引言
09年，谷歌通过用户的搜索记录来完成H1N1流感的预测。该预测与官方相关性高达97%。和疾控中心一样，他们能够预测出流感是从哪里传播出来，而且非常及时
-
03年，埃齐奥尼一位担任华盛顿大学人工智能项目的计算机专家，从旅游网搜集数据，开发了一个机票涨跌预测系统。这系统被微软以1.1亿美元收购了。
现代是数据爆炸的时代
大数据的核心就是预测，而不是机器学习
大数据的三个转变：
在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象的所有数据，而不再依赖于随机采样。
研究数据如此之多，以至于我们不再热衷于追求精确度。
第三个转变因前两个转变促成，即我们不再热衷于寻求因果关系，而是相关关系。
不是随机样本，而是全体数据
利用所有的数据，而不再仅仅依靠一小部分数据。
一个名叫约翰-格朗特的英国缝纫用品商提出一个推算方法，来算出鼠疫时伦敦的人口数，种种方法就是后来的统计学。
1880年人口普查很费时，耗时8年才完成数据汇总。1890年预计耗时13年。
Xoom跨境汇款业务公司与跨境汇款异常交易报警，单独看每笔交易是合法的，但事实证明这是一个犯罪集团在视图诈骗。而发现异常的唯一方法就是，重新查所有数据，找出样本分析错过的信息。
谁能想象一个在关系网内有着众多好友的人的重要性还不如一个只是与很多关系网外的人联系的人呢？这说明无论是一个集体还是一个社会，多样性是有额外价值的。
不是精确性，而是混杂性
为了了解大致的发展趋势，我们愿意对精确性做出一些让步。
麻省理工与通货紧缩预测软件(原本用人工采集、费用高、结果滞后，用大数据技术从网上采集数据、数据虽然很混乱、但是这个项目在08年9月雷曼兄弟破产滞后马上就发现了通过紧缩的趋势，二依赖官方数据的人到11月才知道这个情况)
混杂性，不是竭力避免，而是标准途径
样本=整体
不是因果关系，而是相关关系
一个关于评论家所创造的销售业绩和计算机生成的内容所产生的业绩对比测试，结果两者相差甚远。通过数据推荐产品增加了差不多100倍的销售，计算机可能不会知道喜欢海明威作品的客户会购买菲茨杰拉德的数。但是这并不重要，重要的是销量。
在一个特定的地理位置，越多的人搜索特定的词条，该地区就有更多的人患了流感。
沃尔玛，请把蛋挞与飓风用品摆在一起
美国折扣零售商塔吉特与怀孕预测。通过浏览、购买记录和关联物的关系，分析客户是否怀孕
UPS与汽车修理预测
一切皆可量化
通过大规模设点收集海航日志，制定可行的海航图
https://books.google.com/ngrams 谷歌的数据图书馆，可以搜索1500年到2008年来一个词出现的频率
书籍、情绪。。。都可以数据化
