大數據是時下最時髦話題，技術專家、企業家為人們描繪了大數據下的美好生活。近期，美國學界和媒體有關“谷歌流感趨勢”的討論，又把大數據推上了風口浪尖。

“谷歌流感趨勢”是谷歌公司多年前推出的一款預測流感的產品。該公司的工程師認為，搜索流感信息的人數與實際患病人數之間存在密切關聯。通過匯總用戶的相關搜索記錄，“谷歌流感趨勢”可以預測出世界上不同國家和地區的流感傳播情況。2009年，甲型H1N1流感暴發的幾周前，“谷歌流感趨勢”成功預測了流感在美國境內的傳播，其分析結果甚至具體到特定的地區和州，并且非常及時，令公共衛生官員備感震驚。因為傳統上，美國疾病控制中心要在流感暴發一兩周之后才可以做到這些，“谷歌流感趨勢”的社會意義不言而喻。

然而好景不長，2013年初，英國《自然》雜志報道了一則壞消息：在最近一次流感暴發中，“谷歌流感趨勢”不起作用了！這個工具曾經可靠地運作了幾個冬天，在海量數據分析和號稱“不需要理論模型”的條件下，提供了快速、準確的流感暴發趨勢。而這一次，谷歌產品顯示的數據，與美國疾病控制中心匯總后的結果比起來，夸大了幾乎一倍！

英國《金融時報》專欄作家提姆·哈福德指出，很多人認為，大數據可以完全取代傳統統計方法，這種觀點十分傲慢。科學技術發展到今天，人們有能力獲得比幾十年前多出許多的信息，知道的多似乎比知道的少要好，但是知道的多就等于知道的真嗎？從茫茫“數據海洋”中得到真相，并非易事。

大數據紛繁多樣，優劣摻雜，隨著數據規模擴大，統計結果的真實性、準確性可能大打折扣。《大數據時代》一書的作者也不諱言，大數據本身探尋的是一種趨勢，而非精準性，大數據時代需要學會接受數據的不完美。換言之，不能因為不精確而放棄大數據的應用和發展，若要無限接近統計結果的真，必須讓大數據與精細的傳統統計方法互補，而非兩者相互替代。

對科學界來講，大數據并不是一個全新的概念。與自然科學不同，社會化下的信息技術，讓大數據進入了社會層面，被賦予更多新的含義和期待。量子基金的喬治·索羅斯提出過一個“自反性”概念，認為社會系統的參與者是有思想的，在這樣的環境中，不僅觀察，就連思想和信念都會影響到我們研究的對象，從而影響我們得出的結論。索羅斯的這一概念，對于大數據研究和應用也同樣適用。

盡管日益成為大數據的享用者和制造者，人們還是應該保持主動性，不能被數據牽著鼻子走。