通過使用所有的數(shù)據(jù)，我們可以發(fā)現(xiàn)如若不然則將會(huì)在大量數(shù)據(jù)中淹沒掉的情況。例如，信用卡詐騙是通過觀察異常情況來識(shí)別的，只有掌握了所有的數(shù)據(jù)才能做到這一點(diǎn)。在這種情況下，異常值是最有用的信息，你可以把它與正常交易情況進(jìn)行對(duì)比。這是一個(gè)大數(shù)據(jù)問題。而且，因?yàn)榻灰资羌磿r(shí)的，所以你的數(shù)據(jù)分析也應(yīng)該是即時(shí)的。

大數(shù)據(jù)先鋒

Xoom與跨境匯款異常交易報(bào)警

Xoom是一個(gè)專門從事跨境匯款業(yè)務(wù)的公司，它得到了很多擁有大數(shù)據(jù)的大公司的支持。它會(huì)分析一筆交易的所有相關(guān)數(shù)據(jù)，一旦發(fā)現(xiàn)用“發(fā)現(xiàn)卡”從新澤西州匯款的交易比平常多的話，系統(tǒng)就會(huì)報(bào)警。 Xoom公司的首席執(zhí)行官約翰·孔澤（John Kunze）解釋說：“這個(gè)系統(tǒng)關(guān)注的是不應(yīng)該出現(xiàn)的情況。”單獨(dú)來看，每筆交易都是合法的，但是事實(shí)證明這是一個(gè)犯罪集團(tuán)在試圖詐騙。而發(fā)現(xiàn)異常的唯一方法就是，重新檢查所有的數(shù)據(jù)，找出樣本分析法錯(cuò)過的信息。然而，使用所有的數(shù)據(jù)并不代表這是一項(xiàng)艱巨的任務(wù)。大數(shù)據(jù)中的“大”不是絕對(duì)意義上的大，雖然在大多數(shù)情況下是這個(gè)意思。谷歌流感趨勢預(yù)測建立在數(shù)億的數(shù)學(xué)模型上，而它們又建立在數(shù)十億數(shù)據(jù)節(jié)點(diǎn)的基礎(chǔ)之上。完整的人體基因組有約 30億個(gè)堿基對(duì)。但這只是單純的數(shù)據(jù)節(jié)點(diǎn)的絕對(duì)數(shù)量，并不代表它們就是大數(shù)據(jù)。大數(shù)據(jù)是指不用隨機(jī)分析法這樣的捷徑，而采用所有數(shù)據(jù)的方法。谷歌流感趨勢和喬布斯的醫(yī)生們采取的就是大數(shù)據(jù)的方法。

日本國民體育運(yùn)動(dòng)“相撲”中非法操縱比賽結(jié)果的發(fā)現(xiàn)，就恰到好處地說明了使用“樣本 =總體”這種全數(shù)據(jù)模式的重要性。消極比賽一直被極力禁止，備受譴責(zé)，很多運(yùn)動(dòng)員深受困擾。芝加哥大學(xué)的一位很有前途的經(jīng)濟(jì)學(xué)家斯蒂夫·列維特（ Steven Levitt），在《美國經(jīng)濟(jì)評(píng)論》上發(fā)表了一篇研究論文，其中提到了一種發(fā)現(xiàn)這個(gè)情況的方法：查看運(yùn)動(dòng)員過去所有的比賽資料。他的暢銷書《魔鬼經(jīng)濟(jì)學(xué)》（Freakonomics）中也提到了這個(gè)觀點(diǎn)，他認(rèn)為檢查所有的數(shù)據(jù)是非常有價(jià)值的。

列維特和他的同事馬克·達(dá)根（ Mark Duggan）使用了 11年中超過 64 000場摔跤比賽的記錄，來尋找異常性。他們獲得了重大的發(fā)現(xiàn)。非法操縱比賽結(jié)果的情況確實(shí)時(shí)有發(fā)生，但是不會(huì)出現(xiàn)在大家很關(guān)注的比賽上。冠軍賽也有可能被操縱，但是數(shù)據(jù)顯示消極比賽主要還是出現(xiàn)在不太被關(guān)注的聯(lián)賽的后幾場中。這時(shí)基本上沒有什么風(fēng)險(xiǎn)，因?yàn)檫x手根本就沒有獲獎(jiǎng)的希望。