原标题： 宣讲家文明饱览丨计算与大数据
大约五六年前，我听到的陈述绝大部分都是归于“大数据给咱们咱们带来的机会与应战”这一类的。但最近一些年，许多问题开端连续落地了，感觉能够听到一些比较有意思的大数据使用。
我来之前，主办方让我给咱们介绍一下计算和大数据。那么该介绍些什么呢？那就从入门的当地开端，尽量让咱们能听懂。我大学选专业的时分，不知道计算是什么，认为计算便是加加减减。现在开端对计算有从头的知道。所以我再给咱们介绍一下，怎样知道计算？怎样去知道这些数据？怎样去剖析这些数据？一些计算数据是怎样误导咱们的？这儿面有许多误区。别的，一些计算数据为何会与咱们的知识或许形象有误差？最终给咱们看看几个简略的使用。
一、怎样知道数据？有哪些数据类型？
什么是数据？在咱们看来，声响、文字、图片、视频音频、文本等，这些都能够算作咱们剖析的数据。比方之前网上有一个很有意思的游戏，你在网上拍一张图片，然后上传，由此能够判别你的年纪是多少。
数据一般长什么样？咱们假定猪八戒、唐僧、孙悟空、沙和尚师徒四人一同去考试，考试有准考证号码或身份证号码，身份证号码的前面六位一般表明你的区域信息。第二个信息是你的姓名。还有一个性别，以及你是哪个年级的。最终，现在考试成果咱们都要求有ABCD四个等级，然后这个成果要转换成基点，以及你的原始成果是多少、考试时长。这个表格（如上图）特别简略，可是却简直包括了咱们一切要触摸的数据类型。从以上表格能够精确的看出，猪八戒考试得了100分，孙悟空坐不住，12分钟就交卷了。
咱们常常会触摸的数据有哪些呢？榜首类叫名义变量。什么是名义变量？比方性别、年纪这一类的数字，它没有巨细的联系，仅仅一个代码。例如我用“1”来表明男，用“2”来表明女，用身份证号码的前面六位表明你的出生地信息。这些数字的巨细，没有凹凸，也没有先后，是没有一点意义的，仅仅一个记号。上图表格中，咱们正真看到的榜首类数据便是名义变量。
第二类是次第变量。次第变量是跟次第有关的数据，它有许多用处。每一个变量的巨细，是表明先后次第的，而不是倍数联系。比方1号店做的一个简略的大数据剖析，计算上海市高校购买零食的状况，然后看看哪一所大学买零食最多。这是很简单计算的，咱们只需看看邮递地址，就能够知道哪个当地“吃货”最多。但这个数据是按肯定数量计算的，比方上海大学，它在上海有特别多校区，自身人数上的规划就十分大。所以这并不是上海大学每个同学都好吃，而是它的校园自身的肯定量大。
再比方上面这个比方，颜值最高大学。这也是1号店做的计算，怎样计算的呢？看哪一个大学，买化妆品买得最多。化妆品买得最多的，颜值最高。
第三个，哪个高校潮人最多。怎样衡量是不是潮人？这也满是1号店的数据。看潮人就看买单反，只看这一个目标，这个目标纷歧定精确。可是许多大数据现在都停留在文娱阶段。当然，文娱之外，还有真正跟科学有关的一些问题。
他们计算了许多目标，其间一个叫暖男最多的大学。这便是计算男性给女人买用品。
这些排行榜谁排榜首，谁排第二，有一个凹凸、先后次第。但不是说排第二的便是排榜首的两倍。咱们回头看之前的成果表。成果表分了ABCD四段，A段的学生排榜首段，B段的学生就排第二段，C段的学生就排第三段。所以成果表中也有第二类数据。
第三类是定距变量，也称间隔变量。便是说2是比1更有价值百科的，它的间隔为1，比方你是2012年入学的，就会比2013年入学的早一年。它就不只仅有先后次第，并且这个间隔巨细是有意义的。2013年入学的比2012年入学的晚一年，2016年入学的就会比2013年入学的要晚三年，这个间隔自身是有意义的，它不像之前的ABCD，B减A是没有一点意义的。但现在减了今后是有意义的。第三类数据定距变量在之前那表中也是有的。
第四类是定比变量，也称“定比规范”或“比率规范”。这是咱们最常用的一类数据。数据有先后，有凹凸，加减乘除都是有意义的。2就比1要多1，3就比1要多2，2便是比1要多1倍的，这个数据是能够做加减乘除运算的，并且数据之间的间隔是有意义的，有肯定的零点。比方孙悟空做题花了12分钟（0.2个小时），唐僧做了2个小时，那么差1.8个小时。1.8个小时便是0.2个小时的9倍。这中心的间隔是有详细意义的。这是咱们最常用的一类数据，咱们所说的数据，绝大部分时分指的是这一类。以下是咱们常用的四类数据：
名义：男女、色彩
次第：名次、等级（军衔）
间隔：时刻
比率：间隔、体重
榜首类数据，名义变量，数据巨细仅仅一个符号，没有一点的巨细意义。
第二类数据，数据巨细有先后的意义，可是数据差之间是没有详细意义的。比方A段或许比B高一段，可是假如B减A不知道等于多少，那这也没什么实践意义的。
第三类数据，间隔数据，这样一个时刻段数据的间隔就有意义了，2013级的就比2012级的要晚一年入学。这个间隔是有意义的。
第四类数据是咱们最常用的，比方体重多少，间隔多少。依据不同分类办法、规范，你会分红许多纷歧样的数据。
数据还能够按来历来分，比方现有的数据、猜测的数据以及国家计算局搜集得各种历史数据等。
关于大数据，咱们还常常会在书上看到这样一种说法，说大数据便是整体，咱们曾经剖析的数据便是样本，其实这个说法不是很精确。大数据也纷歧定是全样本剖析的，要做到全样本剖析是十分十分困难的。
有一些数据便是一个常数，比方π、光速，这是一向不动的，这一类数据是常量。那么，变量是哪些呢？比方你的年纪是多少，这个数据会变，但它不会随机变，本年你是10岁，下一年就会是11岁。咱们最关怀的是最终这一类：随机变量，这一类其实是咱们常常会碰到的，所以这儿面问题会特别多。比方你猜测一下明日来听陈述的人会有多少人，这只能估量一个大约规模，详细到多少人，你是不知道的。再比方你知道你下一年大约会赚多少钱，可是你不能精确估量你下一年能赚多少钱。
咱们也常常会举一个比方，说本科生不要谈恋爱，由于谈恋爱成功的份额很低。计算其实关怀的便是这类不确定性的问题，纷歧定是归于加加减减的问题。
作者：朱利平 中国人民大学计算与大数据研究院副院长、博士生导师
本文节选自宣讲家网独家文稿《朱利平：计算与大数据》
全文链接：http:///2019/1118/1067259.shtml
责任编辑：
