维克托·迈尔·舍恩伯格教授在《大数据时代》中提出，在大数据时代，我们处理数据的理念要完成三大转变：要全体不要抽样，要效率不要绝对精确，要相关不要因果。大数据的力量如此耀眼，但我们必须避免被它的光芒诱惑，并善于发现它固有的瑕疵。
情况一：忽视小数据
19世纪60年代，日本人非常重视中国石油行业的发展。在中国官方对外播发的宣传中国工人阶级伟大精神的文章和照片中，日本信息专家逐渐摸清了中国大庆油田的具体方位、规模及产量。从而设计出适合中国大庆油田的采油设备，做好了充分的夺标准备，最终获得巨额订单，使西方石油大国目瞪口呆。小数据仍然会在一个相当长的时期内发挥重要作用。但小数据通常是弱信号，出现的频次低，往往被决策制定者们忽略。
情况二：误用大数据
如果我们问理发师，我们的头发是不是应该修剪一下，可能他甚至会让我们换个造型，无论抽查多少理发师样本，结果都是这样。我国企业正在摒弃以往“闭门造车”的管理模式，主动引导消费者群体参与其业务流程管理中的各项活动，并根据互动反馈完成产品优化创新。同样的，企业面向顾客的问卷调查中，顾客的意见我们是不是就该全盘接受呢？在经济生活中，人本质上还是自利的，他人的理性并不能成为我们的理性。很多调查结果的产生可能只是利益相关者希望通过企业这方面的改变获得更大的利益。
情况三：因果倒置
许多喜欢健身的人会选择游泳作为他们的塑身方式，理由很简单：游泳运动员的体形都是那么匀称协调。而事实的情况是，由于运动员们具有那样的身材体形，他们才会游出常人无法取得的成绩。另外，报刊上经常会有文章证明，良好的员工激励会创造更高的企业利润。果真如此吗？是不是因为员工所在的公司经营得好，才使得员工积极性更高呢？对数据间的因果关系不是必须首先厘清的。
情况四：错误因果
一位企业地区负责人，他将员工中最不积极的3%送进一个激励培训班，想以此来促进企业员工的积极性，下次调查时果然这些人中的一大半都不在最差的3%中了。可是，是激励班效果突出呢，还是仅仅因为原先那3%发挥失常绩效不高而现在恢复正常了呢？不论企业的利润、高层的领导能力还是员工的绩效水平，都不是常量，而是一个波动的过程，在低谷处即使没有外力作用也会回归均值。企业不能盲目地为提高的一点点绩效而欣喜，因为背后可能是不相关的成本付出和毫无意义的员工劳动。
情况五：看不到的因果
当海量的数据被企业所收集，当大数据的思想被应用到实践中去，一个尖锐的问题摆在我们眼前，如何看出数据的相关关系呢？很多数据不会以一种正相关或者负相关的简单方式存在。这时我们仍然需要运用“经验—猜想—验证”这一总结因果关系的经典流程。虽然这一时代“数据为王”，但人的价值就在于其基于对企业现象深刻理解所提炼出的关键要素。
当一个时代浪潮汹涌而来时，能够坚持理性看待和分析问题的精神是难能可贵的。
作者单位 安徽理工大学
