案例｜走出“数据欺骗”的误区

　　现在大家都讲大数据，觉得大数据神乎其神。但有时候如果你用错了数据，很有可能就被忽悠了。最近，科普作家蒋迅在科学网上写了篇文章说，我们就常被数据里的极端值给忽悠了。

　　讲个统计学的小笑话。话说有一年，美国北卡州立大学地理系做了一次统计，看看毕业生的收入情况，结果发现，地理系毕业生的平均起步薪水，不光比其它专业高，还比其它学校的地理系都高。于是得出一结论：要想起薪高，就得上北卡大学的地理系。奇怪吧，怎么学地理的能挣着那么多钱呢？说来也简单，那一年北卡州立大学地理系毕业了一个学生，叫迈克尔·乔丹，就是当年NBA那位篮球之神，因为他一个人，拉高了整个地理系的平均薪水。乔丹的工资在这儿就叫做极端数据，因为统计的时候把这个极端数据加了进去，所以造成了这种错觉。

　　这样的例子还有。很多人说：演员的收入那么高，而我们的科学家收入远不如这些演员，真是世风日下啊。但事实真的是这样吗？起码美国就不是，美国劳工部做过统计，如果排除极端情况，科学家的收入要远远高于演员，因为除了那些个别收入极端的知名演员，绝大多数演员的收入状况其实并不理想。这也就是为什么，在评选的时候要去掉最高值和最低值，就是怕极端数据影响了整体判断。

　　大数据处理信息服务商金盛网聚WJFabric认为，大数据相较于普通数据，重要的区别不仅在于数据样本的量级，同样在于其多维度与普遍性。如果只是一味地进行无序收集而缺乏条理性与层次感，不对数据进行价值判断，那么这样的数据研究实质上是脱离客观性且很难以此做出正确的判断。事实上，大数据开发是一项系统工程，前期对数据样本的选择和收录直接影响着后续开发工作的进展。选取目标领域内客观、公正、具有普适性的数据成为大数据研究的重要基石。

　　金盛网聚（北京）科技有限公司成立于2012年，是一家数据处理与信息咨询服务商，公司拥有自主核心技术与服务咨询的团队， 公司“WJFbaric-互联网大数据信息监测SaaS平台”目前注册使用客户将近上万个，为企业、政府、学术机构、成功人士等提供在线信息收集、展示、阅读、存储的免费平台，公司远景致力于通过数据+计算形成可视化的人工智能决策平台。