真实和完备是大数据分析的基础（2）

喻国明认为，大数据由不同数据集构成，若想全面、立体式反映某一个体、事物、事件，其关键在于对不同数据集进行关联分析，而关联分析的前提是建立标签。“对每一个数据文本做标签，就像图书分类一样。几十万册的图书，有了分类，才能够有序管理。面对大数据的海量信息，有了标签，就可以轻松找出需要的信息。”尽管不可能存在一个100%包容性的大数据库，但对数据进行快速、有效的处理与整合，无疑能为未来深入、真实、可靠的分析夯实基础。

“有些标签是自然形成的。例如，通过社交媒体的个人资料，就可以轻松分出年龄、性别、职业等不同标签。还有一些标签，则要通过网络行为分析才能认定。例如，在分析个人言论的社会特征时，可根据网络发言使用的词频、语义进行计算，并依此为网民贴上早起群体、晚睡群体，时尚型消费者、保守型消费者，高收入者、低收入者等标签。”喻国明认为，在大数据时代，一个文本碎片被打上的有效标签越多，其可被利用的价值越大。

数据分析：以小数据为“校准”

中国社会科学院新闻与传播研究所研究员姜飞做了一个有趣的比喻，“在大数据时代，数据信息好比货币，要像研究货币一样研究信息数据。”在他看来，“信息货币”一旦不可信，也容易发生“金融危机”；要提高大数据分析的可信度，就要找到一个“校对的准绳”。

喻国明认为，传统的抽样调查在发布结论时，需同时公布调查是否遵守了“21条规则”（包括数据来源、调查方法、资助者等），以保证调查报告不会产生误导。未来，大数据分析也应该同步公布数据来源、数据量、数据截取的时间区间等有关数据品质的指标。“如果数据来源是通过‘爬取’软件获取，那么公布‘爬取’量有多大，可以在一定程度上帮助受众判断数据分析的真实度、可信度。”

另外，尽管小数据是小范围的、片段的，但它有一个核心价值，即能够提供准确的结构性分析，拥有可靠的统计学价值。喻国明表示，“大数据虽然信息丰满，但整体构造难以看清，因此，小数据能够成为大数据判断结构性位置的校标。”

李欲晓还表示，大数据时代来势迅猛，关涉企业社会责任、个人社会规范等方面的法律法规正在完善。未来，在数据来源、数据分析、结论校准等方面，应陆续出台相关的法律法规和学术规范，以保障大数据在国家治理中发挥更大作用。