【文献与探索】大数据方法：运用现代数据分析技术构建组织科学

类别：城市治理

大数据、云计算、互联网+、虚拟现实、机器学习等等这些与信息通讯技术(ICT)有关的新概念大家耳熟能详，不过本公众号主张大数据等并非仅仅是数据量之大小，也并非仅仅是解释因果还是统计相关之差异，而是一种新的研究方法与思维，不仅可能更新计算社会科学的方法论，而且更可能会带来社会科学新的认识论。最近三位美国学者Scott Tonidandel1, Eden B. King,and Jose M. Cortina就在组织研究类权威期刊《组织研究方法》(SSCI 2区)上共同发表了题为《大数据方法：运用现代数据分析技术构建组织科学》的学术论文，深入探讨了如何使用大数据方法进行组织研究这一前沿问题。（Big Data Methods: Leveraging Modern Data Analytic Techniques to Build Organizational Science，Organizational Research Methods，online first November 16, 2016,DOI: 10.1177/1094428116677299）

文章指出，当前数据挖掘、数据可视化、机器学习等数据科学已经可以处理大量的组织科学研究问题，大数据为我们从根本上改善现代科学研究提供了机会。但很少有学者专门讨论大数据问题以及大数据对科学的影响，通常大数据被认为是纯经验主义，大数据方法没有得到广泛认同。因此，我们对大数据前景和危害的认识明显不足。

本研究概述了大数据现象，从正反两面讨论其对组织科学潜在的影响。研究旨在激发大众对大数据的兴趣，促进使用大数据方法进行研究，鼓励在组织科学研究中更广泛地使用大数据科学。

首先，论文定义大数据概念，指出了大数据的关键特征：从3V到观念模式转变。以往的研究通常将3V视为大数据的本质特征，即Volume（数量）、Velocity（速度）与Variety（各类）(Laney, 2001)，后来IBM提出了大数据的5V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。不过文章主张，这些V虽然有价值，但并非本质特征，比如随着技术的发展，20年前所谓少量数据今天一台普通个人电脑就可以处理，所谓数量之大、速度之快都是在不断变化的，因而我们需要转变我们的观念模式，使用大数据方法研究组织科学不是依赖于其有多少个V，而是大数据方法会带来社会科学的新技术、新统计方法或者新理论，甚至新的认识论转变。本文依据这种大数据将会带入到研究与实践启示中的新的观念模式将之视为一种具有革命性的潜能。Brieman (2001)区分了看待统计模式的两种文化，一种视之为数据模型，另一种称之为算法文化。本文作者主张“统计学家”一词将会被“组织科学家”所取代。

研究详细分析了大数据带来的机会，也讨论大数据对研究方法的影响。大数据带来的机会有：1.用新的方法研究旧的问题，2.处理现有的实际问题，3.研究新的问题，4.从根本上改善现有科学。大数据对研究方法的影响主要有：1.学会不使用一种确定的模型，2.超越线性方法，3.更新测量方法，4.反复归纳和演绎的过程，5.抽样调查的新观点。

研究同时也指出利用大数据时主要的障碍，主要是对组织科学的挑战：1.数据完整性，2.对大数据项目准备不充分，3.解释能力和黑箱问题，4.道德问题。目前对此方法批评最多的是通常认为数据网络中存在着黑箱的本性，比如“神经网络分析就是运用神秘的组织内部运作来研究的一种最佳的黑箱方法，因为神秘感是我们意识起源的特征” (Berry & Linoff, 1997, p. 282).对黑箱问题的另一种批评则认为算法只是理论上的模拟，并非社会现实。

文章结论是，大数据有利有弊，但它为我们带来了新的研究问题和方法。作者希望能够引起大家对大数据的关注，呼吁更广泛的对于大数据方法的使用和研究，并且提供了一些大数据方法供读者使用。
附录：大数据方法工具包(部分)。

如果您喜欢此文，请转发和分享给朋友们。谢谢！

附参考文献：

Allen, T. D. (2015). Connections past and present: Bringing our scientific influence into focus. Industrial- Organizational Psychologist, 52(3), 126-133.

Bakshy, E. B., Eckles, D., & Bernstein, M. (2014, April). Designing and deploying online field experiments. Paper presented at the 23rd World Wide Web International Conference, New York, NY.

Blok, A., & Pederson, M. A. (2014). Complimentary social science? Quali-quantitative experiments in a big data world. Big Data & Society, 1, 1-6.

Laney, D. (2001). 3D data management: Controlling data volume, velocity and variety. Retrieved from https://blogs.gartner.com/doug-aney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-

Velocity-and-Variety.pdf

Brieman, L. (2001). Statistical modeling: The two cultures. Statistical Science, 16, 199-231.

近期推送的相关文献：(直接点击链接即可进入该页面)

此处也可以下载全文：

http://www.researchgate.net/publication/310472592_Big_Data_Methods_Leveraging_Modern_Data_Analytic_Techniques_to_Build_Organizational_Science

原文链接（阅读原文　点击左下角）：

欢迎您提出与本文内容、主题或翻译有关的各种问题与建议！

欢迎关注、订阅微信公众号【上理公共管理】。本公众号是由公共管理学科的老师和学生志愿者开发的学术和交流平台，重点是公共管理领域的热点问题，我们每日整理、翻译并推荐一篇最新权威英文文献。核心内容分为三大板块：1、公共政策文献与案例，2、公共管理教学与交流，3、公共治理反思与探索。

欢迎推荐或自荐研究成果，来稿请致邮箱：[e-mail]

PS：如何加入微信公众号：

您可以扫描下面的二维码，或者搜索公众号：“上理公共管理”，或者加原始ID:
　 gh_dd2c06e61722　然后点击加入即可。

PS：如何查看以前推送的精彩文章：

您只要点标题下方的“上理公共管理”，并选择“查看历史消息”即可，精彩就会尽现。谢谢！