要点荟萃

提及大数据，想必人人都可谈论一番，但对大数据思维却知之甚少。大数据思维与大数据技术有相同之处，主要包含全样思维、容错思维、相关思维。据此，可以获取大量灵感来源，推动创新。

大数据已经成为人们生活中必不可少的一部分，热点推送、各个软件的“猜你喜欢”、社交软件中的“你可能认识的人”等，背后都是大数据在提供技术支持。

随着大数据持续深入生活，在自身的内涵与外延上，催生出了大数据思维，主要包括全样思维、容错思维和相关思维三种。

要了解全样思维，首先要了解“全样”与“抽样”。

抽样就是在全部样品中抽取具有代表性的一部分作为样品。其目的在于分析、研究样品，推算出全部样品的特征。抽样是调查研究最普遍、有效的方式。抽样十分便捷，但其局限性也十分明显，当客观条件不准确的情况下，得出的结论不准确，使结论与实际结果偏差较大。

因此，在许多情况下，不能采用抽样，而是要采用全样。例如，人口普查，就是获得中国人的全样，得到中国人口的精准数量。全样虽然难度大但更精准，得出的结果与实际结果相差无几。

抽样代表小数据思维，全样代表大数据思维。在当今的时代，商家可以通过数据采集、储存、分析，找出用户的消费爱好与倾向。商家还可以找到已经购买过你产品的所有用户的数据信息，并从他们的消费、支付等行为中，找出用户的偏好。前者就是抽样，后者是全样。

大数据思维中的全样思维就是在大数据技术的支撑下，找出全部样本，并对它们进行分析、判断，最终得出市场的变化趋势、用户的消费习惯等有用的信息，为推动商家与企业的发展提供参考资料。

寻找全部样本是为错综复杂的商业问题寻找更多解决方法的可能性，最终通过筛选分析出的有效信息，得出商业问题的最佳解释。由此可见，大数据思维中的全样思维逻辑与溯因推理逻辑的本质相同。

在小数据时代，由于技术不到位，无法对全部样品进行调查与分析，只能采取抽样。在大数据等技术的支持下，全样得以实现，使小数据时代转向了大数据时代。(www.daowen.com)

全样的样本基数大，如果其中的一项样品出错，会导致结论“失之毫厘，谬以千里”，因此在进行全样分析时，要保证数据的准确性，容不得半点差错。

对数据精准的追求必然会提升数据处理的成本。而且“金无足赤，人无完人”，世界没有完美的事情，数据本身便存在缺漏、异常、错误等。这就导致小数据在测试阶段的效用非常大，但到了市场之中却行不通。

在大数据时代，企业与商家可以轻易得到全样的全部数据信息，虽然其中会有部分数据有误差，但由于样本基数过大，会导致大数据得出的结果与客观现实相差不大。这便是大数据的容错功能。

每个组织与企业在提出创新点之前，都可能根据大数据的结论，寻找到容错率较大的创新点。在提出创新点之后，要对其的可行性进行判断、分析，这便要求有大数据的分析与支持，才能得出较为客观、容错率较大的结果，最终判断出该创新点是否具有价值。

许多人都愿意去相信因果关系，而缺乏对其他关系的认知，一直到大数据时代，这种局面才被打破。人们开始强调相关关系，强调事物之间的联系。

大数据思维中的相关思维则是让人们将注意力从因果关系转变到其他关系上，有助于组织与企业的创新。

例如，许多年轻的爸爸们去超市买婴幼儿纸尿裤时，顺便都会买几瓶啤酒。沃尔玛通过大数据发现了啤酒与纸尿裤的相关关系：年轻爸爸会买纸尿裤，也可能会买啤酒。于是在美国的一家沃尔玛就直接将纸尿裤与啤酒放在同一货架上，方便年轻的爸爸去购买，从而提升啤酒的销量。这就是销售方式的创新，是基于相关关系的创新。

诸如此类的相关关系还有许多，如女孩子裙子的长短与经济热度之间的关系、高楼大厦与经济危机之间的关系等，这些都不是因果关系，而是相关关系。

创新过程中去思考各个事物之间潜在的联系与关系，将会催生出更多的创新灵感，这就是大数据思维中的相关思维。

在大数据时代，我们将不再局限于抽样，而是开始追求全样。其催生出的大数据思维，也将成为企业与组织创新的另一思维模式，推动组织的创新建设进程。