本文作者劉德寰系北京大學傳播學系教授。

大數據不在乎體量有多少，而是背后用它的那個大腦。實則大眾對大數據依然存在不少誤解。劉得寰教授在微博上發表了其對大數據的五點思考（后續可能還有更新），對近期大數據被大眾捧為瑰寶的做法提出了自己不同觀點：

任何一個網站的數據都是人們互聯網行為數據的很小的一個子集，無論這個子集多么全面，分析多么深入，都是子集，不是全集。對于企業來講，競爭對手的數據價值遠遠超過自己網站數據的價值，從量級上，對于所有公司都一樣，自己擁有的數據遠遠小于全集數據。看起來的全數據恰恰是殘缺數據。

數據量的大幅增加會造成結果的不準確，來源不同的信息混雜會加大數據的混亂程度。研究發現：巨量數據集和細顆粒度的測量會導致出現“錯誤發現”的風險增加。那種認為“假設、檢驗、驗證的科學方法已經過時”的論調，正是大數據時代的混亂與迷茫，人們索性擁抱凱文凱利所稱的混亂。

互聯網用戶的基本特征、消費行為、上網行為、渠道偏好、行為喜好、生活軌跡與位置等，反映用戶的基本行為規律。體系完整是所有分析性工作的第一步，完整的框架甚至勝過高深的模型。人類的認識最大的危險是不顧后果的運用局部知識。如果只關心自己網站數據，其分析基礎必然是斷裂數據。

現在談到大數據，基本有四個混亂觀念：第一，大數據是全數據，忽視甚至蔑視抽樣；第二，連續數據就是大數據；第三，數據量級大是大數據；第四，數據量大好于量小。對應的是：抽樣數據只要抽樣合理，結論準確；連續只是一個數據結構；大量級的噪音會得出錯誤結論；大小與價值關系不大。

大數據不是新事物，天氣、地震、量子物理、基因、醫學等都是，借鑒他們的方法有益。他們用抽樣調查。互聯網數據挖掘方法論也如此，不同的是更難，因為人的復雜性。既然是關于人的研究就需應用所有研究人的方法梳理大數據。只要懂編程、懂調動數據的人就可以做大數據挖掘的說法是謬誤。