大数据下的思维方式
大数据将对整个社会的全面发展带来全新的动力。作为一种伟大的革命性动力，大数据的运行及其作用的发挥，需要我们做好各方面的准备，而这其中的一个关键，是与社会体制变革相适应的人们的思想变革。质而言之，就是大数据时代要求人们的思维方式进行一次深刻改造。
大数据时代对思维方式的改造
目前，在报刊文献和各种媒体中，大数据这个概念，几乎是处处可见、不绝于耳;同时，学术界的学术研究，使人们对大数据的理性认识水平不断提高。正是因为如此，从世界到中国的学术界，特别是科技界，大多数人都比较一致地认为，我们已经进入到大数据时代——一个全新的信息时代。
大数据将为整个社会的全面发展带来全新的动力。大数据的运行及其作用的发挥，一方面需要相应的社会条件，另一方面它也必然会创造出自己所需要的全新的社会条件。很显然，要迎接这样的革命性的新科技时代，需要我们做好各方面的准备，而这其中的一个关键，是与社会体制变革相适应的人们的思想变革。质而言之，就是大数据时代要求人们的思维方式进行一次深刻的改造。
大数据时代需要实证思维
这个问题的解决，首先是需要我们对大数据这个概念有一个真正的科学认识。现在的一些权威性研究性机构和文献，都在试图对大数据进行学术性的界定，其观点，大体上比较一致。什么是大数据呢?美国、英国等国家的有关专门机构和专业刊物上，对大数据概念的内涵都提出了自己的解释，我国的有关机构，特别是专业学者，也同时提出了自己的一些独立学术见解。综合起来看，基本观点主要是，所谓大数据是指一般传统工具无法处理的海量的、高增长率、多样化的信息资源;大数据反映的是网络时代的一种客观存在，即那些难以用传统工具认知的有巨大挑战性质的数据;大数据是指那种无法在一定时间内用常规软件工具处理的数据集合;如此等等。因为大数据作为一种巨量的数据集，能够从其中挖掘出各种有价值的信息，所以日益受到重视。
从这些界定中可以看出，大数据是超出了传统意义上的、极其巨大的、具有特殊价值的数据信息资源。但是，对大数据这样的界定，仍然是一种实体性质的描述，所以，还不能说是揭示了它的本质。那么，大数据的本质究竟是什么呢?在我看来，所谓“大数据”，已经不是一种具体的物理时空概念，而是一种哲学理论层次上的科学概念，也就是说，大数据本身已经具有了高度的理论抽象性质。据此，我们还可以大胆做出这样的判断：大数据已经不是一种具体的物质实体，本质上是一种抽象的哲学概念。面对着物质发展的这个崭新世界——大数据，我们那些常规的认识方式，已经不可能深刻认识它的特殊本质特征了，这就决定了在大数据时代，我们在认识领域必须来一次思维方式的根本性改造。
大数据作为人类实践和认识的一种特殊形式、特殊成果，要求我们对长期以来形成的经验主义主观演绎思维方式进行认真改造，牢固形成客观理性的实证思维方式。
作为现代科学认识形式的大数据，标志着自然科学已经走进了理性认识即理论认识的领域，这本身意味着在这个问题上，我们必须克服方法论上的经验主义，而代之以客观理性的实证思维方式。对这一点，恩格斯是有先见之明的。他说过：“经验自然科学积累了如此庞大数量的实证的知识材料，因而在每一个研究领域中系统地和依据其内在联系来整理这些材料，简直成了不可推卸的工作。于是，自然科学便走上理论的领域，而在这里经验的方法不中用了，在这里只有理论思维才管用。”
如果我们认真思考一下就可以明白，对作为现代科技发展高级阶段的大数据的研究和运用，仍然靠以经验主义为基础的那种演绎思维方式来进行，不走进理性的思辨思维即理论领域中去，显然是不行了。这就是说，在面对着大数据这个现代高科技形式，思维方式的根本改造，已经是不能回避的事情了。当然，在这里，我们所面对的大数据，毕竟是处理信息数据这样的客观问题，所以，不能搬用纯粹的理论思维，而必须运用以理性为基础的实证思维方式。这里所说的理性实证思维，是指以理论形态的信息数据这样的客观根据，来证明结论的真理性。认识论的经验教训告诉我们，这样的思维方式，能够在更高的理论层次上达到追求真理的目的，从而避免经验主义思维方式的弊端。
大数据时代塑造开放性思维
大数据这样特殊的高新科技发展形式，它的正常运行和充分作用发挥，另一个重要条件，是要求我们克服各种各样实际上的封闭性思维方式，树立起真实的开放性思维方式。
很显然，大数据时代思维方式的这种改造，是由大数据本身的本质特征决定的。我们可以看到，无论是一个地区、一个国家，还是在世界范围，大数据的形成和运行，是以一种真正的开放形态存在着的。我们甚至可以这样说，不管是在什么样的范围里，没有真正开放的社会环境，就不可能有大数据这样高科技形式的真正存在，这样的现代高科技也不可能发挥它的特殊作用。
我们这里所说的大数据的开放性，是指它本身的无限发展特点。我们可以想象，就任何一个数据集合本身而言，无论是在时间上还是在空间上，不存在一种量的框框，因为它总是处在一种不断的生生息息的发展过程中。这就决定了大数据的存在和运行是没有边界局限的，也就是说，对大数据来说，不存在地区界限、国家界限;这个事实本身也在告诉我们，任何一种大数据、每一种数据本身是开放性的存在，各种数据之间也必然是互相开放着的，否则，它们就不成其为大数据了。实践证明，大数据这种彻底的开放性本质，对思维方式的改造是具有革命意义的。
大数据的这种特殊本质，要求我们必须以完全开放的心态对待它的运行和发展，从而形成与大数据本身相一致的广阔思想视野，这样才能把大数据真正视为各个地区、各个民族、各个国家的共同财富，互通有无、共有共享。这恰恰是真正的开放性思维方式的本质要求。
大数据时代所要求的开放性思维方式改造，对于我们目前的社会科学研究，特别是马克思主义研究，是非常重要的，而且也是社会科学深入发展的一个契机。因为，我们在这方面的许多研究工作，实际上还是在封闭的状态中进行的，特别是在世界范围内，更是如此。事实证明，这样的研究方式，无异于把自己禁锢在某种理论框架中走投无路，或者是陷入某种思想深坑不能自拔。出路何在?在广阔的开放视野中，放眼世界，走人类文明发展的共同道路。
大数据时代呼唤多元性思维
大数据科技形式的正常运行、其作用的充分发挥，还有一个重要条件，这就是要求我们把一元性思维方式改造为充满活力的多元性思维方式。事实证明，由大数据催生的这种思维方式改造，其意义远远超出了大数据的运用范围，它的深刻影响将在各个方面显示出来。
大数据为什么会催生思维方式的这种根本性的改造呢?这里涉及对大数据之“大”的科学理解问题。一般来说，数据之“大”，与数据之“多”是具有相同意思的。当然，这里说的“多”，并不仅仅是个实体量的概念，而是数据——信息之质与量统一的表现形式。这就是说，大数据不仅是一种极为巨大数量的信息群，而且同时也是各种各样不同性质数据形成的信息集。这样，就必然形成各种各样不同性质数据的独立并存，这就是我们称之为大数据的多元性存在之本来意义。很显然，大数据存在和运行多元性的这个客观事实，要求我们对其所应该形成的正确思想反映，在逻辑上只能是多元性思维方式，而绝不应该是单一性思维方式。
为了适应大数据时代的要求，甚至可以说，为了迎接高新科技时代的到来，我们必须对一元性思维方式进行根本改造，代之以多元性思维方式。从本质上看，所谓“大数据”，是一个实际上的多元世界，丰富多彩的世界，异彩纷呈的世界，个性鲜明的世界，因而是一个充满了活力的世界。这个科学技术发展的事实，必然要求我们改变陈旧的思维方式，破除一元性思维方式，确立起一种能够正确反映这个新科技时代的世界本来面目的那种多元性思维方式。
改革开放以来的鲜活经验告诉我们，面对着充满活力的现代社会，特别是高新科技带来的勃勃生机，必须下决心改造各种陈旧的思维方式，更快地确立多元性思维方式。
在现代科技发展中，通过思维方式的改造，特别是确立开放性、多元性思维方式，其意义不仅有益于科技事业发展本身，而且还会推动社会的发展。因为这种开放性、多元性思维方式的形成，意味着整个社会正在朝着自由人的联合体这一历史性方向前进。虽然这只是一个起步，但是，却具有极为深远的历史意义。
大数据时代，我们应该具有怎样的思维方式?
《飘》、《汤姆叔叔的小屋》之类的小说和故事在全社会激起的是强烈的“情感”共鸣，和故事相比，数据没有情节，它仅代表客观事实，数据激发的，更多的是理性思考。作为理性的人类，我们不会仅仅满足于感情的宣泄，而是希望通过数据掌握更多的事实，进行理性思考。在当今时代，最不缺乏的就是信息。信息消费了什么，这是很明显的：它消费的是信息接受者的注意力。信息越丰富，就会导致注意力越匮乏……当今，信息并不匮乏，匮乏的是我们处理信息的能力，我们有限的注意力是组织活动的主要瓶颈。卡内基梅隆大学的赫伯特·西蒙指出，人类的理性是有限的，因此所有的决策都是基于有限理性的结果。他继而提出，如果能利用存储在计算机里的信息——即数据来辅助决策，人类理性的范围将会扩大，决策的质量就能提高。在大数据时代，人类社会面临的问题之一是如何更好的利用数据来辅助决策。
对小数据而言，最基本最重要的要求就是减少错误，保证质量。因为收集的信息量比较少，所以我们必须确保记下来的数据尽量精确。无论是确定天体的位置还是观测显微镜下物体的大小，为了使结果更加准确，很多科学家都致力于优化测量的工具。在采样的时候，对精确度的要求就更苛刻了。因为收集信息的有限意味着细微的错误会被放大，甚至有可能影响整个结果的准确性。然而，在不断涌现的新情况里，允许不精确性的出现已经成为一个新的亮点，而非缺点。因为放松了容错的标准，人们掌握的数据也多了起来，还可以利用这些数据做更多新的事情。这样就不是大量数据优于少量数据那么简单了，而是大量数据创造了更好的结果。谷歌的翻译更好并不是因为它拥有一个更好的算法机制，是因为谷歌翻译增加了各种各样的数据。2006年，谷歌发布的上万亿的语料库，就是来自于互联网的一些废弃内容。谷歌将其作为“训练集”，可以正确地推算出英语词汇搭配在一起的可能性。谷歌的这个语料库是一个质的突破，使用庞大的数据库使得自然语言处理这一方向取得了飞跃式的发展。同时，我们需要与各种各样的混乱做斗争。
在整合来源不同的各类信息的时候，因为他们通常不完全一致，所以也会加大混乱程度。虽然如果我们能够下足够多的功夫，这些错误是可以避免的，但在很多情况下，与致力于避免错误相比，对错误的包容会带给我们更多好处。如果将传统的思维模式——精确性运用于数据化、网络化的21世纪，就会错过重要的信息，执迷于精确性是信息缺乏时代的产物。当我们掌握了大量新型数据时，精确性就不那么重要了，不因为依赖精确性，我们同样可以掌握事情的发展趋势。大数据不仅让我们不再期待精确性，也让我们无法实现精确性。然而，除了一开始会与我们的直觉相矛盾之外，接受数据的不精确和不完美，我们反而能更好地进行预测，也能更好的理解这个世界。相比依赖于小数据和精确性的时代，大数据因为更强调数据的完整性和混杂性，帮助我们进一步接近事实的真相。“部分”和“确切”的吸引力是可以理解的。但是，当我们的视野局限在我们可以分析和能够确定的数据上时，我们对世界的整体理解就可能产生错误和偏差。不仅失去了去尽力收集一切数据的动力，也失去了从各个不同角度来观察事物的权利。所以，局限于狭隘的小数据中，我们可以自豪于对精确性的追求，但是，就算我们可以分析的到细节中的细节，也依然会错过事物的全貌。就像印象派的画风一样，近看画中的每一笔都感觉是混乱的，但是退后一步你就会发现这是一副伟大的作品，因为你退后一步的时候就能看出画作的整体思路了。这是大数据时代，思维方式的一个改变，不执着于对精确性的追求，拥抱混乱。另外一个思维方式的转变则是，更加重视相关关系，而不偏执于基于假设基础上对因果关系的追寻。在小数据的世界中，相关关系也是有用的，但在大数据的背景下，相关关系大放异彩。
通过应用相关关系，我们可以比以前更容易、更便捷、更清楚地分析事物。相关关系的核心是量化两个数据值之间的数理关系。相关关系强是指一个数据增加时，另一个数据值很有可能也会随之增加。比如谷歌的流感趋势：在一个特定的地理位置，越多的人通过谷歌搜索特定的词条，该地区就有更多的人患了流感。相反，相关关系弱就意味着当一个数据值增加，另一个数据值几乎不会发生变化。例如，我们可以寻找关于个人的鞋码和幸福的相关关系，但会发现它们几乎扯不上什么关系。相关关系通过识别有用的关联物来帮助我们分析一个现象，而不是通过揭示其内部的运作机制。当然，即使是很强的相关关系也不一定能解释每一种情况，比如两个事物看上去行为相似，但很有可能只是巧合。相关关系没有绝对，只有可能性。也就是说，不是亚马逊推荐的每本书都是顾客想买的书。但是，如果相关关系强，一个相关链接成功的概率是很高的。我们理解世界不再需要建立在假设的基础上，这个假设是针对现象建立的有关其生产机制和内在机理的假设。因此，我们也不需要建立这样一个假设，关于哪些词条可以表示流感在何时何地传播;我们不需要了解航空公司怎样给机票定价;我们不需要知道沃尔玛的顾客的烹饪喜好。
取而代之的是，我们可以对打数据进行相关关系分析，从而知道哪些检索词条是最能显示流感的传播的，飞机票的价格是否会飞涨，哪些食物是飓风期间待在家里的人最想吃的。我们用数据驱动的关于大数据的相关关系分析法，取代了基于假想的易出错的方法。大数据的相关关系分析法更准确、更快，而且不易受偏见的影响。建立在相关关系分析法基础上的预测是大数据的核心。这种预测发生的频率非常高，以至于我们经常忽略了它的创新性。当然，它的应用会越来越多。在社会环境下寻找关联物只是大数据分析法采取的一种方式。同样有用的一种方式是，通过找出新种类数据之间的相互联系来解决日常需要。比方说，一种称为预测分析法的方法就被广泛的应用于商业领域，它可以预测实践的发生。比如车的某个零部件出故障。因为一个东西要出故障，不会是瞬间的，而是慢慢地出问题的。通过收集所有的数据，我们可以预先捕捉到事物要出故障的信号，比方说发动机的嗡嗡声、引擎过热都说明它们可能要出故障了。系统把这些异常情况与正常情况进行对比，就会知道什么地方出了毛病。通过尽早的发现异常，系统可以提醒我们在故障之前更换零件或者修复问题。通过找出一个关联物并监控它，我们就能预测未来。在小数据时代，相关关系分析和因果分析都不容易，都耗资巨大，都要从建立假设开始。然后我们会进行实验——这个假设要么被证实要么被推翻。但由于两者都始于假设，这些分析都有受偏见影响的可能，而且极易导致错误。与此同时，用来做相关关系分析的数据很难得到，收集这些数据时也耗资巨大。现今，可用的数据如此之多，也就不存在这些难题了。通过找出可能相关的事物，我们可以在此基础上进行进一步的因果关系分析，如果存在因果关系的话，我们再进一步找出原因。这种便捷的机制通过严格的实验降低了因果分析的成本。我们也可以从相互联系中找到一些重要的变量，这些变量可以用到验证因果关系的实验中去。相关关系很有用，不仅仅是因为它能为我们提供新的视角，而且提供的视角都很清晰。在小数据时代，我们会假想世界是怎么运作的，然后通过收集和分析数据来验证这种假想。在不久的将来，我们会在大数据的指导下探索世界，不再受限于各种假想。我们的研究始于数据，也因为数据我们发现了以前不曾发现的联系。总之，除了纠结于数据的准确性、正确性和严格度之外，我们也应该容许一些不精确的存在。数据不可能是完全正确或完全错误的，当数据的规模以数量级增加时，这些混乱也就算不上问题了。事实上，它可能是有好处的，因为它可能提供一些我们无法想到的细节。又因为我们用更快更便宜的方式找到数据的相关性，并且效果往往更好，而不必努力去寻找因果关系。当然，在某些情况下，我们依然要静心做因果关系研究和试验。但是，在日常很多情况下，我们知道“是什么”就够了，而不必非要弄清楚“为什么”。
