统计学是一门很古老的科学，也是很重要的学科。
统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。
统计学的中心问题就是如何根据样本去探求有关总体的真实情况。在过去，我们数据有限，算力有限，统计学的作用就很重要。
伴随着信息化，我们获得的数据量越来越大，我们的计算能力越来越强，统计学的历史使命似乎要达到终结。
大数据时代，我们可以获得全样本，大数据时代，我们可以有不同的方法去处理数据，去了解样本的方方面面。相比较统计学，样本规范，总量数据有限，观测目标单一，这种情况下，统计学是适用的。然而，数据过大的情况，比如是网络海量数据，你如何取样，你如何观测呢？
大数据的特征之一是多样性，不同来源、不同维度的数据之间存在一定的关联度，可以交叉验证，运用大数据做决策，决就能够从粗放型转向集约型。
这么说来，统计学似乎就没有价值了？
大数据是全样本，然而一些数据并不是有很大价值，甚至会出现错误导向。
谷歌的创始人拉里.佩奇和谢尔盖.布林，在面试的时候，会要应聘者大学的SAT成绩及大学毕业时的平均成绩。
然而，每次那些40多岁，成就斐然的职业经理人被问到成绩，就很懵逼。
他们的依据是：SAT能彰显天赋，大学平均成绩则能体现成就。
工作表现和这些成绩有关系吗？没关系。
这个数据虽然是全数据，但仍然具有不确定性。
大数据告知信息但不解释信息，这是大数据相关关系的特性。
就像股票市场，即使把所有的数据都公布出来，不懂的人依然不知道数据代表的信息。大数据时代，统计学依然是数据分析的灵魂。正如加州大学伯克利分校迈克尔·乔丹教授指出的，“没有系统的数据科学作为指导的大数据研究，就如同不利用工程科学的知识来建造桥梁，很多桥梁可能会坍塌，并带来严重的后果。”
在大数据时代，我们不能忽视一些新的方法和思想，但是，数据分析的很多根本性问题和小数据时代并没有本质区别。
