先举个例子吧，假设我们拿到一组数据，冰淇淋的销量和啤酒的销量正相关，这就是相关性。但是很快发现二者都是随气温变化的，二者没有因果关系。过了几天，世界杯开幕了，导致啤酒销量上升，这个时候如果把相关性当成因果性，判断冰淇淋销量也会上升，那就可能会造成损失了。
因果 是相关的一种，但其要求更为 严格 ，它比相关要携带多一个属性——必然性，也就是说，有因必有果，有A必有B。如果A事件与B事件之间是因果关系，那么两者必然是相关的；但如果A事件与B事件之间只是相关，则两者之间未必就会存在因果。举个例子，对水加热到100摄氏度，水就会沸腾。
因果关系是A可能导致B，相关性关系是，A与B在某些方面或者某种程度上有关联。在逻辑上，这是有区别的。举例，好比你考上了清华大学，是否注定以后就必然是科学家？这只能说，可能你会成为科学家，但并不是因果必然，而只能说相关。
1、啤酒与尿布的故事揭示了大数据中的关联思维方式。 在这个故事中，啤酒+尿布是两个看似不相关的商品的组合。 关联规则挖掘，如购物篮分析，是发现商品之间关系的一种方法。 该分析能帮助了解顾客的购买习惯和行为模式。 例如，在沃尔玛，通过分析发现购买啤酒和尿布的顾客通常是父亲。
2、啤酒与尿布的故事体现了关联的大数据思维方式。“啤酒+尿布”就是非常典型的两个关联商品。关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。
3、啤酒与尿布的故事体现了哪种大数据思维方式是：相关而非因果。啤酒与尿布虽然是杜撰的，但是作者也是为了很好的说明大数据相关性的重要性。在大数据时代，人们不应该一味追求原因，知道结果就好。
4、在整理订单过程中发现出货量最大的商品是啤酒和尿布。步骤三，“建模（选择变量）”：简化影响问题的因素，去掉无关紧要的信息保留最重要的、最有效的、最关键的且会造成影响的因素。但是由于种种原因保留的信息不一定完全精准，分析性的思维是由假设驱动的，后期再通过数据不断的完善修正。
5、啤酒尿布是大数据分析的关联规则挖掘。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘中是一个重要课题，最近几年已被业界所广泛研究。关联规则挖掘的一个典型例子是购物篮分析。
1、首先，作者站在理论的制高点上，条理清楚地阐述了大数据对人类的工作、生活、思维带来的革新，大数据时代的三种典型的商业模式，以及大数据时代对于个人隐私保护、公共安全提出的挑战。其次，文中的事例贴近现实生活，贴近时代，令读者既印象深刻，又感同身受。
2、读《大数据时代》心得体会（一） 读了《大数据时代》后，感觉到一个大变革的时代将要来临。虽然还不怎么明了到底要彻底改变哪些思维和操作方式，但显然作者想要“终结”或颠覆一些传统上作为我们思维和生存基本理论、方法和方式。在这样的想法面前，我的思想被强烈震撼，不禁战栗起来。
3、在小数据时代人们只关心因果关系，对相关关系认识不足，大数据时代相关关系举足轻重，如何强调都不为过，但不应该完全排斥它。大数据从何而来？为何而用？如果我们完全忽略因果关系，不知道大数据产生的前因后果，也就消解了大数据的人文价值。如今不少学者为了阐述和传播其观点往往语出惊人，对旧有观念进行彻底的否定。
4、按捺不住内心的好奇，网购《大数据时代》，手不释卷，三天读完，颇有收获。此书有如下特点。 首先，作者站在理论的制高点上，条理清楚地阐述了大数据对人类的工作、生活、思维带来的革新，大数据时代的三种典型的商业模式，以及大数据时代对于个人隐私保护、公共安全提出的挑战。
1、无处不在的大数据：各种云计算，谷歌的神通，亚马逊的推送，天涯人肉，微博万能等等等等，我们掌握了新的工具，也获取了以前从未有过的各种信息。大数据拉近了我们与现实的距离，“地球村”变成了“地球屋”，仿佛所有人所有事物都触手可及，而这些牛逼哄哄的互联网巨头就在客厅展示着世界的每一寸光景。
2、她的文章大都比较轻松、欢乐，她的文字也都透着幽默，但是她又经常会在文章的最后几节来个大逆转，开始思考人生，变得十分严肃，不过她连接的非常好，不会让人觉得这几节是作者生搬硬套，强行升华主旨。
3、新疆是个好地方，很多人对这里总是有无尽的遐想。新疆有宽阔的草原，有干旱的沙漠，有孤僻的戈壁，有皑皑的雪山，也有湍湍的河 流，有村庄的寂静庄严，也有城市的喧嚣繁华。走进新疆，呼吸一口 新疆的空气，走进新疆，拥抱一下它的自然。火车行千里，思绪有万千。
在事实上，就是因为不受限于传统的思维模式和特定领域里隐含的固有偏见，大数据才能为我们提供如此多新的深刻洞见。所以这就是大数据舍弃因果关系的原因。但是需要给大家说明白的是，大数据时代绝对不是一个理论消亡的时代， 相反地，理论贯穿于大数据分析的方方面面。
看过大数据时代吧，里边说的还比较清楚了，大数据的一个优势就是从数据之间的相关关系直接得到我们想要的结论，而不必去追求原因和结果间的复杂因果关系。
大数据思维方式强调全数据模式、接受数据的混杂性，并关注数据之间的相关关系而非因果关系。这与传统思维方式有着显著的区别。在传统思维中，人们往往受限于样本数据，即通过抽样调查等方式获取部分数据来推测整体情况。
它们之间，区别有个本质的地方，因果必然是相关，但相关未必是因果。例如：光照时间和水果含糖量之间，是因果关系，光照时间越长，光合作用产生的糖越多，水果就越甜。所以数据上看，光照时间和水果含糖量之间的数据，相关系数比较高。光照时间和太阳能发电量之间，也是因果关系。
在使用智能手机进行导航来避开城市拥堵路段时，我们体现了一种大数据思维方式，即“相关而非因果”。这种思维方式是基于大数据分析的特点，其中数据之间的关系比因果关系更加重要。在导航应用中，我们通常不会关心某个路段拥堵的具体原因，而是关注路段是否拥堵以及如何绕行。
—比如产品的失效分析的时候，大量因子都有或强或弱的相关性，在满眼错综复杂的数据中，判断因果关系就是一个相当高科技的问题了 《大数据时代》这本书里也介绍了这个。另外，百度上有很多关于这个的讨论，也可以学习借鉴。统计的知识，具体的操作还是要看使用环境的，不能盲目套用。
1、交通领域大数据分析和应用的场景会相当多，这里面要注意两点，一个是大数据本身的技术处理平台，一个是数据分析和挖掘算法。具体场景当时写过点内容，如下：对于公交线路规划和设计是一个大数据潜在的应用场景，传统的公交线路规划往往需要在前期投入大量的人力进行OD调查和数据收集。
2、大数据在交通方面的应用有交通管理、出行服务、道路安全、车辆管理。交通管理 通过数据挖掘和数据分析，可以对交通流量、拥堵情况、道路状况等进行监测和分析，从而发现问题、优化路线，提高交通效率和管理水平。
3、可以利用大数据实现智能交通、环保监测、城市规划和智能安防。车辆监控，车辆调度，通过流量分析，进行公交线路调整，通过大数据分析预测路段车辆拥堵时间，制定缓解交通拥堵方案，通过一卡通全国联网，实施一卡走天下，记录用户所有行为轨迹。
4、相数科技表示，交通出行大数据信息包含如：结合城市地理信息数据、车辆信息、停放监测、地理围栏等各类与交通相关的数据信息，经数据挖掘和深度分析，可以为城市规划及管理提供科学、有价值的数据参考。
5、数据挖掘技术应用广泛，如： 在交通领域，帮助铁路票价制定、交通流量预测等。 在生物学当中，挖掘基因与疾病之间的关系、蛋白质结构预测、代谢途径预测等。 在金融行业当中，股票指数追踪、税务稽查等方面有重要运用。
评论