數(shù)據(jù)走進我們的視野,文科的領(lǐng)域。自從經(jīng)濟學(xué)成為人文社科的顯學(xué)以降，數(shù)學(xué)工具便一再重塑我們的思維格局，而如今的數(shù)據(jù)，指的是用戶使用互聯(lián)網(wǎng)留下的“痕跡”，仍然是量化思維的勝利。我們無力抗拒，唯有接納。
幸好，我們還有數(shù)據(jù)分析的能力，數(shù)據(jù)獲取和數(shù)據(jù)分析是兩種思維路徑，前者特指如何從各大網(wǎng)絡(luò)平臺留存痕跡，而后者，則是從痕跡中尋找我們希望的東西，而對于超出現(xiàn)有分析工具能力以外的結(jié)果，我們無力去認識。比如Excel和SPSS的能力界限就是我們的能力邊界，一步雷池難越!
我們有成為數(shù)學(xué)工具的奴隸的可能，因為出于種種原因，我們很難去“理解”工具，僅僅是“應(yīng)用”工具，我們沒有能力去對工具做出修改，而只是沿著工具的路徑去一次次重復(fù)，因此，所謂的“數(shù)據(jù)獲取”只是一句空話，我們的目的是無關(guān)緊要的，工具的能力束縛我們的想象力，比如“爬蟲和反爬蟲”，這是一場曠日持久的斗爭，久到很多人都忘了前一秒的數(shù)據(jù)的時效性其實只有一秒，海量數(shù)據(jù)的持續(xù)產(chǎn)生，讓研究數(shù)據(jù)日益失去意義，你慢一秒，爬蟲可能失效，反爬蟲措施會出現(xiàn)，只是近似，精確度隨之下降，時間，終究戰(zhàn)勝了蠢笨的能力邊界。
在以上條件的限制下，我們還有一條“出路”：數(shù)據(jù)分析。時效性依舊不能保證，但至少分析者是有限的，數(shù)據(jù)依舊是值得付出的。互聯(lián)網(wǎng)沒有改變什么，除了讓我們把痕跡一點點留下來以外，分析能力依舊是大多數(shù)文科生缺乏的核心能力，發(fā)問卷、回收問卷，導(dǎo)入SPSS，然后就沒有然后了。
未來依舊是屬于有能力去掌握數(shù)學(xué)工具的人，大數(shù)據(jù)有它對應(yīng)的“小數(shù)據(jù)”嗎？沒有，只有對應(yīng)的零散數(shù)據(jù)，大數(shù)據(jù)是經(jīng)過整合的“結(jié)構(gòu)化”數(shù)據(jù)，絕非海量的意思，那是最為表淺的特征，而且你不可能不去產(chǎn)生數(shù)據(jù)。你可以不上網(wǎng)，但你要出門，在互聯(lián)網(wǎng)發(fā)展到移動互聯(lián)網(wǎng)，再至物聯(lián)網(wǎng)的階段，出門的攝像頭，從天空到地下遍布的傳感器，你已經(jīng)被數(shù)據(jù)裹挾，很遺憾，這個世界就是這樣的，大數(shù)據(jù)在捆綁你的生活，你無處可逃。SPSS根本上是沒有深度分析這些痕跡能力的，如前所述，你需要更為深刻、更為本質(zhì)的數(shù)學(xué)工具：編程語言。無論是Python，亦或R，還是Go等語言，擁有強大的“易用性”，我們需要他們，就像我們接納激光照排技術(shù)一樣。
不必恐懼，從新聞業(yè)開始，這種淘汰與新生便一直存在，從紙質(zhì)承載文字，到加上圖像，再到音視頻，擺脫的只是過往，還有新的工具等待我們，我們是無比強調(diào)實用的學(xué)科，接納它，數(shù)學(xué)工具以編程語言的面貌出現(xiàn)，已經(jīng)是友好的局面了。
如果不接納，就必須被毀滅，這個世界就是這個樣子的。