大数据对社会有多大用处？

规范性分析是商业智能（BI）中使用的四种大数据类型之一。大数据是一个描述大量数据的术语-结构化和非结构化-这些大量数据淹没了企业或任何数据驱动组织的日常运营。专家认为，到2020年，全球数据量将增长到40 Zettabytes。

使用规范性分析的好处很多，这种有效的模型允许企业，政府，投资者和研究人员根据统计趋势推荐应采取的后续步骤-科学支持。在规定如何有效管理资源时，规范性分析极为有益。

当说明性分析与预测分析结合使用时-提供可能发生的预测的数据类型-大数据应用对社会的潜力变得明显。加州大学洛杉矶分校的研究人员预测模型可以预测犯罪可能发生的地方，从而告知当地警察应该在哪些地方进行巡逻。

如果正确收集和应用数据，这些预测性计划将大大减少种族和种族貌相，同时有助于减少警察经常不巡逻的地区的犯罪-从而减少执法与少数民族社区之间的紧张关系。预测分析正在发展成为医疗保健工具，如果预防性- 单一支付者 -医疗保健系统在美国实现，它可能成为该行业的有力工具。

基于GDP模型的精确预测

定量研究员哈里雷蒙德约瑟夫最近承担了使用预测模型来预测国内生产总值增长（GDP）的挑战。在他最近的论文中，Harry描述了他的一部分方法，这些方法使用机器学习和复杂数据算法，仅使用海港导入数据提供更准确的预测。

哈利选择使用海港进口数据，因为它是多么容易获得 -有些情况通过国家和国际协议得到保证-使其成为机器学习算法的重要来源。这项研究是第一次出现的深度学习算法-基于人工神经网络-已被用于预测GDP。

该模型已被证明非常准确，澳大利亚，日本和英国的GDP增长预测均在2016年实际增长的0.05％以内-日本增长是最准确的预测。巴西，法国，印度和美国的准确率均在2016年GDP增长的0.15％以内。尽管两国经济问题日益严重，但对印度和英国的预测优于专家分析。

由于在社会的不同部门使用大数据已经看到了结果，深度学习算法的好处变得越来越明显。在未来，这种预测性和规范性分析可能成为美国政府，经济，医疗保健和司法系统运作的重要组成部分。

在预测GDP之外的其他部门中，可以复制这样精确的结果，特别是如果数据集经过精心构建并且从过程中消除了固有的偏差。当被问及有多少不同的部门可以看到他的算法用于超出GDP预测时; 哈利回答说：“在GDP预测之外，机器学习在宏观经济和大规模系统中的应用总体而言是多种多样的。例如，研究表明机器学习可以用来控制大量人群中的流行病，并在实际发生冲突之前预防冲突。“