“是什么”比“為什么”更重要

一家公司正在從社會化媒體上抓取各種數據，通過尋找影響票房成績的相關因素預測票房。它針對電影選取30個參數，對演員選取50個參數，包括在哪里長大、畢業(yè)學校和畢業(yè)時間、扮演過的角色、收視率和票房如何、有過什么緋聞、跟誰關系好、網民評價等。根據這些參數，這家公司預測電影《1942》票房是3.8億元，會虧本。制片方華誼兄弟認為這家公司是在“黑”他們，但最后的票房真的只有3.6億元。

整件事情背后最有意思的是該公司選取的那些貌似古怪的參數。大家知道這些參數和預測結果相關，卻并不了解如何相關。換言之，大家只能知道“是什么”，不知道“為什么”。從對因果關系的重視轉向對相關關系的渴求，是大數據帶給我們的根本性的思維方式轉變。

尋找因果關系是人類長久以來的習慣。即使確定因果關系很困難且用途不大，人類還是習慣提出“為什么”。在日常生活中，人們總是熱衷于用因果關系看待周圍的一切?？茖W家們也都在努力探尋現象背后不變的真理與因果關系，以作為后續(xù)行為的指導。

進入大數據時代，如潮的數據涌來，信息更新和環(huán)境變遷的速度遠快于我們思考和驗證的速度，紛繁復雜的關系需要我們快速地梳理，我們無須知道現象背后的原因。

相關關系也許不能準確地告知我們某件事情為何會發(fā)生，但是它會提醒我們這件事情正在發(fā)生。在許多情況下，這種提醒的幫助已經足夠大。如果電子醫(yī)療記錄顯示橙汁和阿司匹林的特定組合可以治療癌癥，那么找出具體的致病原因就沒有這種治療方法本身重要。同樣，只要我們知道什么時候是買機票的最佳時機，就算不知道機票價格頻繁波動的原因也無所謂。

對相關關系的渴求將帶領我們走向扁平化的世界，拓展思考領域與眼界，獲得理解這個世界的更多角度。我們不再需要在還沒有搜集數據之前，就把分析建立在早已設立的少量假設的基礎之上。大數據可以讓過分沉迷于因果關系的人對世界、對人類自己有一個開放性的解釋。

預測：大數據的核心

在氣象經濟學界流行這樣一條“德爾菲氣象定律”，即氣象投入與產出比為1∶98，也就是說，在氣象信息方面每投入1元，就可以得到98元的經濟回報。一個典型的例子是，氣溫每降低1攝氏度，北京市燃氣供暖系統(tǒng)日消耗天然氣將增加約200萬立方米。如果提高氣象預報的精度，實時對供暖系統(tǒng)進行合理調控，無疑將節(jié)省一筆很大的能源消耗和經費開支。