一、大数据的相关性基础条件
大数据涉及海量非相关数据的相关性的统计，其相关性的存在基础又是什么呢？非相关数据，两者的相关性可能是真相关，也可能是伪相关。需要注意，这种相关性要成为可推演的行为逻辑，首要前提就是确保这种相关性的基础是恒定不变的。
再以前文霍乱与水质关系为例，这里存在一个基础前提，就是霍乱弧菌在水中存活时间较长，有些菌株还可以在水中越冬。所以一次污染后有可能使水体较长时间保持传播能力。而且，当水栖动物被污染后，霍乱弧菌有可能在其体内存活较长的时间，继续污染水体。所以，经水传播的特点是呈现暴发状态。如果这个霍乱弧菌不是通过水传播了，那这种相关性就消失了。
因此，我们要注意和警惕的是，大数据并非是一个万能的事物，它的缺陷在于立足于统计学基础之上，必然是会因为统计样本的变化而发生变化的。尤其在适用于人群分析的时候。 拿前面的《银河帝国》来举例，把社会公民作为样本来进行分析，通过过去的样本行为，得出未来的可能结论。这里的理论基础是，在人群的社会性特征不发生改变的情况下，作为社会构成的绝大部分人，思考问题的方式不会有太大的差异，行为逻辑也是相对固定的。如果是将一个人特列出来，可能很有个性，但当人口样本数量足够大时，就会发现其实每个人都是一模一样的。
但是要注意，这个理论成立的核心前提是，社会性特征要保持不变。因为只有在相对稳定的基础性环境里，被列为样本分析的群体才会是一致行为逻辑。在基础性环境发生变化的情况下，人的行为跟过去必然是不同的。
一个简单的推论是，如果一个人未来做的事情跟过去一致，那么这个社会必然是不发展的。因为即使有人做出了创新性突破，但是当社会多数群体都拒绝创新使用的话，社会还是停滞的。 因此，在一个发展的社会里，社会群体必然是不断改变其行为模式的。而一旦行为模式改变，所有过去的数据积累所构建的相关性都会消失，因为人们不再按照过去的生活习惯进行生活了。
当然很多人会说，社会前进，必然使得数据也是前进的，所以还是可以用新的数据来推断未来。这里的悖论在于，由于大数据的核心是通过分析过去而判断未来，隐含的前提条件必然是未来跟过去的基础性特征一致。而且，数据由于需要海量积累，匹配处理后的推论结果永远是慢于社会前进的步伐的。
二、过去能否预测未来
问题的焦点在于，过去是否一定能预测未来？如果大数据无法解答这个命题，那么它必然在很多领域是失效的。
我们先看一个简单的堆沙子的实验。在海边堆沙子，无论你怎么堆积，必然是要倒塌的，问题在于什么时候倒塌？通过数学模型一直无法测算出精确的结果，也就是无法计算出到第几粒沙子的时候，沙堆就会倒。这里如果用过去预测未来的逻辑进行推演，第1 粒沙子没倒，第2 粒没倒，第3 粒没倒……第1000 粒也没倒，我们可否有效认定，第1001 粒就不会倒了呢？事实上，过去的每粒沙子的往上堆积，都是在为最后一粒沙子的倒塌做准备。
过去几年的金融危机告诉我们，原来的经济学、金融学理论都存在巨大缺陷。按照传统的标准正态分布的金融学模型，2008 年的金融危机大概250 亿年才会爆发一次，怎么就让我们赶上了呢？为什么打开新闻，我们遇到了50年不遇的旱灾，100 年不遇的水灾，历史上从来没有过的雾霾天气，等等，怎么都让我们赶上了呢？这种黑天鹅事件即使在大数据时代，也仍然是没有办法预测的，因为这些数据都是为了未来某个黑天鹅事件做的准备。
在《黑天鹅》这本书里面，有一句非常好的话：“你不知道的事情比你知道的事情更重要。”在以前，很多东西我们没有办法把它数据化，也没有办法把它预测出来。但现在，数据足够多，它会给你一种幻觉，让人觉得能找到看得见、摸得着的规律，让人们觉得有足够的能力把握未来。但往往在人们过于自信的时候，会犯更大的错误。到目前为止，越是大的系统性危机，人们越是越束手无策。
美国金融危机爆发后，美联储前主席格林斯潘到美国国会去作证，他说，“我发现了一个缺陷，但我不知道它有多么严重，也不知道它会持续多久，这件事情使我深感苦恼。”有一个国会议员马上打断他，说：“格林斯潘先生，你的意思是不是说你根本不知道为什么会发生这次金融危机？”格林斯潘说：“是的，因为在过去40 多年甚至更长的时间里，我都有非常雄辩的证据证明我的做法会如愿以偿。”这么大一场危机到来了，美联储的掌舵人却不知道为什么会发生金融危机！
所以在未来，真正需要我们高度警惕的是，即使你有了大数据，也没有办法完全知道系统性的风险和危机，例如“黑天鹅”事件。 事实上，人类历史的场合中，黑天鹅事件的层出不穷，已经是被验证的定论，社会的每一次技术突破，其实就是黑天鹅事件。也就是说，黑天鹅事件，本来就是人类自我创造和努力的结果。
牛顿莫名其妙地被苹果砸了头，创造引力理论，然后极大地改变了社会的发展逻辑，使得人类呈现不同的生活方式，从而使得过去所有既定的规则都发生了变化，而事实上，人类社会已经表现出了加速进化的趋势，这个趋势还在加速过程之中，技术的迭代更新更加迅猛，最终使得过去预测未来的可能性越来越小。 过去预测未来，是无法反映出时代进步和调整的可能性的。过去所做的推断，永远只代表了过去那个阶段为止的最高极限，本身是不会自我演化和发展的。
很多年前，有一个假想的理论模型，跟大数据有点类似。因为所有的前提都是建立在当时的极限值上，所有的推演变化其实都在过去的科技水平之上，所以，人工智能永远只能达到生产者那个阶段的智力水平，它本身无法改变这个局限而实现自我进化。这必然决定了它要依附在生产制造它的群体的进化之上，只有如此，它才可能继续进化。
三、信号与噪音
一个数据分析师写过一本书叫《信号与噪音》，其中讲到真正的信号是有用的信息，还有很多没用的信号是干扰决策的噪音。“我们总觉得信息量越大，能够得到的真理就越多。其实不是的，信息增长的速度要远远快于真理增长的速度。”所以不要以为你的数据越多，就能离真理越近，有时候信息越多，噪音越多，反而干扰决策。换句话说，知识的边际收益是递减的。
因此，在“过去预测未来”的这个逻辑上，需要明确几个方面：一、经济生活加速，技术革命随时到来的情况下，稳定期限到底能维持多久；二、判断主体的前提是主体不知道自己被作为样本；三、社会生活中，稳定的群体是谁？不稳定的群体是谁？稳定的群体更容易被样本化而呈现可推演性。不稳定的个人意志往往改变社会，脑残和精英主导了社会的前进；四、人会因为未来而改变过去的可能性到底有多大？
四、被移动互联重构的社会：随机性加大
在移动互联网出现之前，人类社会骨子里还是个部落族长制社会，这种社会的特征是需要绝大多数人形成共同的价值观，然后基于此来展开社会分工协作。即使你不认同这种共同的价值观，一种被称为法律或者道德的东西，也会迫使你按照这种规则做事情。
总之，一旦形成了主流价值观的趋势，你只有接受和不接受的权利。由于这种价值观在一定时期是固定的，这就使得社会整体的行为逻辑是可以很大程度上被推演和归纳的。所以，我们会发现在国家和民族内，都有共同的生活习惯，尽管很多生活习惯是被强加的，并不代表认同。
在过去的社会里，你如果是一个生活在群体性特征下的异类，你的前途基本上很渺茫，会被不断地边缘化，处于自生自灭的境地。当然这个还算好的，如果你要反对这个社会的主流价值观，你的下场一般就是哥白尼之类的了。当然也有极个别的成功案例，就是被边缘化和不认同后，通过他自己的努力或者是运气，不但活下来了，还活得挺好。毕竟这样的人真不多。 但是互联网出现之后，情况有了很大的变化。一个被自己原先所在群体边缘化的人，通过互联网，往往能找到另外一些和他一样被群体边缘化的人，然后一拍即合，构建起一个新的群体。所以从这个角度来看，互联网其实是极大地促进了社会群体的分化。社会更趋向多元化的分布，主流价值观会被打破，越来越多的价值观会涌现。这就使得对群体性行为的预测难度加大，就算每个群体的行为都可以被预测，但所有群体叠加之后整个社会行为的预测难度会很大。
以前我们的社会讲究讲究规矩，例如播音员要字正腔圆，写文章要条理清晰，逻辑分明。现在发现不是了，你普通话越不标准，可能观众还越喜欢；你文章没人看得懂，但无数少男少女却为之疯狂。这意味着社会旧有的运行秩序会被重构，背后所反映的是样本分析、群体分析的难度在加大。
由此判断，未来的社会形态将呈现出“现代社会的部落制形态”，过去那种集中式、大一统的社会可能会进一步走向多元、分散，甚至去中心化，但由此带来的是整个社会更易陷入小团体有意识，整体无意识的社会方向，从而使得社会的前进方向更具随机性。
未来社会的另一个特征，是不可测事件的频发性。人类的进化并不是按照最优路径进行的，从进化通道来看，基因本身也会同时出现多种方向，并不是最先进的基因决定了进化方向。进化的方向往往带有极大的偶然性，随着外界环境的变化而变化，但外界环境又带有极大的不确定性，大量的事情是非必然的。
最好的例子是恐龙。恐龙的灭亡，很大程度是因为小行星的碰撞，这个突发的偶然性事件，使得统治了地球近1.4 亿年的恐龙在很短的时期里全部死去，代表了当时最先进生产力的恐龙就此灭亡，地球的进化方向转向了。没有任何数据可以推导出这个偶发性的外部因素，以及由此所造成的影响。
人类进化历程也必然如此，前进是必然的，如何前进却是偶然的。由于样本分布太少，数据不够充分，现实中恰是无法进行数据推演的。
简而言之，正确归纳和推演社会普遍群体的某一逻辑，其背后需要稳定的社会环境基础，而稳定的社会环境基础，却往往会被少数人所改变。因此，结论是社会群体的推演其实是无法预测的，而且移动互联时代更加剧了进程的不确定性。
注：本文中的部分信息为根据公开资料整理，其中的原创信息版权归其相应作者