基于理念分析和比較研究方法，對大數據的分析方法和傳統統計學分析方法的關聯性和差異進行了對比分析，從方法的基本思想、量化形式、數據來源、分析范式、分析方法、分析視角等角度揭示了兩種社會科學分析方法存在的聯系與差異。

隨著信息技術的日益發展與普及，信息以及數據在社會經濟發展過程中發揮的作用越來越重要。現如今，“大數據”時代已經來臨，于是如何更有效地利用數據快速做出科學決策也已成為眾多企業甚至是國家所共同關注的焦點問題。在數據處理和分析方法方面，《統計學》以及在其基礎上發展而來的實證統計方法是當前的主流，這些方法可以幫助數據持有者從大量的數據中挖掘有價值的信息，并為其相關決策提供理論支撐和方法支持。然而，傳統的實證統計方法在最新出現的大數據情境下，卻呈現出了諸多缺陷，例如傳統數據收集方法無法實現大規模(甚至是總體)數據的收集，傳統統計方法和分析軟件無法處理大規模數據，等等。于是，在將傳統統計學方法應用于最新的大數據情境和問題之前，需要首先明確大數據所要求的處理方法與傳統的統計學處理方法存在哪些關聯和區別，然后才能夠決定是否可以應用既有統計學理論和方法來處理某些大數據問題。

1大數據的界定

根據一位美國學者的研究，大數據可以被定義為：itmeansdatathat’stoobig，toofast，ortoohardforexistingtoolstoprocess。也就是說，該學者認為：在關于大數據的所有定義中，他傾向于將之定義為那類“太大”、“太快”，或現存工具“太難”處理的數據。一般而言，大數據的特征可以概括為四個V：一是量大(Volume);二是流動性大(Velocity)，典型的如微博;三是種類多(Variety)，多樣性，有結構化數據，也有半結構化和非結構化數據;四是價值大(Value)，這些大規模數據可以為持有企業或者組織創造出巨大的商業或社會價值。

Victor在其最新著作《大數據時代——生活、工作與思維的大變革》中指出，大數據時代，思維方式要發生3個變革：第一，要分析與事物相關的所有數據，而不是依靠分析少量數據樣本;要總體，不要樣本。第二，要樂于接受數據的紛繁復雜，而不再追求精確性。第三，不再探求難以捉摸的因果關系，應該更加注重相關關系。這些變革反映出了大數據處理方式與傳統統計學分析方法的很多關聯以及主要不同。因此，下面我們分別針對兩者的聯系和區別進行討論。

2大數據與統計學分析方法的聯系

從18世紀中葉至今，統計學已經經歷了兩百多年的發展歷程，不論是基礎理論還是社會應用都極其堅實而豐富。大數據作為一種新興的事物規律認知和挖掘思維，也將會對人類的價值體系、知識體系和生活方式產生重要影響，甚至引發重大改變。作為兩種認知世界和事物規律的基本方法，它們在以下兩個方面存在緊密關聯。

(1)挖掘事物規律的基本思想一致。統計學(statistics)探索事物規律的基本方法是：通過利用概率論建立數學模型，收集所觀察系統的數據，進行量化分析和總結，做出推斷和預測，為相關決策提供依據和參考。對于大數據，維克托指出，大數據思維的來臨使人類第一次有機會和條件，在非常多的領域和非常深入的層次獲得和使用全面數據、完整數據和系統數據，深入探索現實世界的規律，獲取過去不可能獲取的知識。通過這兩個定義可以看出，不論是傳統的統計學方法還是新興的大數據分析方法，都是以數據為基礎來揭示事物特征以及發展趨勢的。

(2)均采用量化分析方式。大數據分析的基礎是數據化，也就是一種把各種各樣現象轉變為可制表分析的量化形式的過程。不論是傳統統計學中所應用的數據(定性和定量數據)，還是大數據時代即將被轉化和采用其他形式數據(如文字、圖像等)，最終都是通過量化分析方法來揭示數據中所蘊含的事物特征與發展趨勢。

3大數據與統計學分析方法的區別

(1)基礎數據不同。在大數據時代，我們可以獲得和分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，而不再依賴于隨機抽樣。這意味著，與傳統統計學數據相比，大數據不僅規模大，變化速度快，而且數據來源、類型、收集方法都有根本性變化。

①在數據來源方面，在大數據背景下，我們需要的紛繁多樣的數據可以分布于全球多個服務器上，因此我們可以獲得體量巨大的數據，甚至是關于總體的所有數據。而統計學中的數據多是經由抽樣調查而獲得的局部數據，因此我們能夠掌握的事“小數據量”。這種情況下，因為需要分析的數據很少，所以必須盡可能精確的量化我們的數據。綜上，大數據情況下，分析人員可以擁有大量數據，因而不需要對一個現象刨根問底，只需要掌握事物大體的發展方向即可;然而傳統的小數據情況下則需要十分注意所獲得數據的精確度。

②在數據類型與收集方面，在既往模式下，數據的收集是耗時且耗力的，大數據時代所提出的“數據化”方式，將使得對所需數據的收集變得更加容易和高效。除了傳統的數字化數據，就連圖像、方位、文本的字、詞、句、段落等等，世間萬物都可以成為大數據范疇下的數據。屆時，一切自然或者社會現象的事件都可以被轉化為數據，我們會意識到本質上整個世界都是由信息構成的。

(2)分析范式不同。在小數據時代，我們往往是假想世界是如何運行的，然后通過收集和分析數據來驗證這種假想。也就是說，傳統統計實證分析的基本范式為：(基于文獻)提出理論假設-收集相關數據并進行統計分析-驗證理論假設的真偽。然而，在不久的將來，我們將會在大數據背景下探索世界，不再受限制于傳統的思維模式和特定領域里隱含的固有偏見，我們對事物的研究始于數據，并可以發現以前不曾發現的聯系。換言之，大數據背景下，探索事物規律的范式可以概括為：數據觀察與收集——數據分析——描述事物特征/關系。

(3)數據分析方法不同。傳統統計學主要是基于樣本的“推斷分析”，而大數據情境下則是基于總體數據的“實際分析”，即直接得出總體特征，并可以分析出這些特征出現的概率。

(4)分析視角不同。傳統的實證統計意在弄清事物之間的內在聯系和作用機制，但大數據思維模式認為因果關系是沒有辦法驗證的，因此需要關注的是事物之間的相關關系。大數據并沒有改變因果關系，但使因果關系變得意義不大，因而大數據的思維是告訴我們“是什么”而不是“為什么”。換言之，大數據思維認為相關關系盡管不能準確地告知我們某事件為何會發生，但是它會提醒我們這件事情正在發生，因此相關關系的發現就可以產生經濟和社會價值了。

借文予答。