大数据与研究设计

过节了，简单哥送礼来了。纯正的国产货，无任何关税，亲请放心。

忽悠节，哥不忽悠，我们谢绝一切忽悠，还要讲讲忽悠人的那些事。提到忽悠，哥想到了大数据。提到大数据忽悠，各位肯定会想到最近流行的一句话，大数据杀熟。大数据杀熟，可不就是忽悠嘛。那么，大数据是如何做到杀熟的呢？如此精准，还如此有效。不知不觉之中，我们的钱包就被掏空。关于大数据的原理，您肯定是明白的。既然您明白，哥就讲讲，浪费一下您的时间和期待，也杀一次熟，嘿嘿。亲要小心了，据不准确统计，哥已经掌握了您的大数据。

大数据最基本的思路就是，尽可能多地收集数据，从中发现规律。收集的数据越大，得出的规律越准确，说服力也就越大。这就是大数据的最简单原理了。说到这里，这个近年来看似神秘而高达上的术语一下子就变得接地气了哈。实际上，我们研究中的很多方法和思路也是基于大数据原理的，最典型的就是语料库研究了。从早期的几十万、百万型符到现在的以亿为单位的型符，数据不断增大，我们离真理的距离也越来越近。不得不说，大数据确实是个好东西，它能够在最大程度上降低误差的影响，尤其是个体差异的影响，帮助我们更好地发现自变量的作用。

既然这样，我们是不是可以不用在实验设计和实验过程的控制上斤斤计较了呢。话说实验设计和过程的控制可是研究的关键，当然也是最虐心的环节。我们要绞尽脑汁的设计出最合理的实验方案，小心翼翼的选择实验材料，还要战战兢兢的监控实验的过程。现有有了大数据了，我们还有必要这么费尽心机吗？这个问题太简单了，可能您都没想过这个问题。说实话，哥也没想过。只是遇到一个朋友提到了这个问题，哥却一时想不起如何解释，从而就有了下面的一番思考和感想。

我们刚才谈了大数据能干什么，现在再想想大数据不能干什么？不，准确的说，应该是如何合理正确的应用大数据。上面提到大数据杀熟的问题，那么大数据为什么没用于杀生呢。毕竟熟肉已经到碗里了，然后再把生肉炖了岂不是更好吗？一切都是我的了，哪个不想这样的好事啊。我们利用大量的熟肉数据发现大规律，再利用大规律分析生肉，然后一网打尽，想想就很美，睡觉都会流口水。那么，我们为什么就没有看到大数据杀生的说法呢，难道商家不想多吃吗？或者是他们还不如我们这些头脑简单的书呆子聪明？这个说法恐怕就是在愚人节也会被人嫌弃的。那究竟是为什么呢？

这就涉及到一个容易被人忽视的问题，就是大数据的应用和推广也是有条件的，这些条件会限制大数据的应用范围，只能用于杀熟，生的不好使。商家说，生肉和熟肉我都想要，为啥生的我就得不到呢。肉店老板说，生肉和熟肉都是肉，只是有没有炖的差别。简单哥说，肉是我们考察的对象，炖了吗是考察的变量，生和熟就是这个变量的两个水平，两者可能有质的差别，要分别讨论。如果我们忽落生和熟的差别会怎么样呢？减轻负担了，不用想那么多了，因为这个变量没有了，生的和熟的一样了。这么做会有什么结果呢？

咱可以对比一下。现在的情况是这样的，哥网购瓶洗发水，然后上网的时候打开任何网页都会看到洗发水的广告，连品牌都没错。看看，大数据的威力，多精准！那么，精准的前提是什么呢？就是变量的控制。在客户对象上，是我，而不是所有人；在产品类别上，是洗发水，不是沐浴露；并且连品牌都进行了控制。那么，如果没有这些变量的控制呢，我们看到的广告应该就是商家销量最大的产品了，未必就是我们最需要的东西，杀伤力肯定就没那么大了。说到这里，杀熟不杀生的问题应该就有很明确的答案了。熟的知根知底，可以对症下药。生的摸不透脾气，不知如何下手啊。

下面我们再聊聊第二个问题，就是有了大数据，我们还需要对实验过程进行严格的控制吗？我们网购的时候大概有这样的习惯，就是搜索到需要的商品，点击按销量排序，再看评价，然后就差不多确定了。效率就是这么高，反正哥的要求不高，是东西就行。我们之所以能这么快完成购物，诚然大数据功不可没。然而，为什么不敢要求太高呢，难道大数据错了吗？哥要说，大数据没错，错的是数据的来源。销量是真的吗？评价是发自内心的吗？这两个问题解决了，我们的要求可能就容易满足了。说到这里，您肯定也明白了，大数据来源于每个小数据。如果小数据错了，大数据也靠不住啊。所以，实验过程还必须要严格的控制。我们再想一下，如果大数据中的每个小数据都不靠谱的话，那这大数据还知道要离谱到什么样子呢。所以，大数据时代，我们更需要规范的实验设计和科学的实验操作。只有获得了准确的小数据，才能构建有效的大数据。

最后，我们做个总结。任何的研究都需要变量的合理选择和控制，首先确定哪些变量是我们需要控制和考察的、哪些是个体差异和实验误差。考察的变量必须要严格控制才能获得精准的小数据，然后大量的研究积累出大数据。个体差异和实验误差也就在这庞大的数据中变得微不足道了。

区区两千字，码字一上午。如果您喜欢，请点赞、打赏或转发。简单哥更欢迎您的回复和问题。研究中的简单事，离不开您的参与！

简单哥欢迎各位前辈指点迷津！