大数据时代与采样分析的区别

　　大数据时代我们要的是全体数据，不再是样本数据。样本分析发展至今不足100年，在数据和 技术受限的时期，解决了当时存在一些特定问题。如人口普查，一般统计需要8-10年时间， 而此时数据已经完全不准确，失效。所以在当时条件下，有人提出采样的统计学方法。

　　采样分析有其固有的特性：绝对随机性和忽视细节观察。采样的目的是用最少的数据获取更多的信息。绝对随机性：要求我们在采样时，要绝对的随机，然而要做到此，是有难度 的，因为人总是会对同一样事物有不同的看法。偏离了随机性，那么采样结果的错误率会大大的增加。忽视细节观察：采样在宏观领域的作用，在微观领域失去了作用。就像经济学上的边缘理论一样，当样本达到一定值之后，个体身上的信息就会越来越少。

　　统计学上采样分析有个非常重要的观点：采样分析的准确性随着随着采样随机性的增加而大幅提高，但与样本数量的增加关系不大。

　　当我们现在能够采集">海量数据的时候，采样对我们来说就没有什么意义了。在大数据时候采集数据不在是只有大公司才能做的事情，很多公司都可以做得到。

　　大数据是指不用随机分析法这样的方法，而采用所有数据的方法。云计算的出现，让我们采集到海量数据提供的基础设施，通过云计算对大数据进行分析，预测，会使决策更准确，释放更多数据隐藏的价值，发挥更大的作用。

　　本文是由分享互联网(http://www.hed236.com)所撰写，转载请务必留下链接，谢谢!