正如舍恩伯格所说，大数据将开启一次重大的时代转型。

当前，大到国家，中到企业，小到个人，都掀起了一股认识大数据、理解大数据、利用大数据的热潮。国家，把大数据上升为国家战略，尝试用大数据来进行社会管理和经济治理；企业，也把大数据作为战略，尝试用大数据进行企业管理和商业模式的创新，甚至企业的升级和转型；大数据对于个人的生活改变，那就更不用细说了。

然而，关于大数据的价值远远还没有人能够全部认识和挖掘全面。下面我尝试从三个层次来描述大数据的价值。

第一层：大数据之工具变革。

第二层：大数据之思维变革。

第三层：大数据之文化变革。

第二层：大数据之思维变革

从宏观层面来看，大数据是一种思维和认知论的革命。

科学研究的变革（第四范式）

在2007年，图灵奖得主、关系数据库的鼻祖Jim Gray，在他的最后一次演讲中提到科学研究的第四范式：数据密集型科学发现，这成为了大数据时代来临的预言。

在科学发展史上，人类经历过几个重要的范式变革。

在18世纪，科学研究的核心特征是对有限的客观对象进行观察、总结，用归纳法找出其中的科学规律，比如伽利略的物理学定律。

归纳法，俗称“马后炮”，对发生的事件进行总结，形成科学的认识。但归纳法，只用于已有规律的认识，是不会产生新知识的。

从19世纪一直到20世纪中期，科学研究进入理论研究阶段，以演绎法为主。这一阶段，凭借科学家的智慧构建科学理论，并依据理论来解释自然世界。比如相对论、麦克斯韦方程组、量子理论、概率论等等。

与归纳法不同，演绎法除了用于解释已有事物之外，甚至是可以创造新知识的。

自20世纪中期以来，由于客观事物的发展太过于复杂，用归纳法和演绎法都难以满足科学研究的需要，我们开始借用计算机的高级运算能力来帮助进行科学计算。

这个阶段，主要使用计算机来对复杂事物建模，将大量复杂的单个条件输入计算机，以模拟在多种因素的综合影响下，事物将会发生怎样的变化，比如模拟天气、地震、核试验等等。

然而，随着IT技术的兴起，人类收集了海量的数据，传统的计算科学已经越来越难以处理海量的数据。为了适应数据量的飞速膨胀，我们需要一种新的研究工具才能更有效地进行科学计算，因此，以处理海量数据为核心的“第四范式”------数据密集型科研应运而生。

大数据技术，包括海量数据获取技术，海量数据存储技术，海量数据的计算技术，海量数据的分析技术和数据可视化，成为当前第四范式的主要工具。

管理决策的变革

传统的事物研究，主要依靠有限的调研，再加上经验，然后实现业务决策的判断。然而，随着快速的技术革新，社会也在快速发展，但是，人类对一个事物的发展经验却需要一个相对长的时间，这导致我们的经验往往跟不上事物的发展变化。

也就是说，当你形成一个有用的经验时，此时事物已经发生变化了，这些经验已经不适用了。“刻舟求剑”，剑在那，但舟已行。

所以，不管是企业决策，还是市场营销决策，都不能再依靠经验，我们需要一种新的科学工具，来帮助我们快速更新我们的经验，以便辅助我们科学决策，而这种工具就是大数据。

大数据，可以全方位地呈现事物的发展轨迹，并能实时动态的呈现事物的发展变化，甚至可以呈现事物各种因素之间的相关关系，找到影响事物的关键因素，进而控制事物的未来发展趋势，作出最正确的业务判断和业务决策。

因此，随着大数据时代的来临，人类的思维方式必然会产生革命性的变革

研究方法的变革

（从定性描述到定量描述）

有人说，世界的本质就是数据。

人类有三大方面的知识，分别是自然科学、社会科学、人文艺术。

自然科学，是研究物理世界的科学，大到星球，小到尘埃，其运动都是可以用数据表示出来的。自然科学强调的是精确，要求数据准确，所以自然科学大多数是可以定量描述的。

社会科学，研究的是人和社会的关系。由于其复杂性，以往的分析和研究都没有办法精确化，也就是我们常说的“测不准”，只能根据有限的经验和判断来对社会进行定性描述。但是，随着大数据的产生，大量的人和社会的数据得以采集和分析，相信在不久的将来，社会发展的规律和变化，人和社会之间的关系，都将可视化的呈现在我们的面前。

大数据，为社会科学的定量分析提供了依据，将成为观察人类自身社会行为的显微镜。相信在不久的未来，人文艺术也许会有不同程度的数据化，用数据来实现艺术创作、艺术鉴赏、艺术评估。

探索未知的变革

因果关系，一直是人类探索世界的一种思维方式。探究事物的根本原因，弄明白为什么会发生，这就是因果思维。

比如，医疗研究，就是典型的因果思维。医生研究病理学，临床实验，弄明白癌症发生的病理机制，才能准确寻找到治疗癌症的药物。然而，因果思维看起来可以找到解决事物的根本办法，但却是极其复杂的一种方法。也许有的事物根本就没有因果关系，或者因果关系极其复杂，穷其一生也无法找到。

但大数据，却提供了另一种思维方法。与其去寻找为什么（因果关系），还不如寻找是什么（相关关系）。

也许为什么会患癌症，我们也许永远弄不明白，但哪些因素会对治疗癌症有好处，却可以通过相关性研究得到结论。当大量的医疗数据被收集后，饮食、生活习惯、药物激素等等对于癌症的相关影响，都能够用数据来得到验证。

同时，相关关系也可以作为因果关系的基础。存在因果关系的事物，一定会存在相关关系，通过找到相关的事物，我们可以在此基础上进一步去研究因果关系，这样可以缩小因果关系研究的范围，减少因果关系研究的验证成本，从而更快速的发现因果关系。

以往，在研究的事物数量巨大的时候，由于计算量的过大，往往会采用随机抽样的方式进行研究，这在过去是切实可行的方法。

但是，随机抽样也存在着两个很难解决的问题：抽样科学性和信息丢失问题。

对于抽样小数据，由于数据量小，所以要求减少错误和保证数据质量，这样才能确保获取信息的准确性。因此，抽样的数据确实要具有代表性，也就要求抽样的科学性要保证，但现实是当前没有人能够从原理上证明各种抽样方法的科学性。另外，由于数据量少，这对数据分析算法的要求也要很高，算法的设计是关键因素，否则会影响最终分析的结果。

由于抽样，只会选择所谓的“有代表性”的数据，会丢弃大量的“多余”的数据，得到的分析结果也只是局部数据的信息，而那些“多余的”数据中蕴含的全局信息也会被丢失。

所以，抽样只适合于验证已知的结论，对于全局的未知的信息是没法获取的，特别是在社会科学研究中，各种社会模式都是未知的，数据的丢弃导致全局的信息无法获取。

而大数据时代，当把所有的数据作为分析对象时，相对来说，数据中的所有的信息都可以得到。而且，由于数据量大，算法的要求也会相应降低。

正如《大数据时代》所说，大数据的简单计算比小数据的复杂计算更有效。

所以，大数据，不仅仅是一种探索世界的工具，更是从思维上进行了变革。