使用大數據來預測實務世界裡的現象，需要「理論」來支持嗎？以往可能有人說不必，但是澤基‧西姆塞克（Zeki Simsek）等學者，最近在頂級的管理學期刊Academy of Management Journal主編的話（From the Editors）專欄中，提出對大數據的新看法（New Ways of Seeing Big Data）。他們認為，如果沒有「理論」，大數據方法通常無法對其應用的管理現象進行解釋，同時大數據也不能替代嚴謹的研究設計。
建構理論一直是學術界做研究時追求的目標。過去幾年，大數據研究盛行，因為在資料驅動（data driven）的世界裡，整理、分析資料，並從中建立預測模型，成為學界的新潮流。但這股風潮對於建構理論卻不那麼重視。澤基‧西姆塞克等人最近觀察到，關於大數據研究的觀點，主要有以下三類特徵：一、研究從小數據到大數據，以達到資料驅動（data driven）的目的；其次，研究則從強調「因果關係」到探究資料背後的模式與相關性；三，研究也從驗證理論到從資料中發現新見解，如圖1所示。
西姆塞克等人認為，這些特徵看似合理，但真正重要的是大數據背後的「大數法則」，因為在具有足夠的資料與樣本的狀況下，錯誤（與不確定性）必然會降低。此外，運用大數據分析所獲得合理結論的意義，遠大於大數據本身的特徵（數量Volume、速度Velocity或類型Variety…等）。因此，關於大數據的研究，真正的問題不在於大數據本身，而是思考、蒐集、調查大數據的方式。
不過，話說回來，西姆塞克等人提醒，如果沒有「理論」來支撐，大數據方法通常無法提供對其應用的「管理現象」加以解釋，甚至無法類推。大數據也不能取代嚴謹的研究設計，以及對研究問題的適當考量。
他們因此鼓勵研究人員，除了強調資料蒐集、儲存、整合、分析、報告、以及視覺化的邏輯，並應此以擬定和傳達其大數據研究的研究設計之外，因為如果資料的建立、操弄、分析的過程透明度很低，其他研究者將難以「重現」與延續該研究，也有違科學方法傳承的目標。西姆塞克等人建議，有關研究設計，在運用大數據之前，可先用小樣本確定效度，或是結合其他研究方法，以確定效度和闡明研究過程。
他們並提醒，大數據研究中，將「資料」轉換為「構念」和「變數」的過程常常缺乏透明度，可能沒有明確的理論推導。因此，必須有效說服其他研究者（通常是審稿者與讀者），從大數據中發現的相關模式是合理的，而非僅僅是「偶然」的關聯。無論研究者是使用何種分析技術，都應清楚描述各種變數與各變數的關聯過程，而不是將它們掩埋在「黑盒子」中。更重要的是，研究者有義務證明其所使用之工具和技術的合理性。
最後，西姆塞克等人提到，雖然大數據研究有其應該強化之處，但對於理論測試，大數據研究方法與統計推論方式同樣有效，甚至更好。同時，在運用視覺化方式演示研究結果，大數據研究具有非常大的優勢。
資料來源
Simsek, Zeki, Eero Vaara, Srikanth Paruchuri, Sucheta Nadkarni and Jason D. Shaw （2019）, “From the Editors: New Ways of Seeing Big Data,” Academy of Management Journal, 62 （4）, 971–978.
作者：蘇宇暉（台科大管研所博士候選人）、羅凱揚（台科大企管系博士）
繪圖者： 曾琦心（臺灣行銷研究特約設計師）
歡迎加入我們的Line@獲取即時訊息！https://line.me/R/ti/p/%40cde8265r
