昨晚讀了一篇相關的文章…
我並沒有正式地學過什麼是”大數據 (Big Data)”；但這一兩年，當逛書店時也會發覺相關的書籍湧現，曾翻了一翻，但大多是說些相關內容外，很多就是談談現在很多大數據的來源，如：網絡的溝通軟件、購物數據等；更多地感到是小說形式地介紹。其次，我在學習某些統計軟件的內容及過程中，也偶有提及小許，如在學習SPSS的Clementine(Data mining)、R軟件的機器學習(machine learning)、SAS的Enterprise Miner、Python…
據互聯網的資料介紹，大數據是：由巨型資料集組成，這些資料集大小常超出人類在可接受時間下的收集、使用、管理和處理能力。大數據的大小經常改變，截至2012年，單一資料集的大小從數兆位元組（TB）至數十兆億位元組（PB）不等。
據聞，現在有些溝通軟件，如：FaceBook；網路搜尋器，如：Google；網路購物站，如：淘寶等；動輒每天收集或處理的數據量，已是大數據。而在健康科學和/或公共衛生方面，人類基因庫資料、某些癌症的歷年數據等，都是大數據庫資料；我個人預言，隨著人類的溝通和聯繫方式漸趨發達，大數據時代已是來臨了，且只會越來越大呢~~~
然而隨著大數據的收集及片刻使用過後，餘下來的數據又是如何處理？其餘這些都是很好的科研數據… 可以從中挖掘出很多有用的”訊息”來，以助人認識及了解某些新現象！如經典的例子就是：超市男人買嬰兒尿片及啤酒... 在生物醫學界，如癌症和基因靶位的確立等等…
大數據的分析，目前常用的軟件都是以上提及的為多，各軟件有其優點與不足之處，如處理數據的量及快慢、免費或商業軟件等；而分析的方法都不外符是：數據總結、分類、關聯性、聚類等。
有很多人都說：誰掌握了大數據，誰就掌握了未來！我部份認用，因為數據有助於決策，更了解現實，預測未來；然而大數據也有其注意之處，如：
1.大資料本身是觀察性資料，存在著很多偏倚，例如選擇偏倚、混雜變數和缺乏普遍性；需要建立一個更強大的流行病學研究基礎；
2.數據處理過程中獲得大量的知識，而同時也必須建立一種方法來整合這些知識；
3.大資料只是一個形成假設的工具，即便證實了一個強有力的關聯，我們仍然需要圍繞著循證醫學的原則來開展這些檢驗工作；
4.對大資料分析中的初期研究發現進行拓展。
公共衛生本身是一門很講究科研方法的學科，除涉獵的範圍很廣外，要收集及處理的數據也很多，所以公共衛生將來也必會與大數據融合… 會有另一番要求和景象…
參考資料：
2.Muin J. Khoury and John P. A. Ioannidis. Big
data meets public health. Science, 28 November 2014; DOI:10.1126/science.aaa2709
沒有留言:
張貼留言