中國IDC圈3月1日報道：《飄》、《湯姆叔叔的小屋》之類的小說和故事在全社會激起的是強烈的“感情”共識，和故事對比，數據沒有情節，它僅代表客觀事實，數據引發的，更多的是理性思考。作為理性的人類，我們不會僅僅滿意于情感的宣泄，而是但愿通過數據把握更多的事實，舉辦理性思考。

在當今時代，最不缺乏的就是信息。信息消費了什么，這是很明明的：它消費的是信息接管者的留意力。信息越富厚，就會導致留意力越匱乏……當今，信息并不匱乏，匱乏的是我們處理懲罰信息的本領，我們有限的留意力是組織勾當的主要瓶頸。卡內基梅隆大學的赫伯特·西蒙指出，人類的理性是有限的，因此所有的決定都是基于有限理性的功效。他繼而提出，假如能操作存儲在計較機里的信息——即數據來幫助決定，人類理性的范疇將會擴大，決定的質量就能提高。

在大數據時代，人類社謀面對的問題之一是如何更好的操作數據來幫助決定。

對小數據而言，最根基最重要的要求就是淘汰錯誤，擔保質量。因為收集的信息量較量少，所以我們必需確保記下來的數據只管準確。無論是確定天體的位置照舊視察顯微鏡下物體的巨細，為了使功效越發精確，許多科學家都致力于優化丈量的東西。在采樣的時候，對準確度的要求就更苛刻了。因為收集信息的有限意味著細微的錯誤會被放大，甚至有大概影響整個功效的精確性。

然而，在不絕涌現的新環境里，答允不準確性的呈現已經成為一個新的亮點，而非缺點。因為放松了容錯的尺度，人們把握的數據也多了起來，還可以操作這些數據做更多新的工作。這樣就不是大量數據優于少量數據那么簡樸了，而是大量數據締造了更好的功效。谷歌的翻譯更好并不是因為它擁有一個更好的算法機制，是因為谷歌翻譯增加了各類百般的數據。2006年，谷歌宣布的上萬億的語料庫，就是來自于互聯網的一些廢棄內容。谷歌將其作為“練習集”，可以正確地推算出英語詞匯搭配在一起的大概性。谷歌的這個語料庫是一個質的打破，利用復雜的數據庫使得自然語言處理懲罰這一偏向取得了奔騰式的成長。

同時，我們需要與各類百般的雜亂做斗爭。雜亂，簡樸的說就是跟著數據量的增加，錯誤率也會相應增加。所以，假如收羅的數據量增加1000倍的話，個中收羅的部門數據就大概是錯誤的，并且跟著數據量的增加，錯誤率大概也會繼承增加。在整合來歷差異的種種信息的時候，因為他們凡是不完全一致，所以也會加大雜亂水平。固然假如我們可以或許下足夠多的工夫，這些錯誤是可以制止的，但在許多環境下，與致力于制止錯誤對比，對錯誤的海涵會帶給我們更多長處。

假如將傳統的思維模式——準確性運用于數據化、網絡化的21世紀，就會錯過重要的信息，執迷于準確性是信息缺乏時代的產品。當我們把握了大量新型數據時，準確性就不那么重要了，不因為依賴準確性，我們同樣可以把握工作的成長趨勢。大數據不只讓我們不再等候準確性，也讓我們無法實現準確性。然而，除了一開始會與我們的直覺相抵牾之外，接管數據的不準確和不完美，我們反而能更好地舉辦預測，也能更好的領略這個世界。

對比依賴于小數據和準確性的時代，大數據因為更強調數據的完整性和稠濁性，輔佐我們進一步靠近事實的真相。“部門”和“確切”的吸引力是可以領略的。可是，當我們的視野范圍在我們可以闡明和可以或許確定的數據上時，我們對世界的整體領略就大概發生錯誤和毛病。不只失去了去極力收集一切數據的動力，，也失去了從各個差異角度來調查事物的權利。所以，范圍于狹隘的小數據中，我們可以孤高于對準確性的追求，可是，就算我們可以闡明的到細節中的細節，也依然會錯過事物的全貌。就像印象派的畫風一樣，近看畫中的每一筆都感受是雜亂的，可是退后一步你就會發明這是一副偉大的作品，因為你退后一步的時候就能看出畫作的整體思路了。

這是大數據時代，思維方法的一個改變，不執著于對準確性的追求，擁抱雜亂。別的一個思維方法的轉變則是，越發重視相關干系，而不偏執于基于假設基本上對因果干系的追尋。

在小數據的世界中，相關干系也是有用的，但在大數據的配景下，相關干系大放異彩。通過應用相關干系，我們可以比以前更容易、更便捷、更清楚地闡明事物。