大数据时代，人们的关注点都在事物之间的彼此联系上，事物彼此联系在一起，就会形成最终的事物。这时候，不同的事物之间仅仅是彼此联系在一起的，不存在任何因果关系。

大数据时代最有意义的变革是注重相关联系的分析，不再关注因果关系，简单来说就是只想了解“是什么”，不再纠结“为什么”。因此，这个时候，企业领导者没有必要苦苦追求事件背后的原因，只需要依赖大数据去分析并决策。

亚马孙曾经聘用过一个图书团队，由20多名编辑和书评家组成，他们推荐新书、写书评、把有特色或者畅销的书放在网站首页，最后还设立了“亚马孙的声音”这个板块，这个板块为网站带来了丰富的浏览量，增加了购买人群，是当时最有优势的竞争方式。由于该团队的评书、荐书，才为亚马孙打开了数量畅销的大门。

再后来，亚马孙又有了新的决策，他们依据客户从前的购书习惯为客户推荐对应的书籍种类。这时的亚马孙已渐渐掌握了更多客户的数据信息。例如，这是新客户还是老客户；他们最近一年买了什么种类的书；他们最近浏览了什么书；他们浏览过什么书最后却没有买等。

依据大数据信息做出分析和决策，再向客户推送对应的书籍服务。没想到通过大数据的统计和计算机做出的推荐，书籍的销量比从前专家团队做出的销量还要高一百倍。因此，专家团队从此也就被取缔了。

从亚马孙的案例看出，他们只是通过计算机系统推荐了相关联系的一些服务，但却有了非常好的效果，其实当时他们也不知道这是为什么。可见，大数据时代下，我们明白“是什么”就行了，不用非要去纠结“为什么”。(www.daowen.com)

能够找到具有相关联系的关联物，可以辅助我们去分析现在和预见将来。假如A和B总是同时发生，此时如果我们知道B发生了，那么就可以大胆推论A也发生了。

2000年，UPS国际快递公司开始通过推测性分析来监控其六万辆规模的车辆，这样可以提前进行维护和修理，避免麻烦。假如车突然在路上抛锚，这带来的损失会很大，因为如果这样还得再派出一辆车，这既会使运输延误，又会造成重新装运的负担，再次花费时间和金钱。因此，为了预测性地防止此类事件发生，以前UPS会定时更换车辆零件，定时维修保养。

可这种方式其实不太好，由于有些零件并没有损坏就被更换掉，这也带来了很大损失。现在UPS有了新的改进方式，就是只检测车辆的细节部位，只更换有毛病的零件，这样就节省了好几百万美元。这种监测方式甚至还帮UPS发现过新车的零件有毛病，以此避免了未知的麻烦。

其实关于这一点，可以自己做个小测试，在百度或者谷歌搜索一个关键词，你就能看到所有关于这个词的网页信息。这就是所谓的大数据，不用告诉搜索引擎你为什么要搜索这个，只要让它知道你想搜索这个就行了。

大数据不会管“为什么”，只提供“是什么”，因此它不是因果联系，而是相关联系。总之，大数据的三个特点是：多、杂、优。它针对将来，为以后做预测。拥有了大数据，再找到能监测它的关联事物，或许我们就可以预测未来。