2.2　数据思维认知的主观性与客观性

下面从主观性与客观性的角度对数据思维进行探讨，其中，更多集中在数据工程中的不同阶段。

1．数据思维的客观性认知

大数据分析技术必须依靠和尊重客观事实，建立在客观性的基础之上。大数据分析技术的客观性思维特征既表现在其作为一种科学主张的性质，也表现在进行科学认知研究的过程中所用的方法、程序及所秉持的态度。另外，客观性是科学知识的基本属性，而大数据分析技术作为一种科学技术手段，同样应该把客观性作为分析和计算的基础。

众所周知，大数据分析需要依靠的核心技术是各类数据处理与分析软件或系统模型算法。因此，不管是哪种大数据分析方法，在执行运算的过程中，都不会掺杂任何的主观性因素。所有的大数据分析完全是由硬件执行提前设计好的算法或程序，最终得出分析结果。客观性无疑是大数据分析认知路径中的主体特征，是人们排除主观经验的无私利性和无偏见性的重要体现。

2．数据思维的主观性认知

数据分析享有对大数据分析的结果优先的绝对解释权，数据思维的主观性认知特征正是表现于此。可是，如果这种优先权完全代表的是与客观事实无关的个人意见、偏见，那么对优先权的要求就是无理的。此时，大数据分析便会发挥其客观性的特征，拒绝并阻止这一优先权。

数据思维的主观性认知特征大致表现在以下两个方面：

第一个方面是被认知的对象，即海量的数据库。就其内容本身而言，具有不可避免的主观性。因为首先我们在认知过程中得出的各种数据资源，不可能把认知的主体和客体严格地区分开；其次，感受特质并不是完全由客体强加的，而是包括认知主体的选择和功能构建的主动性过程。

第二个方面是数据思维的认知路径中所用到的数据处理方法。因为人类的认知过程本身是具有主观能动性的，即人类的认知过程是一个主观创造的过程。数据思维的认知过程要求人类发挥其主观能动性，设计并创造出先进的算法及处理和分析数据的工具，以此来提高数据思维的高速性、高效性及可靠性。从这个意义上来讲，在数据思维的认知路径中还带有显著的主观性思维特征。

综上所述，数据思维的认知路径作为依托于实际生活的微分方程式优化处理方法，必然是客观性与主观性相结合的，两者相伴存在，具有高度的统一性、互补性、融合性。不管是大数据来源本身还是大数据分析中的每一个计算方法，都是客观性与主观性的内在结合。

3．数据思维主客观性的认知统一

在运用数据思维认知事物的过程中体现了主观性与客观性的特征。其中，客观性作为数据思维的认知路径中的主要思维特征，保证了整个认知系统的有效性，但是一些无法避免的主观性因素依然存在，这就使得最终的认知结果会出现一定的偏差。信息反馈在大数据分析过程中的合理应用极大地减少了这个不足，从而保证了数据思维的认知过程的有效性和认知结果的可靠性。

计算机和互联网技术的广泛应用和发展是大数据分析技术的基础和关键。计算机技术的运行过程简单地讲便是信息输入、加工及再输出的过程。信息反馈也可以被看作这一过程的简单类比。信息反馈是一种揭示信息反过来调控系统稳定的内在机制，数据思维的认知过程正是依靠这一机制来保证整个系统的有效运行的。

具体来看，首先，在数据思维的认知过程中，数据即为信息。这里的信息即输入数据。信息具有相当广泛的意义，是一种涵盖人类活动的各个领域的具有普遍性的基本属性。其次，所谓反馈，就是把信息反过来作用于系统的输入端，从而对系统的再输入产生影响，进而对系统的功能产生影响。在数据思维的认知过程中，有个别的主观性因素会作为输入数据，然后在信息反馈机制的作用下，形成反馈回路，表现在功能上则是使它们具有自动调节的功能。最后，信息反馈机制保证数据思维认知的主客观特征统一的具体运作过程为：数据思维认知过程是一个具有反馈机制的循环过程，个别主观数据的输出作为初步结果被有控制地再次回授输入中，因此，在维持某些变量的意义上或者在引向一个预期目标的意义上，整个思维过程都成为一种自调节系统。换句话说，反馈机制使得数据思维的认知过程得以趋近人类认知的目标值（目的）。因此，人类的认知行为及控制都在数据思维的认知过程中形成反馈，从而起到自我调节的作用，直到达到一个具体、统一的认知数据（结果）为止，从而达到一个认知的合理的稳定状态。

综上所述，对于整个数据思维的认知过程，从数据输入到输出，都摈弃了偏颇甚至错误的主观性认知数据，接近客观性认知数据，具备了更强的稳定性。也就是说，通过这样的不断反馈，使数据思维的认知过程达到了主观性与客观性的统一。