - 再定性”,第一个定性是为定量分析找准方向,主要靠经验判断,一般针对数据短缺的情况下比较重要。现在大数据时代,可以直接通过数据分析做出判断,所要做的是直接从 “定量的回应”中找出数量特征和数量关系,然后得出可以作为判断或决策依据的结论。因此大数据时代统计分析的过程可以简化为“定量 - 定性”。在实证分析上,传统思路通常是 “假设 - 验证”,先根据最终的研究目的提出假设性意见,然后收集分析数据,进而验证假设的成立与否。这种实证分析容易受到数据的缺失、假设的局限性以及指标选择的不当等的影响,得不到正确的结论。尤其是在假设本身的非科学性、非客观性、非合理性的情况下,得出的结论更是毫无用处,甚至歪曲事实本身。在现在的大数据时代,可以从中寻找关系、发现规律而不受任何假设的限制,然后得出结论,分析的思路可以概括为 “发现 - 总结”。
( 二) 研究对象的变化
首先,从数据来源上看,传统的统计抽样调查方法有一些不足: 抽样框不稳定,随机取样困难; 事先设定调查目的会限制调查的内容和范围; 样本量有限,抽样结果经不起细分; 纠偏成本高,可塑性弱。而在大数据时代,更多的是将总体直接作为研究对象,摒弃了抽样样本的研究,传统统计抽样调查方法的不足可以在大数据时代得到改进。其次,对于数据类型而言,传统数据通常是结构型的,即定量数据加上少量的定性数据,格式化,有标准,可通过常规的统计指标和统计图来表示。而大数据则注重非结构性数据或者半结构、异结构数据,多样化、无标准,很难通过传统的统计指标或统计图表加以表现。
( 三) 假设检验的变化
传统的统计研究,通常是根据内容提出假设意见,然后根据最初设定的理论模型来检验验证假设的真实效用性。但对于大数据时代而言,信息资源充足,可以采用人工智能对数据信息进行挖掘开发,需要验证的假设比传统经济学研究多出很多,不在一个数量级上。传统的假设验证分析是无法满足大数据时代的需求的。
( 四) 分析关系的变化
预先假设事物之间的因果联系,再设定理论模型验证预先的假设,这是传统统计分析工作的一般工作模式。在大数据时代,由于数据规模的庞大,数据结构的复杂多样等,使预设的因果关系会相对复杂很多,给分析工作带来很大的不便。预示,大数据时代的数据分析便侧重于关注事物之间的相关联性,而非因果关系。在小数据时代,计算机存储和计算能力不足,导致大部分相关分析限于线性关系。大数据时代,现象的关系相对更复杂,不仅可能是线性关系,更有可能是非线性关系。这种非线性关系除了可能是非线性的函数关系外,更一般的情况不清楚关系的具体形式,只知道现象之间的相依的程度。由于在大数据时代数据结构和数据关系错综复杂,很难在变量间确定的函数形式并在此基础上探讨因果关系,因此大数据时代一般不做原因分析。
( 五) 建模思想的变化
传统的统计往往采用模型来进行研究,但是模型不是万能的,各个模型并不是完全一样,而是各有所长,同样也有其自身的局限性。因此传统的统计研究所得出的结论只能表示所用模型的结论,却不具有普适性。此外,在研究同一问题时,即使开始设定的理论模型是一样的,但不同的研究者在研究时所选择的变量、方法等方面的不同,也会导致研究结论的不同。在借助分布式处理、人工智能和云计算等现代信息技术的大数据时代背景下,可以采用数以千计的模型来进行研究。在 2009 年美国甲型H1N1 流感爆发之际,谷歌公司对其进行了大胆的预测,将上千万条美国人的高频检索词和疾控中心在 2003 ~ 2008 年中间的 ( 季节性) 流感时期进行了大量比较,总共处理了将近 5 亿的数字模型,其结果与官方数据相关性达到了 97% ,比官方时间省事半个月左右,为相关部门积极解决问题争取了弥足珍贵的时间。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今数据驱动的时代,数据分析能力备受青睐,数据分析能力频繁出现在岗位需求的描述中,不分岗位的任职要求中,会特意标出“熟 ...
2025-04-03在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13