沈*林：经典故事是伪造的，你知道吗？这是一个关于零售帝国沃尔玛的故事。在一次例行的数据分析之后，研究人员突然发现：跟尿布一起搭配购买最多的商品，竟是啤酒！尿布和啤酒，听起来风马牛不相及，但这是对历史数据进行挖掘的结果，反映的是数据层面的规律。这种关系令人费解，但经过跟踪调查，研究人员发现，一些年轻的爸爸常到超市去购买婴儿尿布，有30％~40％的新爸爸，会顺便买点啤酒犒劳自己。随后，沃尔玛对啤酒和尿布进行了捆绑销售，不出意料，销售量双双增加。上面这个案例，出自于涂子沛先生的所著的大数据畅销书《数据之巅》。在这个案例中，要情节有情节，要数据，有数据，誓言旦旦，不容你置疑。但是，这个故事虽经典，但是让你意想不到的是：1.案例是编造的这个经典的‘啤酒和尿布’(BeerandDiapers)的案例，不仅是《大数据》类图书的常客，事实上，它更是无数次流连于‘数据挖掘’之类的书籍中，特别是用来解释‘关联规则（AssociationRule）’的概念，更是‘居家旅行，必备之良药（周星驰语）’。当前，基本上所有讲大数据应用，都会捎带讲上这个经典案例，要求大圕人堂周讯（总第84期 20151218）- 12 -家多研究‘相关性’，少研究因果关系！但实在扫兴的是，这个案例仅是一碗数据分析的‘心灵鸡汤’——听起来很爽，但信不得！实践是检验真理的唯一标准。如果这个故事是真的，按理说，应该给超级市场以无限启发才对，可实际上，不管是中国，还是在美国，在超市里面观察一下，就会发现，根本没有类似的物品摆放，相近的都很少。故事性强，事出有因。据吴甘沙先生透露，它是Teradata公司一位经理编出来的‘故事’，目的是让数据分析看起来更有力，更有趣，而在历史上从没有发生过，感兴趣的读者可以自己参阅文献。但公平地讲，这个故事对数据挖掘的普及意义重大，仅从教育意义上看，仍不失为一个好故事。2.相关性并非什么大事即便真的有这个案例，也不说明数据分析出来的‘相关性’，有什么特别的神奇之处。舍恩伯格教授的《大数据时代》核心观点之一就是：趾高气扬的因果关系光芒不再，卑微的相关关系将被‘翻身做主人’，知道‘是什么’就够了，没必要知道‘为什么’。但需要我们更为深入了解的事实是：‘要相关，不要因果’，这个观点其实并非舍恩伯格首先提出的。最早的提出者应为《连线》（Wired）主编ChrisAnderson，2008年他在题为‘理论的终结：数据洪流让科学方法依然过时（EndofTheory:theDataDelugeMakestheScientificMethodObsolete）文章中，率先提出：在PB时代，我们可以说，有相关性足够了（Petabytesallowustosay: Correlationisenough）。大数据‘要相关，不要因果’的观点，并不受学术界待见。甚至，《大数据时代》的中文版翻译者周涛亦在序言里说，‘放弃对因果关系的追求，是人类的堕落’。对于这个观点，李国杰院士认为：在大数据中，看起来毫不相关的两件事同时或相继出现的现象比比皆是，相关性本身并没有多大价值，关键是找对了‘相关性’背后的理由，才是新知识或新发现。大数据分析的第二个功能，或者说更为的核心功能在于，预测。预测主要用于对未来进行筹划，大到产业的布局，小到流感的预警，均可用预测。但是对未来的预测，能准吗？