二、统计思维的变化
改变统计思维，是大数据时代的必然要求。否则，统计学科就有可能被大数据的潮流所吞没，至少会被边缘化，失去一次重要的参与推动历史变革的机遇。当然，统计思维的变化应该以一个永恒不变的主题为前提，那就是通过数据分析去揭示事物的真相，这个真相就是事物的生存规律、联系规律和发展规律。也就是说，数据分析要以数据背后的数据去还原事物的本来面目，以达到求真的目的。如果说，我们原来限于各种条件只能根据有限的样本数据去实现这个目的，那么现在我们则可以在很多方面借助大数据去实现这个目的，关键就看我们开展数据分析的能力有多大，或者说利用大数据、从一切数据中提取有价值信息的能力有多大——因为大数据无疑增加了统计分析的难度，而这又首先取决于我们统计思维能否适应大数据时代的变化。正如迈尔·舍恩伯格所说: 大数据发展的核心动力就是人类测量、记录和分析世界的渴望。
那么，统计思维应该发生怎样的变化? 笔者认为主要要有如下三大变化:
（一）认识数据的思维要变化。前面已经提到，与传统数据相比，大数据不仅体量大、变化快，而且其来源、类型和量化方式都发生了根本性的变化，使得数据杂乱、多样、不规整。
首先，从来源上看，传统的数据收集因为具有很强的针对性，因此数据的提供者大多是确定的，身份特征是可识别的，有的还可以进行事后核对。但大数据通常来源于物联网，不是为了特定的数据收集目的而产生，而是人们一切可记录的信号(当然，任何信号的产生都有其目的，但它们是发散的) ，并且身份识别十分困难。从某种意义上讲，大数据来源的微观基础是很难追溯的。
其次，从类型上看，传统数据基本上是结构型数据，即定量数据加上少量专门设计的定性数据，格式化，有标准，可以用常规的统计指标或统计图表加以表现。但大数据更多的是非结构型数据、半结构型数据或异构数据，包括了一切可记录、可存储的信号，多样化、无标准、难以用传统的统计指标或统计图表加以表现。同时，不同的网络信息系统有不同的数据识别方式，相互之间也没用统一的数据分类标准。再者，现在有的数据库是非关系型的数据库，不需要预先设定记录结构即可自动包容大量各种各样的数据。
第三，从量化方式上看，传统数据的量化处理已经有一整套较为完整的方式与过程，量化的结果可直接用于各种运算与分析。但大数据中大量的非结构化数据如何量化(结构化)、如何从中提取信息、如何与结构化数据对接是一个崭新的问题。正如Franks 所说: “几乎没有哪种分析过程能够直接对非结构化数据进行分析，也无法直接从非结构化的数据中得出结论。”更为重要的是，“量化”的含义恐怕也不一样了，即此“量化”不一定等同于彼“量化”，量化结果的表现形式自然也不相同。显然，我们不能套用已有的方式去量化非结构化数据。
可以说，大数据是杂乱、不规整、良莠不齐的，但我们不能因此而回避它、拒绝它，只能接纳它、包容它。我们需要将统计研究的对象范围从结构型数据扩展到一切数据，需要重新思考数据的定义和分类方法，并以此为基础发展和创新统计分析方法。从某种意义上讲，没有无用的数据，只有未被欣赏的数据，关键是我们从哪个角度看数据。
(二)收集数据的思维要变化。收集数据是开展统计分析的前提，“没有黏土，如何做砖?”以往，收集统计数据的思维是先确定统计分析研究的目的，然后需要什么数据就收集什么数据，所以要精心设计调查方案，严格执行每个流程，但往往是投入大而数据量有限。现在，我们拥有了大数据，就等于拥有了超大量可选择的数据——备选“黏土”的体量与种类都极大地增加了，所要做的最重要的工作就是比较与选择，因此我们的思维应该是如何充分利用大数据，凡是大数据源中能找到的数据就不再需要进行专门的调查。
但是，由于大数据来源与种类的多样性，以及数据增加的快速性，我们在享受数据的丰富性的同时也不得不面临这样一些困境: 存储能力够不够，分析能力够不够(是否及时、充分)，如何甄别数据的真伪，如何选择关联物，如何提炼和利用数据，如何确定分析节点? 现在TB级的数据库已经很多，PB 级的数据库也不少见，以后还会出现EB、甚至ZB、YB级的数据库。今天的大数据，明天就不再是大数据。这样一来，