导语：《纽约时报》印刷版30日出版文章称，大数据将成为人类商业历史上新的篇章，有望取代想法、范例、组织以及人们思考世界的方式。但与此同时，经验和直觉同样不可或缺。
以下为文章内容摘要：
“大数据重要，直觉也不可或缺。”这是本月早些时候在麻省理工学院召开的一次业界会议的主题。
麻省理工学院数字商业中心***科学家Andrew McAfee称，大数据将成为人类商业历史上新的篇章。该中心另一名教授Erik Brynjolfsson称，大数据将取代想法、范例、组织以及人们思考世界的方式。
这些前卫的预测的前提是：Web浏览记录、传感器信号、GPS跟踪和社交网络信息等数据能够以***的程度面向衡量和监控人类及设备的行为敞开大门。通过计算机算法，可以预测出人类的许多事情，如购物、约会或投票等。
业内专家预计，最终的结果就是：世界变得越来越智能，企业的工作效率越来越高，消费者获得的服务质量越来越高，人们所做出的决定也越来越合理。
我之前写过不少关于大数据的文章，但在2012年底这个特殊的时刻，我想应该是反思、提问和质疑大数据的时刻。
从商业评估中挖掘实用启示并非新鲜事物。100多年前，Frederick Winslow Taylor的名著《科学管理原理》就是大数据的前身。Taylor的评估工具是秒表，为员工的每一个行动进行定时和监测。Taylor及其助手利用这种“时间和动作”研究模式来重新设计最有效的工作方式。
但如果这种方法被过度夸大，就成为了卓别林《摩登时代》(Modern Times)所讽刺的对象。此后，人们对于这种量化方法的热情也开始跌宕起伏。
通常，互联网被大数据倡导者作为成功的数据业务的范例，这其中以谷歌为代表。而如今，许多大数据技术，如数学模型、预测算法和人工智能软件等已被华尔街所广泛应用。
在本月的麻省理工学院大会上，当被问及大数据领域一些重大失败案例时，几乎没有人能够说出这样的失败案例。后来，麻省理工学院斯隆管理学院(Sloan School of Management)教授Roberto Rigobon称，金融危机毫无疑问影响了数据业务。他说：“对冲基金在全球都是失败的。”
问题是，数学模型是一种简化。这种模型源自自然科学，根据物理定律，流体中的粒子行为是可以预测的。
如此众多的大数据应用中，一个数学模型通常附带关于人类行为、兴趣和偏好的精确数据。这种方法在金融等领域的危险性也是有目共睹，美国哥伦亚亚大学金融工程学系主任Emanuel Derman在他的书中《Models. Behaving. Badly》中就详细阐述了其危险性。
纽约创业公司Media6Degrees***科学家Claudia Perlich称：“你可以用数据来欺骗自己，我担心大数据出现泡沫。”Perlich担心许多人将自己称为“数据科学家”，但并未做足功课，反而给该领域抹黑。
Perlich认为，大数据似乎将面临劳动力瓶颈。她说：“我们的技能提升速度还远不够。”麦肯锡全球学会(McKinsey Global Institute)去年发布的一份报告显示，美国需要14万名至19万名具有“深度分析”经验的工作者，以及150万名更加精通数据的经理人，无论是已退休人士还是已受聘人士。
哈佛商学研客座教授Thomas H. Davenport正在写一本名为《Keeping Up With the Quants》的新书，旨在帮助经理人来应对大数据挑战。达文波特认为，管理大数据项目的一个重要部分是要问正确的问题：如何定义问题?你需要哪些数据?来自哪里?等等。
Google Research高级统计师Rachel Schutt称，如果建模人员能够思考伦理维度(ethical dimensions)等问题，那就会更好地服务于社会。Schutt说：“模型不仅仅是预测，它们还可以让事情真正发生。”
模型能够创建数据科学家所谓的“行为循环”(behavioral loop)，如果一个人被提供足够的数据，都能对自己的行为进行指导。
以Facebook为例，将个人数据上传到自己的Facebook页面，Facebook的软件就会跟踪你的点击和搜索。通过算法来评估这些数据，然后再提供好友的建议。
但这种通过软件跟踪用户的行为却引发了隐私担忧，难道大数据将迎来数字监控的到来?
我个人***的担忧是，当前确定我们个人数字世界的算法过于简单，不够智能。这也是Eli Pariser所著《The Filter Bubble: What the Internet Is Hiding From You》所探讨的问题之一。
令人鼓舞的是，像Perlich和Schutt这些有思想的数据科学家意识到了大数据技术的局限和不足。他们认为，听取数据是重要的，但经验和直觉同样重要。
在麻省理工学院大会上，查特被问及如何才能成为一名优秀的数据科学家，她说，需要计算机科学和数学技能，拥有好奇心，具有创新意识，以数据和经验为行动准则。她说：“我不会把机器神化。”
