1.4.1　關聯物，預測的關鍵

雖然在小數據世界中相關關系也是有用的，但如今在大數據的背景下，通過應用相關關系，人們可以比以前更容易、更快捷、更清楚地分析事物。

所謂相關關系，其核心是指量化兩個數據值之間的數理關系。相關關系強是指當一個數據值增加時，另一個數據值很有可能也會隨之增加。我們已經看到過這種很強的相關關系，如谷歌流感趨勢：在一個特定的地理位置，越多的人通過谷歌搜索特定的詞條，該地區就有更多的人患了流感。相反，相關關系弱就意味著當一個數據值增加時，另一個數據值幾乎不會發生變化。例如，我們可以尋找關于個人的鞋碼和幸福的相關關系，但會發現它們幾乎扯不上什么關系。

相關關系通過識別有用的關聯物來幫助人們分析一個現象，而不是通過揭示其內部的運作機制。當然，即使是很強的相關關系也不一定能解釋每一種情況，比如兩個事物看上去行為相似，但很有可能只是巧合。相關關系沒有絕對，只有可能性。也就是說，不是亞馬遜推薦的每本書都是顧客想買的書。但是，如果相關關系強，一個相關鏈接成功的概率還是很高的。這一點很多人可以證明，他們的書架上有很多書都是因為亞馬遜推薦而購買的。

通過找到一個現象的良好的關聯物，相關關系可以幫助人們捕捉現在和預測未來。如果A和B經常一起發生，那我們只需要注意到B發生了，就可以預測A也發生了。這有助于我們捕捉可能和A一起發生的事情，即使不能直接測量或觀察到A。更重要的是，它還可以幫助我們預測未來可能發生什么。當然，相關關系是無法預知未來的，它們只能預測可能發生的事情，但是，這已極其珍貴。

在大數據時代，建立在相關關系分析法基礎上的預測是大數據的核心。這種預測發生的頻率非常高，以至于人們經常忽略了它的創新性。當然，它的應用會越來越多。

在社會環境下尋找關聯物只是大數據分析法采取的一種方式。同樣有用的一種方法是，通過找出新種類數據之間的相互聯系來解決日常需要。比如說，一種稱為預測分析法的方法就被廣泛地應用于商業領域，它可以預測事件的發生。這可以指一個能發現可能的流行歌曲的算法系統——音樂界廣泛采用這種方法來確保它們看好的歌曲真的會流行；也可以指那些用來防止機器失效和建筑倒塌的方法。現在，在機器、發動機和橋梁等基礎設施上放置傳感器變得越來越平常，這些傳感器被用來記錄散發的熱量、振幅、承壓和發出的聲音等。

一個東西要出故障，不會是瞬間的，而是慢慢地出問題。通過搜集所有的數據，人們可以預先捕捉到事物要出故障的信號，比如發動機的嗡嗡聲、引擎過熱都說明它們可能要出故障了。系統把這些異常情況與正常情況進行對比，就會知道什么地方出了毛病。通過盡早發現異常，系統可以提醒人們在故障之前更換零件或者修復問題。通過找出一個關聯物并監控它，人們就能預測未來。