第一部分大數(shù)據(jù)時代的思維變革01更多：不是隨機樣本，而是全體數(shù)據(jù)

讓數(shù)據(jù)“發(fā)聲”

“大數(shù)據(jù)”全在于發(fā)現(xiàn)和理解信息內(nèi)容及信息與信息之間的關系，然而直到最近，我們對此似乎還是難以把握。ibm的資深“大數(shù)據(jù)”專家杰夫·喬納斯（jeffjonas）提出要讓數(shù)據(jù)“說話”。從某種層面上來說，這聽起來很平常。人們使用數(shù)據(jù)已經(jīng)有相當長一段時間了，無論是日常進行的大量非正式觀察，還是過去幾個世紀里在專業(yè)層面上用高級算法進行的量化研究，都與數(shù)據(jù)有關。

在數(shù)字化時代，數(shù)據(jù)處理變得更加容易、更加快速，人們能夠在瞬間處理成千上萬的數(shù)據(jù)。但當我們談論能“說話”的數(shù)據(jù)時，我們指的遠遠不止這些。

實際上，大數(shù)據(jù)與三個重大的思維轉(zhuǎn)變有關，這三個轉(zhuǎn)變是相互聯(lián)系和相互作用的。

首先，要分析與某事物相關的所有數(shù)據(jù)，而不是依靠分析少量的數(shù)據(jù)樣本。

其次，我們樂于接受數(shù)據(jù)的紛繁復雜，而不再追求精確『性』。

最后，我們的思想發(fā)生了轉(zhuǎn)變，不再探求難以捉『摸』的因果關系，轉(zhuǎn)而關注事物的相關關系。

本章就將介紹第一個轉(zhuǎn)變：利用所有的數(shù)據(jù)，而不再僅僅依靠一小部分數(shù)據(jù)。

很長一段時間以來，準確分析大量數(shù)據(jù)對我們而言都是一種挑戰(zhàn)。過去，因為記錄、儲存和分析數(shù)據(jù)的工具不夠好，我們只能收集少量數(shù)據(jù)進行分析，這讓我們一度很苦惱。為了讓分析變得簡單，我們會把數(shù)據(jù)量縮減到最少。這是一種無意識的自省：我們把與數(shù)據(jù)交 流的困難看成是自然的，而沒有意識到這只是當時技術條件下的一種人為的限制。如今，技術條件已經(jīng)有了非常大的提高，雖然人類可以處理的數(shù)據(jù)依然是有限的，也永遠是有限的，但是我們可以處理的數(shù)據(jù)量已經(jīng)大大地增加，而且未來會越來越多。

在某些方面，我們依然沒有完全意識到自己擁有了能夠收集和處理更大規(guī)模數(shù)據(jù)的能力。我們還是在信息匱乏的假設下做很多事情，建立很多機構(gòu)組織。我們假定自己只能收集到少量信息，結(jié)果就真的如此了。這是一個自我實現(xiàn)的過程。我們甚至發(fā)展了一些使用盡可能少的信息的技術。別忘了，統(tǒng)計學的一個目的就是用盡可能少的數(shù)據(jù)來證實盡可能重大的發(fā)現(xiàn)。事實上，我們形成了一種習慣，那就是在我們的制度、處理過程和激勵機制中盡可能地減少數(shù)據(jù)的使用。為了理解大數(shù)據(jù)時代的轉(zhuǎn)變意味著什么，我們需要首先回顧一下過去。

小數(shù)據(jù)時代的隨機采樣，最少的數(shù)據(jù)獲得最多的信息

直到最近，私人企業(yè)和個人才擁有了大規(guī)模收集和分類數(shù)據(jù)的能力。在過去，這是只有教會或者『政府』才能做到的。當然，在很多國家，教會和『政府』是等同的。有記載的、最早的計數(shù)發(fā)生在公元前8000年，當時蘇美爾的商人用黏土珠來記錄出售的商品。大規(guī)模的計數(shù)則是『政府』的事情。數(shù)千年來，『政府』都試圖通過收集信息來管理國民。

以人口普查為例。據(jù)說古代埃及曾進行過人口普查，《舊約》和《新約》中對此都有所提及。那次由奧古斯都凱撒主導實施的人口普查，提出了“每個人都必須納稅”，這使得約瑟夫和瑪麗搬到了耶穌的出生地伯利恒。1086年的《末日審判書》（thedoomsdaybook）對當時英國的人口、土地和財產(chǎn)做了一個前所未有的全面記載。皇家委員穿越整個國家對每個人、每件事都做了記載，后來這本書用《圣經(jīng)》中的《末日審判書》命名，因為每個人的生活都被赤『裸』『裸』地記載下來的過程就像接受“最后的審判”一樣。

然而，人口普查是一項耗資且費時的事情。國王威廉一世（kingwilliami）在他發(fā)起的《末日審判書》完成之前就去世了。但是，除非放棄收集信息，否則在當時沒有其他辦法。盡管如此，當時收集的信息也只是一個大概情況，實施人口普查的人也知道他們不可能準確記錄下每個人的信息。實際上，“人口普查”這個詞來源于拉丁語的“censere”，意思就是推測、估算。

三百多年前，一個名叫約翰·格朗特（johngraunt）的英國縫紉用品商提出了一個很有新意的方法。他采用了一個新方法推算出鼠疫時期倫敦的人口數(shù)，這種方法就是后來的統(tǒng)計學。這個方法不需要一個人一個人地計算。雖然這個方法比較粗糙，但采用這個方法，人們可以利用少量有用的樣本信息來獲取人口的整體情況。

雖然后來證實他能夠得出正確的數(shù)據(jù)僅僅是因為運氣好，但在當時他的方法大受歡迎。樣本分析法一直都有較大的漏洞，因此無論是進行人口普查還是其他大數(shù)據(jù)類的任務，人們還是一直使用具體計數(shù)這種“野蠻”的方法。

考慮到人口普查的復雜『性』以及耗時耗費的特點，『政府』極少進行普查。古羅馬人在人口以萬計數(shù)的時候每5年普查一次。美國憲法規(guī)定每10年進行一次人口普查，因為隨著國家人口越來越多，只能以百萬計數(shù)了。但是到19世紀為止，即使這樣不頻繁的人口普查依然很困難，因為數(shù)據(jù)變化的速度超過了人口普查局統(tǒng)計分析的能力。

穿孔卡片的美國人口普查

美國在1880年進行的人口普查，耗時8年才完成數(shù)據(jù)匯總。因此，他們獲得的很多數(shù)據(jù)都是過時的。1890年進行的人口普查，預計要花費13年的時間來匯總數(shù)據(jù)。即使不考慮這種情況違反了憲法規(guī)定，它也是很荒謬的。然而，因為稅收分攤和國會代表人數(shù)確定都是建立在人口的基礎上的，所以必須要得到正確的數(shù)據(jù)，而且必須是及時的數(shù)據(jù)。

美國人口普查局面臨的問題與當代商人和科學家遇到的問題很相似。很明顯，當他們被數(shù)據(jù)淹沒的時候，已有的數(shù)據(jù)處理工具已經(jīng)難以應付了，所以就需要有更多的新技術。

后來，美國人口普查局就和當時的美國發(fā)明家赫爾曼·霍爾瑞斯（hermanhollerith)簽訂了一個協(xié)議，用他的穿孔卡片制表機來完成1890年的人口普查。

經(jīng)過大量的努力，霍爾瑞斯成功地在1年時間內(nèi)完成了人口普查的數(shù)據(jù)匯總工作。這簡直就是一個奇跡，它標志著自動處理數(shù)據(jù)的開端，也為后來ibm公司的成立奠定了基礎。但是，將其作為收集處理大數(shù)據(jù)的方法依然過于昂貴。畢竟，每個美國人都必須填一張可制成穿孔卡片的表格，然后再進行統(tǒng)計。這么麻煩的情況下，很難想象如果不足十年就要進行一次人口普查應該怎么辦。但是，對于一個跨越式發(fā)展的國家而言，十年一次的人口普查的滯后『性』已經(jīng)讓普查失去了大部分意義。

這就是問題所在，是利用所有的數(shù)據(jù)還是僅僅采用一部分呢？最明智的自然是得到有關被分析事物的所有數(shù)據(jù)，但是當數(shù)量無比龐大時，這又不太現(xiàn)實。那如何選擇樣本呢？有人提出有目的地選擇最具代表『性』的樣本是最恰當?shù)姆椒ā?934年，波蘭統(tǒng)計學家耶日·奈曼（jerzyneyman）指出，這只會導致更多更大的漏洞。事實證明，問題的關鍵是選擇樣本時的隨機『性』。

統(tǒng)計學家們證明：采樣分析的精確『性』隨著采樣隨機『性』的增加而大幅提高，但與樣本數(shù)量的增加關系不大。雖然聽起來很不可思議，但事實上，一個對1100人進行的關于“是否”問題的抽樣調(diào)查有著很高的精確『性』，精確度甚至超過了對所有人進行調(diào)查時的97%。這是真的，不管是調(diào)查10萬人還是1億人，20次調(diào)查里有19都是這樣。為什么會這樣？原因很復雜，但是有一個比較簡單的解釋就是，當樣本數(shù)量達到了某個值之后，我們從新個體身上得到的信息會越來越少，就如同經(jīng)濟學中的邊際效應遞減一樣。

認為樣本選擇的隨機『性』比樣本數(shù)量更重要，這種觀點是非常有見地的。這種觀點為我們開辟了一條收集信息的新道路。通過收集隨機樣本，我們可以用較少的花費做出高精準度的推斷。因此，『政府』每年都可以用隨機采樣的方法進行小規(guī)模的人口普查，而不是只能每十年進行一次。事實上，『政府』也這樣做了。例如，除了十年一次的人口大普查，美國人口普查局每年都會用隨機采樣的方法對經(jīng)濟和人口進行200多次小規(guī)模的調(diào)查。當收集和分析數(shù)據(jù)都不容易時，隨機采樣就成為應對信息過量的辦法。

很快，隨機采樣就不僅應用于公共部門和人口普查了。在商業(yè)領域，隨機采樣被用來監(jiān)管商品質(zhì)量。這使得監(jiān)管商品質(zhì)量和提升商品品質(zhì)變得更容易，花費也更少。以前，全面的質(zhì)量監(jiān)管要求對生產(chǎn)出來的每個產(chǎn)品進行檢查，而現(xiàn)在只需從一批商品中隨機抽取部分樣品進行檢查就可以了。本質(zhì)上來說，隨機采樣讓大數(shù)據(jù)問題變得更加切實可行。同理，它將客戶調(diào)查引進了零售行業(yè)，將焦點討論引進了政治界，也將許多人文問題變成了社會科學問題。

隨機采樣取得了巨大的成功，成為現(xiàn)代社會、現(xiàn)代測量領域的主心骨。但這只是一條捷徑，是在不可收集和分析全部數(shù)據(jù)的情況下的選擇，它本身存在許多固有的缺陷。它的成功依賴于采樣的絕對隨機『性』，但是實現(xiàn)采樣的隨機『性』非常困難。一旦采樣過程中存在任何偏見，分析結(jié)果就會相去甚遠。

最近，以固定電話用戶為基礎進行投票民調(diào)就面臨了這樣的問題，采樣缺乏隨機『性』，因為沒有考慮到只使用移動電話的用戶——這些用戶一般更年輕和更熱愛自由 。沒有考慮到這些用戶，自然就得不到正確的預測。2008年在奧巴馬與麥凱恩之間進行的美國總統(tǒng)大選中，蓋洛普咨詢公司、皮尤研究中心（pew）、美國廣播公司和《華盛頓郵報》這些主要的民調(diào)組織都發(fā)現(xiàn)，如果他們不把移動用戶考慮進來，民意測試結(jié)果就會出現(xiàn)三個點的偏差，而一旦考慮進來，偏差就只有一個點。鑒于這次大選的票數(shù)差距極其微弱，這已經(jīng)是非常大的偏差了。

更糟糕的是，隨機采樣不適合考察子類別的情況。因為一旦繼續(xù)細分，隨機采樣結(jié)果的錯誤率會大大增加。這很容易理解。倘若你有一份隨機采樣的調(diào)查結(jié)果，是關于1000個人在下一次競選中的投票意向。如果采樣時足夠隨機，這份調(diào)查的結(jié)果就有可能在3%的誤差范圍內(nèi)顯示全民的意向。但是如果這個3%左右的誤差本來就是不確定的，卻又把這個調(diào)查結(jié)果根據(jù)『性』別、地域和收入進行細分，結(jié)果是不是越來越不準確呢？用這些細分過后的結(jié)果來表現(xiàn)全民的意愿，是否合適呢？

你設想一下，一個對1000個人進行的調(diào)查，如果要細分到“東北部的富裕女『性』”，調(diào)查的人數(shù)就遠遠少于1000人了。即使是完全隨機的調(diào)查，倘若只用了幾十個人來預測整個東北部富裕女『性』選民的意愿，還是不可能得到精確結(jié)果??！而且，一旦采樣過程中存在任何偏見，在細分領域所做的預測就會大錯特錯。

因此，當人們想了解更深層次的細分領域的情況時，隨機采樣的方法就不可取了。在宏觀領域起作用的方法在微觀領域失去了作用。隨機采樣就像是模擬照片打印，遠看很不錯，但是一旦聚焦某個點，就會變得模糊不清。

隨機采樣也需要嚴密的安排和執(zhí)行。人們只能從采樣數(shù)據(jù)中得出事先設計好的問題的結(jié)果——千萬不要奢求采樣的數(shù)據(jù)還能回答你突然意識到的問題。所以雖說隨機采樣是一條捷徑，但它也只是一條捷徑。隨機采樣方法并不適用于一切情況，因為這種調(diào)查結(jié)果缺乏延展『性』，即調(diào)查得出的數(shù)據(jù)不可以重新分析以實現(xiàn)計劃之外的目的。

我們來看一下dna分析。由于技術成本大幅下跌以及在醫(yī)學方面的廣闊前景，個人基因排序成為了一門新興產(chǎn)業(yè)。2012年，基因組解碼的價格跌破1000美元，這也是非正式的行業(yè)平均水平。從2007年起，硅谷的新興科技公司23andme就開始分析人類基因，價格僅為幾百美元。這可以揭示出人類遺傳密碼中一些會導致其對某些疾病抵抗力差的特征，如『乳』腺癌和心臟病。23andme希望能通過整合顧客的dna和健康信息，了解到用其他方式不能獲取的新信息。

公司對某人的一小部分dna進行排序，標注出幾十個特定的基因缺陷。這只是此人整個基因密碼的樣本，還有幾十億個基因堿基對未排序。最后，23andme只能回答它們標注過的基因組表現(xiàn)出來的問題。發(fā)現(xiàn)新標注時，此人的dna必須重新排序，更準確地說，是相關的部分必須重新排列。只研究樣本而不是整體，有利有弊：能更快更容易地發(fā)現(xiàn)問題，但不能回答事先未考慮到的問題。

大數(shù)據(jù)與喬布斯的癌癥治療

蘋果公司的傳奇總裁史蒂夫·喬布斯在與癌癥斗爭的過程中采用了不同的方式，成為世界上第一個對自身所有dna和腫瘤dna進行排序的人。為此，他支付了高達幾十萬美元的費用，這是23andme報價的幾百倍之多。所以，他得到的不是一個只有一系列標記的樣本，他得到了包括整個基因密碼的數(shù)據(jù)文檔。

對于一個普通的癌癥患者，醫(yī)生只能期望她的dna排列同試驗中使用的樣本足夠相似。但是，史蒂夫·喬布斯的醫(yī)生們能夠基于喬布斯的特定基因組成，按所需效果用『藥』。如果癌癥病變導致『藥』物失效，醫(yī)生可以及時更換另一種『藥』，也就是喬布斯所說的，“從一片睡蓮葉跳到另一片上?！眴滩妓归_玩笑說：“我要么是第一個通過這種方式戰(zhàn)勝癌癥的人，要么就是最后一個因為這種方式死于癌癥的人?！彪m然他的愿望都沒有實現(xiàn)，但是這種獲得所有數(shù)據(jù)而不僅是樣本的方法還是將他的生命延長了好幾年。

全數(shù)據(jù)模式，樣本=總體

在信息處理能力受限的時代，世界需要數(shù)據(jù)分析，卻缺少用來分析所收集數(shù)據(jù)的工具，因此隨機采樣應運而生，它也可以被視為那個時代的產(chǎn)物。如今，計算和制表不再像過去一樣困難。感應器、手機導航、網(wǎng)站點擊和twitter被動地收集了大量數(shù)據(jù)，而計算機可以輕易地對這些數(shù)據(jù)進行處理。

采樣的目的就是用最少的數(shù)據(jù)得到最多的信息。當我們可以獲得海量數(shù)據(jù)的時候，它就沒有什么意義了。數(shù)據(jù)處理技術已經(jīng)發(fā)生了翻天覆地的改變，但我們的方法和思維卻沒有跟上這種改變。

然而，采樣一直有一個被我們廣泛承認卻又總有意避開的缺陷，現(xiàn)在這個缺陷越來越難以忽視了。采樣忽視了細節(jié)考察。雖然我們別無選擇，只能利用采樣分析法來進行考察，但是在很多領域，從收集部分數(shù)據(jù)到收集盡可能多的數(shù)據(jù)的轉(zhuǎn)變已經(jīng)發(fā)生了。如果可能的話，我們會收集所有的數(shù)據(jù)，即“樣本=總體”。

正如我們所看到的，“樣本=總體”是指我們能對數(shù)據(jù)進行深度探討，而采樣幾乎無法達到這樣的效果。上面提到的有關采樣的例子證明，用采樣的方法分析整個人口的情況，正確率可達97%。對于某些事物來說，3%的錯誤率是可以接受的。但是你無法得到一些微觀細節(jié)的信息，甚至還會失去對某些特定子類別進行進一步研究的能力。正態(tài)分布是標準的。生活中真正有趣的事情經(jīng)常藏匿在細節(jié)之中，而采樣分析法卻無法捕捉到這些細節(jié)。

谷歌流感趨勢預測并不是依賴于對隨機樣本的分析，而是分析了整個美國幾十億條互聯(lián)網(wǎng)檢索記錄。分析整個數(shù)據(jù)庫，而不是對一個樣本進行分析，能夠提高微觀層面分析的準確『性』，甚至能夠推測出某個特定城市的流感狀況，而不只是一個州或是整個國家的情況。farecast的初始系統(tǒng)使用的樣本包含12000個數(shù)據(jù)，所以取得了不錯的預測結(jié)果。但是隨著奧倫·埃齊奧尼不斷添加更多的數(shù)據(jù)，預測的結(jié)果越來越準確。最終，farecast使用了每一條航線整整一年的價格數(shù)據(jù)來進行預測。埃齊奧尼說：“這只是一個暫時『性』的數(shù)據(jù)，隨著你收集的數(shù)據(jù)越來越多，你的預測結(jié)果會越來越準確?！?/p>

所以，我們現(xiàn)在經(jīng)常會放棄樣本分析這條捷徑，選擇收集全面而完整的數(shù)據(jù)。我們需要足夠的數(shù)據(jù)處理和存儲能力，也需要最先進的分析技術。同時，簡單廉價的數(shù)據(jù)收集方法也很重要。過去，這些問題中的任何一個都很棘手。在一個資源有限的時代，要解決這些問題需要付出很高的代價。但是現(xiàn)在，解決這些難題已經(jīng)變得簡單容易得多。曾經(jīng)只有大公司才能做到的事情，現(xiàn)在絕大部分的公司都可以做到了。

通過使用所有的數(shù)據(jù)，我們可以發(fā)現(xiàn)如若不然則將會在大量數(shù)據(jù)中淹沒掉的情況。例如，信用卡詐騙是通過觀察異常情況來識別的，只有掌握了所有的數(shù)據(jù)才能做到這一點。在這種情況下，異常值是最有用的信息，你可以把它與正常交 易情況進行對比。這是一個大數(shù)據(jù)問題。而且，因為交 易是即時的，所以你的數(shù)據(jù)分析也應該是即時的。

然而，使用所有的數(shù)據(jù)并不代表這是一項艱巨的任務。大數(shù)據(jù)中的“大”不是絕對意義上的大，雖然在大多數(shù)情況下是這個意思。谷歌流感趨勢預測建立在數(shù)億的數(shù)學模型上，而它們又建立在數(shù)十億數(shù)據(jù)節(jié)點的基礎之上。完整的人體 基因組有約30億個堿基對。但這只是單純的數(shù)據(jù)節(jié)點的絕對數(shù)量，并不代表它們就是大數(shù)據(jù)。大數(shù)據(jù)是指不用隨機分析法這樣的捷徑，而采用所有數(shù)據(jù)的方法。谷歌流感趨勢和喬布斯的醫(yī)生們采取的就是大數(shù)據(jù)的方法。

日本國民體育運動“相撲”中非法『操』縱比賽結(jié)果的發(fā)現(xiàn)，就恰到好處地說明了使用“樣本=總體”這種全數(shù)據(jù)模式的重要『性』。消極比賽一直被極力禁止，備受譴責，很多運動員深受困擾。芝加哥大學的一位很有前途的經(jīng)濟學家斯蒂夫·列維特（stevenlevitt），在《美國經(jīng)濟評論》上發(fā)表了一篇研究論文，其中提到了一種發(fā)現(xiàn)這個情況的方法：查看運動員過去所有的比賽資料。他的暢銷書《魔鬼經(jīng)濟學》（freakonomics）中也提到了這個觀點，他認為檢查所有的數(shù)據(jù)是非常有價值的。

列維特和他的同事馬克·達根（markduggan）使用了11年中超過64000場摔跤比賽的記錄，來尋找異?！盒浴?。他們獲得了重大的發(fā)現(xiàn)。非法『操』縱比賽結(jié)果的情況確實時有發(fā)生，但是不會出現(xiàn)在大家很關注的比賽上。冠軍賽也有可能被『操』縱，但是數(shù)據(jù)顯示消極比賽主要還是出現(xiàn)在不太被關注的聯(lián)賽的后幾場中。這時基本上沒有什么風險，因為選手根本就沒有獲獎的希望。

但是相撲比賽的一個比較特殊的地方是，選手需要在15場聯(lián)賽中的大部分場次取得勝利才能保持排名和收入。這樣一來就會出現(xiàn)利益不對稱的問題。當一個7勝7負的摔跤手碰到一個8勝6負的對手時，比賽結(jié)果對第一個選手來說極其重要，對他的對手則沒有那么重要。列維特和達根發(fā)現(xiàn)，在這樣的情況下，需要贏的那個選手很可能會贏。這看起來像是對手送的“禮物”，因為在聯(lián)系緊密的相撲界，幫別人一把就是給自己留了一條后路。

有沒有可能是要贏的決心幫助這個選手獲勝呢？答案是，有可能。但是數(shù)據(jù)顯示的情況是，需要贏的選手的求勝心也只是比平常高了25%。所以，把勝利完全歸功于求勝心是不妥當?shù)?。對?shù)據(jù)進行進一步分析可能會發(fā)現(xiàn)，與他們在前三四次比賽中的表現(xiàn)相比，當他們再相遇時，上次失利的一方要擁有比對方多3~4倍的勝率。

這個情況是顯而易見的。但是如果采用隨機采樣分析法，就無法發(fā)現(xiàn)這個情況。而大數(shù)據(jù)分析通過使用所有比賽的極大數(shù)據(jù)捕捉到了這個情況。這就像捕魚一樣，開始時你不知道是否能捕到魚，也不知道會捕到什么魚。

一個數(shù)據(jù)庫并不需要有以太字節(jié)（一般記做tb，等于2的40次方字節(jié)）計的數(shù)據(jù)。在這個相撲案例中，整個數(shù)據(jù)庫包含的字節(jié)量還不如一張普通的數(shù)碼照片包含得多。但是大數(shù)據(jù)分析法不只關注一個隨機的樣本。這里的“大”取的是相對意義而不是絕對意義，也就是說這是相對所有數(shù)據(jù)來說的。

很長一段時間內(nèi)，隨機采樣都是一條好的捷徑，它使得數(shù)字時代之前的大量數(shù)據(jù)分析變得可能。但就像把一張數(shù)碼照片或者一首數(shù)碼歌曲截取成多個小文件似的，在采樣分析的時候，很多信息都無法得到。擁有全部或幾乎全部的數(shù)據(jù)，我們就能夠從不同的角度，更細致地觀察研究數(shù)據(jù)的方方面面。

我們可以用lytro相機來打一個恰當?shù)谋确?。lytro相機具有革新『性』的，因為它把大數(shù)據(jù)運用到了基本的攝影中。與傳統(tǒng)相機只可以記錄一束光不同，lytro相機可以記錄整個光場里所有的光，達到1100萬之多。具體生成什么樣的照片則可以在拍攝之后再根據(jù)需要決定。用戶沒必要在一開始就聚焦，因為該相機可以捕捉到所有的數(shù)據(jù)，所以之后可以選擇聚焦圖像中的任一點。整個光場的光束都被記錄了，也就是收集了所有的數(shù)據(jù)，“樣本=總體”。因此，與普通照片相比，這些照片就更具“循環(huán)『性』”。如果使用普通相機，攝影師就必須在拍照之前決定好聚焦點。

同理，因為大數(shù)據(jù)是建立在掌握所有數(shù)據(jù)，至少是盡可能多的數(shù)據(jù)的基礎上的，所以我們就可以正確地考察細節(jié)并進行新的分析。在任何細微的層面，我們都可以用大數(shù)據(jù)去論證新的假設。是大數(shù)據(jù)讓我們發(fā)現(xiàn)了相撲中的非法『操』縱比賽結(jié)果、流感的傳播區(qū)域和對抗癌癥需要針對的那部分dna。它讓我們能清楚分析微觀層面的情況。

當然，有些時候，我們還是可以使用樣本分析法，畢竟我們?nèi)匀换钤谝粋€資源有限的時代。但是更多時候，利用手中掌握的所有數(shù)據(jù)成為了最好也是可行的選擇。

社會科學是被“樣本=總體”撼動得最厲害的學科。隨著大數(shù)據(jù)分析取代了樣本分析，社會科學不再單純依賴于分析經(jīng)驗數(shù)據(jù)。這門學科過去曾非常依賴樣本分析、研究和調(diào)查問卷。當記錄下來的是人們的平常狀態(tài)，也就不用擔心在做研究和調(diào)查問卷時存在的偏見了?，F(xiàn)在，我們可以收集過去無法收集到的信息，不管是通過移動電話表現(xiàn)出的關系，還是通過twitter信息表現(xiàn)出的感情。更重要的是，我們現(xiàn)在也不再依賴抽樣調(diào)查了。

艾伯特·拉斯洛·巴拉巴西（albertlászlobarabási），和他的同事想研究人與人之間的互動。于是他們調(diào)查了四個月內(nèi)所有的移動通信記錄——當然是匿名的，這些記錄是一個為全美五分之一人口提供服務的無線運營商提供的。這是第一次在全社會層面用接近于“樣本=總體”的數(shù)據(jù)資料進行網(wǎng)絡分析。通過觀察數(shù)百萬人的所有通信記錄，我們可以產(chǎn)生也許通過任何其他方式都無法產(chǎn)生的新觀點。

有趣的是，與小規(guī)模的研究相比，這個團 隊發(fā)現(xiàn)，如果把一個在社區(qū)內(nèi)有很多連接關系的人從社區(qū)關系網(wǎng)中剔除開來，這個關系網(wǎng)會變得沒那么高效但卻不會解體；但如果把一個與所在社區(qū)之外的很多人有著連接關系的人從這個關系網(wǎng)中剔除，整個關系網(wǎng)很快就會破碎成很多小塊。這個研究結(jié)果非常重要也非常的出人意料。誰能想象一個在關系網(wǎng)內(nèi)有著眾多好友的人的重要『性』還不如一個只是與很多關系網(wǎng)外的人聯(lián)系的人呢？這說明一般來說無論是一個集體還是一個社會，多樣『性』是有額外價值的。這個結(jié)果促使我們重新審視一個人在社會關系網(wǎng)中的存在價值。