1樓：江楚
瀉......藥，居然是3年前的問題。資料分析其實是個很靈活的事情，什麼方法好用就用什麼，反正方法多工具也多。
以前做抽樣是因為很難做到全樣本採集，要耗費巨大的人力物力時間成本，具體可參考全中國人口普查，沒辦法才會去用抽樣，從資料採集角度來說從來都是越多越詳細越好。
那麼現在還會用到抽樣嗎，會。受不同垂直行業的業務原因，不是所有公司都能拿到使用者的職位，年齡，性別，收入這種偏使用者畫像的資料的。電視台收視率這種資料採集似乎跟以前也沒什麼區別吧
另外還有一種情況會用抽樣，就是資料量太大，在做分析的時候，不一定要用到全量資料，這樣對資料計算壓力很大，反而會影響到工作效率。以前跟某家手裡有好幾億使用者的大公司的人聊過，他們做abtest只會抽出一小部分使用者做就好，完全不需要過多資料。
2樓：Mr.Wildkid
是需要的。
選擇抽樣說白了兩個原因：1)無法得到樣本整體；2）或者得到樣本整體的成本太高。
大資料時代讓資訊收集的成本「相對」降低，但如果你面對的情況無法解決獲取樣本整體的成本問題，依然需要使用抽樣統計。
大資料給了我們新的思路和新的手段，但抽樣統計依然是一種有智慧型的、應用面很廣的方法。
3樓：DataFish
有必要。在資料和業務對接的時候，資料分析和處理並不是唯一的產能瓶頸。
例如我們要對客戶做分類。客服做回訪的方式來分類的話，如果做全量回訪，乙個月幾十萬使用者，根本不可能做完。但如果是抽樣，加上相關指標去訓練模型，就有可能把待分類的客戶，根據他們的行為資料來做模型。
所以抽樣還是很有必要的，大資料不是為了大而大，也不是不用抽樣，不用管因果，要看清背後的本質。
4樓：NINGTAO WANG
必不可少！
如果你的研究目的只是獲得一些描述性的統計量，比如中位數，平均值，百分比。那麼在能夠獲得並處理總體資料的前提下，具體的抽樣方法確實就沒有什麼意義了。
但是對於絕大多數研究來說，他們的目的在於現象背後的機理，在於因果關係的推斷。在這樣的意義下抽樣統計是必不可少的。一般來說，對於大資料的挖掘只能得到相關性的結論，而不能得到因果關係的推斷.
要得到因果推斷，必須要消除其他因子對結果的潛在影響，要做到這一點就必須設計實驗，設計抽樣。
Correlation does not imply causation 這個鏈結裡解釋了相關性與因果關係的不同。
在大資料時代我們還有隱私嗎？
小戈 只要你有一張身份證，使用過手機和電腦，就沒有任何隱私了不信你欠個網貸試試，連你自己都忘了和誰認識，有過哪些同事，和誰睡過覺，去過哪些地方都保證一清二楚的給你翻出來 你自己只能查六個月的聯絡歷史，人家能查你一輩子你自己沒權利知道的人家都能知道 搞大資料的許塵 大資料技術通過分類 聚類 回歸分析 ...
在現在這個時代大資料背景下，隨著大資料加網際網路的發展未來技術型人才的需求量是會增多，還是會減少
社會對底層技術人才的需求會減少，同時底層技術人才的待遇會降低 更多的底層技術人才迫於壓力向上爬，導致中層技術人員的競爭加劇，議價能力降低，收入水平下降 高層技術人才依靠的是天賦，所以不需要太擔心來自中低層技術人員的競爭壓力，畢竟天賦上的差距不是 普通的後天努力 所能彌補的，而能做到 不普通的後天努力...
大資料時代對統計學和經濟學有何影響？
在下的美式不加糖 影響還是挺大的，好的方面是獲得資料的難度降低不少，很多之前苦於沒有資料不能做的選題，現在有可能通過購買資料來實現了。但同時也帶來了乙個很大的問題，資料越詳實，給人感覺真實性就越高，但真實性高不代表反應的問題就客觀，選擇性偏差問題在大資料下會顯得特別突出，這就對研究者的社會理解能力提...