30年前，約瑟夫·朱蘭（Joseph M. Juran）博士創(chuàng)造了“大質(zhì)量”一詞，以描述在質(zhì)量管理領(lǐng)域正在發(fā)生的根本性變化。對此，朱蘭博士將產(chǎn)品的質(zhì)量定義為“小質(zhì)量”，而將組織所有過程的改進稱之為“大質(zhì)量”。這種“大質(zhì)量”徹底改變了質(zhì)量傘所覆蓋的范圍，并在質(zhì)量傘之下增加了大量相關(guān)內(nèi)容，從而使質(zhì)量管理實踐及質(zhì)量管理觀念發(fā)生了根本性改變。

當今世界也正在經(jīng)歷著另一個從小到大的變革：即由小數(shù)據(jù)到大數(shù)據(jù)的變革。對于大數(shù)據(jù)來講，其所固有的性質(zhì)正在從正反兩方面深刻地影響著我們的社會，而對于質(zhì)量專業(yè)工作者來講，則必須學(xué)會如何在這種大數(shù)據(jù)時代背景之下長期生存和持續(xù)成功。

大數(shù)據(jù)是指若干組數(shù)據(jù)的集合，而這種數(shù)據(jù)集合所包含的數(shù)據(jù)量極及龐大而復(fù)雜，以至于采用傳統(tǒng)數(shù)據(jù)庫和數(shù)據(jù)處理方式無法對其進行有效處理。大數(shù)據(jù)所包含的巨大數(shù)據(jù)特點，可以從以下3個方面來理解：

數(shù)據(jù)儲存容量

當前，儲存在世界上的數(shù)據(jù)正在直線增長，2013年的數(shù)據(jù)容量達到1.2zettabyte（1zettabyte等于1021byte），而到2015年，估計世界數(shù)據(jù)儲存容量將達到8zettabyte，這意味著數(shù)字8后面帶有21個0。與此同時，數(shù)據(jù)儲存成本則以同樣速度直線下降，由二十世紀80年代的每gigabyte（1gigabyte等于109 byte）數(shù)據(jù)儲存成本為100萬美元，下降到2010年每gigabyte數(shù)據(jù)儲存成本只有10美分。

數(shù)據(jù)傳導(dǎo)速度

在此期間，數(shù)據(jù)傳導(dǎo)速度也如同數(shù)據(jù)儲存容量增長趨勢一樣得到了快速提高，從而使數(shù)據(jù)的生成、收集、儲存及處理速度有了大幅度提升，以滿足社會對數(shù)據(jù)的需要。

數(shù)據(jù)多樣化

大數(shù)據(jù)來源于社會方方面面，如數(shù)據(jù)庫、文件、電子郵件、電話記錄、儀表、傳感器、影像、視頻及音頻檔案、財務(wù)信息等，這些都是大數(shù)據(jù)的來源之處。進而言之，你的行為、言談或在電腦上輸入的文字、訪問過的網(wǎng)站、逗留過的地點、遇見的人…… 等等，都可能會以數(shù)據(jù)方式被記錄和儲存在某個地方。

即使在開始階段，大數(shù)據(jù)也已經(jīng)對我們生活中的方方面面產(chǎn)生了深刻的影響，并極大地加速了經(jīng)濟成長、科學(xué)進步及國際化發(fā)展。

在大數(shù)據(jù)時代，巨量數(shù)據(jù)可以被處理，而在一些情況下，所有與一個特別事物相關(guān)的數(shù)據(jù)都可以得到系統(tǒng)地分析。另外，大數(shù)據(jù)還可以針對某一事物的若干子類信息進行深度探尋和處理，而這一點是采用傳統(tǒng)取樣分析方法根本無法實現(xiàn)的。大數(shù)據(jù)無論是針對私人企業(yè)，還是針對公共領(lǐng)域，在決策過程中都扮演著越來越重要的角色。表1中所列出的一些運用大數(shù)據(jù)進行分析的案例，則僅僅展示出其冰山一角而已。

大數(shù)據(jù)現(xiàn)在是一種能夠產(chǎn)生新經(jīng)濟價值形式的業(yè)務(wù)原材料。實際上，大數(shù)據(jù)已經(jīng)成為了一種價值源，因為數(shù)據(jù)可以在第一次使用（首次使用）之后，還可以針對不同目的進行一次又一次的使用（二次使用）。

然而，大數(shù)據(jù)如果沒有得到有效管理，可能會對人類隱私、個人意愿及民主制度產(chǎn)生極大的威脅。最近，眾所周知的美國國家安全機構(gòu)監(jiān)視計劃所帶來的激烈爭論正在全世界范圍內(nèi)發(fā)酵，而且還沒有結(jié)束的跡象。這一監(jiān)視計劃引發(fā)了關(guān)于在大數(shù)據(jù)時代如何保護普通公民隱私范圍的廣泛討論。大數(shù)據(jù)不僅僅增加了個人隱私的風(fēng)險，而且也改變了相關(guān)風(fēng)險的性質(zhì)。由于大數(shù)據(jù)可以用于二次使用，這樣傳統(tǒng)保護個人隱私的方法（如：個人信息通告、準許、決定退出及匿名等）的有效性會受到極大的損害。

在美國，越來越多的假釋委員會正在通過大數(shù)據(jù)進行預(yù)先分析，然后根據(jù)預(yù)先分析結(jié)果做出是否準許囚徒假釋的決定。另外，越來越多的城市也采用這種預(yù)先分析方法，來選擇和確定是否應(yīng)當對某個地點和某個人進行額外監(jiān)視。

如果針對某人所做出的懲罰或監(jiān)視決定主要是根據(jù)其尚未承認的犯罪可能性，那么這種處罰或監(jiān)視決定將是非常危險的。這一做法的主要問題恐怕已經(jīng)遠遠超出了法律執(zhí)行范疇，其中包括雇主開除員工、銀行拒絕抵押貸款或妻子與丈夫離婚等，只因為任何一件已經(jīng)發(fā)生的壞行為都會引發(fā)高度犯罪的可能性。

同樣，如果大數(shù)據(jù)分析結(jié)果在預(yù)先分析中沒有得到正確判定，那么我們所知道的民主制度也將可能會處于危險之中。

如果這樣的話，那么大數(shù)據(jù)對于質(zhì)量專業(yè)工作者意味著什么呢？你是否已經(jīng)準備好來迎接這一徹底改變你生活及工作方式的變革所帶來的挑戰(zhàn)？

你必須改變關(guān)于抽樣大小、精確度及因果關(guān)系的思維模式。

第一個觀念轉(zhuǎn)變是從部分轉(zhuǎn)變到全部。在小數(shù)據(jù)時代，你要被迫去處理小數(shù)據(jù)結(jié)果，因為你不可能收集并分析所有數(shù)據(jù)。為了使抽樣統(tǒng)計代表全部人口，你盡可能隨機收集抽樣數(shù)據(jù)。

然而，實現(xiàn)全面隨機抽樣是比較困難的，即便采用隨機抽樣方法不是不可能的，但隨機抽樣卻很難從子群中抽取到相關(guān)數(shù)據(jù)。隨機抽樣也具有錯失不經(jīng)常出現(xiàn)但卻很重要信息的風(fēng)險，而偏見也會不知不覺地產(chǎn)生于抽樣過程之中，例如回答問卷調(diào)查。

在大數(shù)據(jù)時代，你可以收集到更多的數(shù)據(jù)，甚至全部數(shù)據(jù)。利用全部數(shù)據(jù)可以判明數(shù)據(jù)之間的相互聯(lián)系，并可以對數(shù)據(jù)及其子數(shù)據(jù)組詳細信息進行深度探究。大數(shù)據(jù)可以使你自由地核對許多假定事物，以及從不同角度密切審查相關(guān)數(shù)據(jù)。大數(shù)據(jù)還可以減少由抽樣引起的偏見，因為數(shù)據(jù)收集都是在人們正在從事日�；顒拥那闆r下進行的。

第二個觀念轉(zhuǎn)變是對可能發(fā)生的事放寬精確性。在小數(shù)據(jù)時代，對一件事物通常會盡可能多地要求其具有明確性和確定性。進入到大數(shù)據(jù)時代，你不必擔(dān)心某一數(shù)據(jù)觀點會對整體分析造成偏見，因為你可以依靠大量數(shù)據(jù)進行預(yù)先評估。實際上，通過放寬精確性，你可以收集到更多數(shù)據(jù)來改進預(yù)先評估結(jié)果的準確性，并幫助你對事實產(chǎn)生更加全面的認識。

誠然，大數(shù)據(jù)由于其用來收集和分析信息的工具不完善，在某種情況下會產(chǎn)生麻煩。然而，在大數(shù)據(jù)時代由于追求精確性所產(chǎn)生的困擾通常對事物也是無益的，因為這樣會浪費資源，并阻礙收集和分析更多數(shù)據(jù)的努力。因此，我們不應(yīng)當把缺乏精確性當作是一個問題，而應(yīng)當將其視為事實的一部分。

第三個觀念轉(zhuǎn)變是對相互關(guān)系的因果分析放寬限制。在小數(shù)據(jù)時代，對相互關(guān)系分析的方法選擇往往建立在某種假定的基礎(chǔ)之上，其準確性要通過相互關(guān)系分析來核查，而這一經(jīng)常帶有偏見且僅憑直覺的判斷過程不僅進展緩慢，而且成本昂貴。

在小數(shù)據(jù)組基礎(chǔ)上對真正因果關(guān)系進行調(diào)查常常會不切實際，并經(jīng)常用來作為確認現(xiàn)有知識和信念的捷徑。而在大數(shù)據(jù)時代，大量數(shù)據(jù)可供你選擇，強有力的計算功能可以快速確定最佳方法。建立在大數(shù)據(jù)基礎(chǔ)上的相互關(guān)系分析會提供可能性，而不是確定性；可以告訴我們是什么，而不是告訴我們?yōu)槭裁�。在許多情況下，這種快速而便宜的無關(guān)聯(lián)分析已經(jīng)足夠好了，這種分析如同事先提供可能的理由一樣，有助于因果關(guān)系的研究。

當今，數(shù)據(jù)正在成為新的燃料，供驅(qū)動經(jīng)濟發(fā)動機使用。終有一天，數(shù)據(jù)價值將作為一種新資產(chǎn)分類出現(xiàn)在公司的資產(chǎn)負債表中。那些在大數(shù)據(jù)價值鏈上的相關(guān)者，如數(shù)據(jù)持有者、數(shù)據(jù)專家及具有大數(shù)據(jù)觀念的機構(gòu)，無疑將會從大數(shù)據(jù)中獲得利益。然而，歸根結(jié)底，其最大價值則在于數(shù)據(jù)本身，這是因為數(shù)據(jù)常常會說話——數(shù)據(jù)中總是存在值得人們?nèi)�學(xué)習(xí)和認識的知識和信息。數(shù)據(jù)的價值常常可以通過數(shù)據(jù)首次使用及其二次使用來獲取。

在數(shù)據(jù)推動一切的今天，那些掌握了大數(shù)據(jù)的組織將有機會戰(zhàn)勝其競爭伙伴，并保持領(lǐng)先地位。一個小而靈活機智的組織雖然規(guī)模不大，照樣能夠健康發(fā)展，與此同時，一個不能掌握全部數(shù)據(jù)的組織將面臨為生存而戰(zhàn)斗的巨大壓力。

質(zhì)量專業(yè)工作者必須幫助其所在組織獲取更多數(shù)據(jù)，并通過大數(shù)據(jù)分析來協(xié)助做出正確決定（如表1中所展示大數(shù)據(jù)分析應(yīng)用案例）。

你可以通過自動化和數(shù)據(jù)推動業(yè)務(wù)過程獲取更多內(nèi)部數(shù)據(jù)。大數(shù)據(jù)不應(yīng)當只用于撰寫報告，也應(yīng)當用于提取預(yù)測解析模式。

通過從政府所擁有的公共數(shù)據(jù)庫中挖掘數(shù)據(jù)，使預(yù)測解析結(jié)果不僅能夠用于政府管理目的，而且也能夠使非政府組織從中獲益。

組織可以從私人數(shù)據(jù)持有者那里購買數(shù)據(jù)，也可以通過中間人將自己掌握的數(shù)據(jù)與其他數(shù)據(jù)持有者分享或合并。通過簽署某種業(yè)務(wù)協(xié)議，所有對數(shù)據(jù)組合并做出貢獻的人都可以從這些數(shù)據(jù)組中獲得實際價值。

最后，組織通過針對不同目的重復(fù)使用數(shù)據(jù)組，通過將不同數(shù)據(jù)組結(jié)合為新的數(shù)據(jù)組，通過針對多種用途將數(shù)據(jù)組延伸到大數(shù)據(jù)中，并通過收集自然產(chǎn)生的數(shù)據(jù)（數(shù)據(jù)已成為人們行為和活動所自然產(chǎn)生的副產(chǎn)品），可以從數(shù)據(jù)組中獲取并利用更多的價值。在必要的情況下，數(shù)據(jù)還可以轉(zhuǎn)賣給數(shù)據(jù)購買者，而一個組織也可以向其數(shù)據(jù)使用者收取相關(guān)費用。

在小數(shù)據(jù)時代，人們所做出的決定主要根據(jù)綜合相關(guān)事實、對事物的看法及有根據(jù)推測，而貫穿于一生經(jīng)驗所獲得的才能和知識在傳統(tǒng)決策過程中發(fā)揮著至關(guān)重要作用。進入大數(shù)據(jù)時代，這一切正在發(fā)生變化，針對任何決定，都要經(jīng)過大數(shù)據(jù)分析才能做出，或者至少要經(jīng)過大數(shù)據(jù)確認。

質(zhì)量專業(yè)工作者必須學(xué)習(xí)和掌握與大數(shù)據(jù)相關(guān)的知識和技能，如統(tǒng)計學(xué)、初級預(yù)測建模、基礎(chǔ)計算機編程等，從而使這些知識和技能在決策過程中發(fā)揮有效作用。

關(guān)于統(tǒng)計學(xué)，相關(guān)分析方法及回歸分析方法是最需要掌握的。彼爾遜（Pearson）積矩相關(guān)系數(shù)是最通用的相關(guān)分析方法，以測量兩個變數(shù)之間的線性關(guān)系，而史皮爾曼（Spearman）等級相關(guān)系數(shù)則是針對兩個變數(shù)之間統(tǒng)計相關(guān)性的非參數(shù)測量方法。在回歸分析方法方面，最小平方是一種通用的方法，而其他回歸分析程序還有非線性回歸、正交回歸及邏輯回歸方法。

關(guān)于預(yù)測建模，決策樹是你首先要學(xué)習(xí)和掌握的一種方法，因為這種方法以其簡明而有效的方式受到了大數(shù)據(jù)科學(xué)家們最廣泛的青睞和應(yīng)用。這種方法并不像你所想象的那樣復(fù)雜。

圖1所示為摩根大通（Chase）銀行所使用的決策樹狀圖，以預(yù)測個人抵債人的預(yù)付款所產(chǎn)生的相關(guān)風(fēng)險。這種決策樹狀圖基本上是由若干代表價值試驗矩形圖而組成的流程圖結(jié)構(gòu)，而每一試驗結(jié)果則直接產(chǎn)生為下一級圖示。每個下一級圖示會引導(dǎo)出一個新試驗，直到做出決定為止（在這一案例中，決策就是預(yù)付款的風(fēng)險）。

為了預(yù)測一個抵債人預(yù)付款風(fēng)險，每一個案例采取由高至低倒樹狀形式，并通過一系列試驗來測算，直到做出相應(yīng)決定為止。例如，這一模型預(yù)測抵債人瑪麗·鮑賽（Mary Bowser）有26.5%傾向來預(yù)付其抵押。這一預(yù)測是基于其數(shù)據(jù)：利率為8.8%、100000美元抵押及80%貸款/價值比率。針對瑪麗·鮑賽這一案例的預(yù)測分析路徑如圖1所示。

另外，可以用于預(yù)測建模的工具包括人工神經(jīng)網(wǎng)絡(luò)、對數(shù)線性回歸、支持向量機、樹狀網(wǎng)等方法。如果你想要學(xué)習(xí)預(yù)測建模，可以通過閱讀相關(guān)網(wǎng)絡(luò)和書籍，或通過參加網(wǎng)上課程來獲得相關(guān)知識和信息。

質(zhì)量專業(yè)工作者必須學(xué)習(xí)如何與大數(shù)據(jù)科學(xué)家緊密合作并一道工作。這些大數(shù)據(jù)科學(xué)家是數(shù)據(jù)分析、人工智能和統(tǒng)計方面的專家，他們的知識與技能是對質(zhì)量專業(yè)工作者所掌握知識與技能的補充，并為大數(shù)據(jù)時代帶來了新的觀念與做法：他們通常已經(jīng)養(yǎng)成了不帶任何預(yù)先斷定及偏見而讓數(shù)據(jù)說話的專業(yè)化習(xí)慣。

同樣，我們應(yīng)當遵守目前的政府相關(guān)方針和法律法規(guī)，以保護我們的社會免受大數(shù)據(jù)風(fēng)險的影響，并防止產(chǎn)生數(shù)據(jù)巨頭。為此，未來政府關(guān)于大數(shù)據(jù)方針及相關(guān)法律法規(guī)發(fā)展方向如下：

1. 保持數(shù)據(jù)使用者對其所作所為負有責(zé)任。

2. 實施“差別性隱私”方式，從而使一些數(shù)據(jù)組合變得模糊不清，這樣針對一個數(shù)據(jù)的詢問將只會得到大概的結(jié)果。

3. 保證人發(fā)揮作用，這樣對人產(chǎn)生影響的相關(guān)政府及組織所做出的重要決定將取決于人的行為與行動，而不是簡單地建立在大數(shù)據(jù)分析預(yù)測基礎(chǔ)之上。

4. 建立一個新的專業(yè)學(xué)科（起一個合適的學(xué)科名字），以此來擔(dān)負起監(jiān)視和審核責(zé)任義務(wù)，以及可追溯性和公平競爭的相關(guān)工作。

在大數(shù)據(jù)時代，質(zhì)量專業(yè)工作者的某些經(jīng)驗將會失去價值，以前質(zhì)量專業(yè)工作者作為質(zhì)量衛(wèi)士的大多數(shù)傳統(tǒng)工作職能會由計算機承擔(dān)。質(zhì)量專業(yè)工作者必須探索大數(shù)據(jù)不能預(yù)測的領(lǐng)域：大膽夢想，縝密思考大數(shù)據(jù)之外的事物，勇于冒險，并發(fā)明創(chuàng)造。

另外，質(zhì)量專業(yè)工作還必須成為“右腦思考者”，從而使其能夠以高級概念（設(shè)計、故事及交響曲）和高級體會（同感、娛樂及意愿）能力來對自己所掌握的專業(yè)技能進行補充。其中，設(shè)計就是發(fā)現(xiàn)方法和機會并創(chuàng)造美的東西；一個具備敘述故事能力的人一定知道如何構(gòu)思、講述令人信服的故事；交響樂則如同將不同思想融合到一種新的思想之中；同感就是認同，并理解其他人的感情和態(tài)度；娛樂是指從自己的生活中發(fā)現(xiàn)樂趣，并從其他人生活中探尋出快樂；意愿則表示對目的和含義的追求。

通過運用全新的觀念、強大而有力的數(shù)據(jù)集以及得到提升的專業(yè)技能，質(zhì)量專業(yè)工作者必將滿懷信心地迎接大數(shù)據(jù)的挑戰(zhàn)，并在這一新的大數(shù)據(jù)世界里健康而順利地向前發(fā)展。這就是在21世紀里，大質(zhì)量為我們所展示的一個非常重要的前景。