1.3.3　紛繁的數據越多越好

通常傳統的統計學家都很難容忍錯誤數據的存在，在搜集樣本時，他們會用一整套的策略來減少錯誤發生的概率。在結果公布之前，他們也會測試樣本是否存在潛在的系統性偏差。這些策略包括根據協議或通過受過專門訓練的專家來采集樣本。但是，即使只是少量的數據，這些規避錯誤的策略實施起來還是耗費巨大。尤其是當搜集所有數據時，在大規模的基礎上保持數據搜集標準的一致性不太現實。

如今，人們已經生活在信息時代，人們掌握的數據庫也越來越全面，包括了與這些現象相關的大量甚至全部數據。人們不再需要那么擔心某個數據點對整套分析的不利影響，要做的就是要接受這些紛繁的數據并從中受益，而不是以高昂的代價消除所有的不確定性。

在華盛頓州布萊恩市的英國石油公司（BP）切里波因特煉油廠（見圖1-8）中，無線感應器遍布于整個工廠，形成無形的網絡，能夠產生大量實時數據。在這里，酷熱的惡劣環境和電氣設備的存在有時會對感應器讀數有所影響，形成錯誤的數據。但是數據生成的數量之多可以彌補這些小錯誤。隨時監測管道的承壓使得BP能夠了解到有些種類的原油比其他種類更具有腐蝕性。以前，這都是無法發現也無法防止的。

圖1-8　煉油廠

有時候，當人們掌握了大量新型數據時，精確性就不那么重要了，人們同樣可以掌握事情的發展趨勢。除了一開始會與人們的直覺相矛盾之外，接受數據的不精確和不完美反而能夠更好地進行預測，也能夠更好地理解這個世界。

值得注意的是，錯誤性并不是大數據本身固有的特性，而是一個亟需人們去處理的現實問題，并且有可能長期存在，它只是人們用來測量、記錄和交流數據的工具的一個缺陷。因為擁有更大數據量所能帶來的商業利益遠遠超過增加一點精確性，所以通常人們不會再花大力氣去提升數據的精確性。這又是一個關注焦點的轉變，正如以前，統計學家們總是把他們的興趣放在提高樣本的隨機性而不是數量上。如今，大數據帶來的利益，讓人們能夠接受不精確的存在。