3）Instance Selection在很多情況下至關(guān)重要，數(shù)據(jù)不是越多越好，是合適的數(shù)據(jù)越多越好。很多數(shù)據(jù)本身不是噪聲，但和我們要分析的問題不是很相關(guān)，在這種情況下需要做合理的數(shù)據(jù)裁剪。其實，說到大數(shù)據(jù)的“大”字有不少誤解。大是個相對的概念，有很多應(yīng)用，只是單位時間內(nèi)要處理的數(shù)據(jù)量超過了現(xiàn)有的計算能力。比如說，高頻交易，我們可能需要在一毫秒處理1M的數(shù)據(jù)。1M并不大，但問題是時間要求realtime。
4）在建模之前還需要了解數(shù)據(jù)的特性，比如噪聲度，稀疏度，和數(shù)據(jù)的分布。這就象醫(yī)生在選取治療手段之前必須要了解病人的病癥。
最后，我想說的是，人生就是個數(shù)據(jù)挖掘過程。人整個的一生由幾個關(guān)鍵點組成，在每個關(guān)鍵點，我們都需要根據(jù)自己掌握的信息進(jìn)行決策。
互動內(nèi)容：
Q1：數(shù)據(jù)去偽存真，在數(shù)據(jù)挖掘中是不是工作占比很高？經(jīng)驗是不是分析能力的決定因素？
A：這個問題好。我們現(xiàn)在各行各業(yè)都在拼命收集數(shù)據(jù)，很多的是垃圾數(shù)據(jù)，現(xiàn)在數(shù)據(jù)的單位價值密度在不斷下降。數(shù)據(jù)挖掘就象醫(yī)生給病人看病，SAS的病人和普通感冒的病人有很多共同病癥，我們的任務(wù)是要找出可以幫助我們區(qū)分的特征。
關(guān)于未來，我提出一個概念叫做信息階級論。因為大數(shù)據(jù)意識和數(shù)據(jù)挖掘技術(shù)的普及，會造成人類社會更大的信息不對稱。未來階層（貧富差距）很大一部分因素是因為對信息資源掌握的不同造成的。在很多領(lǐng)域，對信息資源的掌握可以造成高維打低維的局面。就好象有武器代差的二戰(zhàn)，勇敢的波蘭騎兵對德國坦克集群，會是簡單的屠殺。
Q2：怎么鑒別什么數(shù)據(jù)是真數(shù)據(jù)什么數(shù)據(jù)是偽數(shù)據(jù)呢？ By 劉東華
A：和具體應(yīng)用相關(guān)，比如，做具體的市場預(yù)測問題，你可能有很多數(shù)據(jù)，來源不同，質(zhì)量不同，我的經(jīng)驗是，當(dāng)數(shù)據(jù)量充分的時候，質(zhì)量不高的數(shù)據(jù)寧可舍棄不用。
Q3：在中國，傳統(tǒng)制造企業(yè)占比很高，也是重要經(jīng)濟支柱，數(shù)據(jù)挖掘?qū)鹘y(tǒng)制造業(yè)會有什么大的價值牽引？熊老師有什么好的建議？ By 邢艷凱：
A：人類整個的歷史發(fā)展都在追求標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化可以提高生產(chǎn)效率，對傳統(tǒng)制造業(yè)供應(yīng)鏈管理是數(shù)據(jù)挖掘可以大力幫助的領(lǐng)域。題外化，人類在追求標(biāo)準(zhǔn)化，任何被標(biāo)準(zhǔn)化的行業(yè)都被夕陽化，工作機會就會減少
@邢艷凱：認(rèn)同熊老師的觀點，中國制造業(yè)最缺乏的就是標(biāo)準(zhǔn)！
@柚子：還有經(jīng)濟預(yù)測領(lǐng)域
A：經(jīng)濟預(yù)測是個好例子，表面看很多數(shù)據(jù)都可以用來預(yù)測經(jīng)濟，但對中國的數(shù)據(jù)，可能只有發(fā)電量，鋼產(chǎn)量，鐵路運輸?shù)壬倭恐笜?biāo)是質(zhì)量可靠的數(shù)據(jù)，所以用克強指數(shù)看經(jīng)濟更靠譜。
大數(shù)據(jù)的發(fā)展還帶來了人類解決問題方式的重心轉(zhuǎn)移。東方長期以歸納法為見長，也就是一種BOTTOM-UP的解決問題方式，西方長期以演繹推理見長，是一種TOP-DOWN的方式。在近代至現(xiàn)代，演繹推理占了上風(fēng)，所以西方文明高度發(fā)展。但是數(shù)據(jù)驅(qū)動解決問題方式的產(chǎn)生，讓歸納法思維又有機會走在前面。
Q4: 國內(nèi)哪些組織在數(shù)據(jù)挖掘方面比較強？ By趙國棟
A：數(shù)據(jù)挖掘充滿dynamics，目前中國的暴富機會還是比美國多不少，隨著以后制度越來越完善，中國的暴富機會越來越少。很多的暴富都是因為信息不對稱造成的。中國現(xiàn)階段存在很多制度性信息不對稱，每一次制度的制定或變化，都催生出一批暴富的點子和機會。美國更多是技術(shù)性信息不對稱，就是通過數(shù)據(jù)挖掘的手段形成信息不對稱，從而在競爭中產(chǎn)生勢能差，可以形成以絕對優(yōu)勢打擊絕對劣勢的局面。當(dāng)然，中國在朝技術(shù)性信息不對稱大步前進(jìn)。
因為信息平臺和信息意識的城鄉(xiāng)差別，農(nóng)村的孩子在信息化這塊被甩開大了，在競爭中的劣勢越來越大，最可怕的是農(nóng)村的信息意識完全沒跟上。所以未來的階層客觀上會是由于對信息資源的掌握不同而造成的。所以，在教育層面應(yīng)該努力縮小城鄉(xiāng)的信息鴻溝。
未來社會的發(fā)展趨勢在加快，財富輪轉(zhuǎn)速度在加快，從富到貧，從貧到富，從弱到強，從強到弱都比以前更快速轉(zhuǎn)化。會是一種螺旋式上升，后面新城代謝越來越加速，hold不住的都會被甩出去。富過三代的一定要培養(yǎng)好的家族信息制度。
評論：現(xiàn)在是企業(yè)信息重置的時代，挖掘運營數(shù)據(jù)水平的高低將拉開企業(yè)的差距，而且一旦有了大哥，可能就會變成獨生子！By 邢艷凱：