（一）

　　    最近，老師交給你了一項任務：分析我每天9點鐘會在哪兒。

　　    于是，你潛伏在軟件所與宿舍之間，觀察我的行蹤。

　　    經過了三天的觀察，你發現，每天8點半我會去實驗室，中午我才會從實驗室出來吃飯。

　　    所以，9點的時候我肯定在實驗室，于是你得出結論：

　　         我每天9點鐘在實驗室

　　    你圓滿地完成了任務，回去找老師匯報。按照你的結論，明天我9點的時候一定還會在實驗室，你信心滿滿地拉著老師來驗證結論。

　　   （二）

        第四天，我沒有出現在實驗室。

　　    因為第四天是星期六，我不上班。

　　   （三）

　　    于是，尷尬的你決定進行長期的觀察。

　　    一眨眼，兩個月過去了……

　　    你終于發現，我只在工作日才會上班，周末兩天我宅在宿舍睡大覺，一覺睡到中午12點才爬起來去食堂吃飯。

　　    根據新的觀察結果，你對你的結論進行了修正：

　　        周一到周五每天9點我在實驗室

　　        周六和周日每天9點我在宿舍

　　   這次看起來應該沒問題了……吧？

　　  （四）

　　   第一個星期，一切正常。

　　   第二個星期，是8月，我放暑假回家了……

　　  （五）

　　  你意識到，再這么觀察下去不是個辦法，于是你又找到了一年里所有節假日的放假安排。

　　  同時，你發現，我家離北京很遠，回家要很長時間。所以短的假期我回不去；長假我才會回家，到時候肯定是在家睡大覺。

　　  根據新的信息，加上你的推理，你再次對你的結果進行了修正：

　　       工作日每天9點我會在實驗室

　　       周六周日以及短假每天9點我會在宿舍

　　       長假每天9點我會在家

　　  嗯，非常完美，于是你自信滿滿地又拉來老師驗證你的結論。

　　  （六）

　　  某個工作日，我因為前一天熬夜看動漫睡過了頭……

　　  長假第一天，我被堵在半路沒到家……

　　  回來第三天，我出差了，一個星期都不在北京……

　　 （七）

　　 你沮喪地發現，雖然你的結論越來越接近真實情況，但永遠會有“意外”出現，導致你的結論出錯。為了能夠包括這些“意外”，你需要額外統計更多可能相關的東西。但是“意外”永遠層出不窮，為了更準確地預測我的位置，你要統計的東西越來越多，無窮無盡。

　　 （八）

　　 恭喜，你開始理解大數據的作用了。

　　 （九）

　　 我們日常的所有事務，都在無時不刻地產生著信息。通過這些信息，我們能夠更全面地了解問題，從而更好地解決問題。醫生望聞問切診斷病人、老師根據成績判斷學習情況、警察通過蛛絲馬跡偵破案件，都是在利用信息來解決問題。

　　 然而，就像前面的故事一樣，為了更好地解決問題，需要收集更多的信息。得益于計算機技術的發展，我們能夠通過數字化的信息系統收集海量的信息數據進行分析，這在過去是難以想象的。

　　 這，就是大數據。

　　 通過對大數據進行分析，我們往往能夠發現更多潛在的、以前被忽略了的規律，因此能夠得到更加精準的結果。人工智能的驚艷表現，淘寶精準的個性化服務，背后都離不開大數據的強力支撐。

　　 但正如前面的故事一樣，雖然我們需要更多的數據來更好地解決問題，但數據永遠都是不夠的，并且是無窮無盡的。因此，大數據一直走在一條“沒有最好，只有更好”的路上，而我們的數字化生活，也將越來越便利。