风越大,越要出门卖蛋挞

开篇：润墨网以专业的文秘视角，为您筛选了一篇风越大,越要出门卖蛋挞范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

沃尔玛的历史交易记录是个非常庞大的数据库，这个数据库不仅记录了顾客的购物清单，还包括购物篮中的物品、具体购买时间甚至购买当日的天气。2004年，沃尔玛的员工通过对这个数据库的研究，发现每当季节性飓风来临之前，手电筒的销量当然会增加，但居然蛋挞的销量也大为增加。因此，飓风来临前，沃尔玛的员工会把库存的蛋挞放在靠近飓风用品的位置，方便行色匆匆的顾客取用，从而卖出了无数蛋挞。

那么，接着你肯定要问“为什么飓风期间待在家里的人最想吃蛋挞”了。事实上，你需要改变你的想法—在大数据时代，爱问“为什么”可不是什么好表现。

因为，大数据只能告诉你谁和谁有关，却不能告诉你为什么。这种建立在相关关系分析法基础上的预测正是大数据的核心。正如亚马逊最有效的个性化推荐一样，机器在梳理了所有数据之后，会向购买了海明威作品的顾客推荐菲茨杰拉德的书，没有人知道海明威和菲茨杰拉德的受众为何相对一致，但这并不重要，重要的是销量。如今，据说亚马逊销售额的1/3都来自于它的个性化推荐系统。

当你适应了大数据式的思维方式以后，就能抛弃寻找因果关系的“假设—实验—因为先有假设，可能会有偏见—证实或者假设”这样的麻烦过程，直接寻找相关关系，而不再问“为什么”。

维克托·迈尔-舍恩伯格的《大数据时代》还讲了另一个没有“为什么”的故事。纽约每年都有很多沙井盖会因为内部失火而发生爆炸—重达300磅的沙井盖冲出几层楼高，非常危险。但纽约的地下电缆就有15万公里长，光是曼哈顿就有大约51000个沙井盖和服务设施，所以，爱迪生电力公司每年只能对沙井盖进行抽样检查和维修。但事实上，每一个沙井盖都有爆炸的可能，抽样检查并不可靠。

负责这个项目的统计学家辛西娅·鲁丁抱怨，关于沙井盖的数据库非常巨大且杂乱，你要从这海量数据中找出“为什么沙井盖会内部失火从而爆炸”，这是完全不可能的。

但相比“为什么”，鲁丁更关心“是什么”。她不再寻找原因，而是总结出了沙井盖爆炸的106种预警情况，也就是爆炸的“相关物”—在沙井盖爆炸之前，会出现什么情况，然后找到了出现这些情况的沙井盖。这种做法很有效，在统计学家列出的高危沙井盖中，有将近一半的确发生了严重的问题。