從最宏觀的角度來看，大數據的邏輯是相對于人腦的選擇機制而提出的，大數據分析是理性的，不帶任何情感色彩，而人腦的選擇機制則是非理性且受限的，會有很多主觀的因素。表面上看起來，大數據分析所帶來的結論似乎更靠譜一些，但是實際上，我們在現實當中所面臨的問題則還是要依靠人腦來定奪。

人不是IT設備，不像計算機那樣在遇到某個事物的時候可以調用所有的信息。在面對選擇的時候，人們所采取的步驟是：調動記憶當中所存儲的可以最快調用的信息，并根據眼前的場景給出問題的解決方案——思考一下，你是不是這樣處理問題的。

大數據分析與人腦的選擇機制

人腦的選擇機制面臨著兩個制約因素，第一是記憶庫存儲量的大小，第二則是思考路徑的選擇。

舉例來說，圍棋棋手需要背熟大量的定式，這樣才可以在進行圍棋比賽的時候在規定時間內讓自己可以做出面對復雜局面的最優選擇。這種儲存在大腦當中的“定式記憶庫”的優先級是高于圍棋的“計算力”的，一個計算力很強但是不背定式的棋手，在實戰中一定會吃虧于計算力沒那么強但是背定式的棋手，特別是在局部的“戰斗之中”。

但是AI圍棋則不同，因為AI圍棋的數據庫足夠龐大，因此對于它來說，棋盤上的每一步“都是定式”，它的定式就是計算出來的結果。圍棋棋盤上的變化雖然多，但是因為受到縱橫十九線的限制，在有限的變化范圍內，IT系統是可以采用“窮舉算法”的。

或者，我們再換一個邏輯，如果一個最聰明的棋手，在他的大腦之中儲存了如AI程序一樣多的“定式”呢？畢竟圍棋的“戰況”只是黑白棋子“排列組合”的結果，實戰測試已經告訴我們，人類的超一流圍棋選手，可以在前幾十步的時候下得和AI程序一樣，但是人腦會因為受限思維而犯錯，電腦則不會。

所以，如果想讓我們的大腦可以做到更正確的判斷，對于任何人來說，重要的步驟都是增加自己的“數據庫”容量，這也是“學習使人進步”的道理所在。

說到“思考路徑的選擇”，很多人都忽視了這個問題。在我們試圖給出一個解決方案的時候必然要調用自己的記憶，而調動哪一部分記憶，則就取決于思考路徑的選擇了。

大數據分析與人腦的選擇機制

比如我們談到文旅項目，如果你設置自己的思考路徑是從“如何規劃硬件建設開始”，那么肯定和思考路徑是“游客為何前來消費”不同的，因為路徑的不同，調用記憶中的信息庫、知識庫肯定也不同，最后給出的解決方案則肯定也是不同的。

那么理性的大數據呢？也許它可以通過對個人信息的采集，告訴我們游客來自哪些地區、年齡多大、乘坐什么交通工具、消費多少……，但是它卻沒有在文旅項目興建之前，告訴我們這個文旅項目是否可以贏利。

除非我們真的像電影里演的那樣，生活在虛擬的數字世界當中，否則我們就不應該只相信感性的或者理性的認知，對于現實世界來說，這兩種認知是互相補充的。我們需要大數據的采集分析能力向我們提供做出判斷選擇的依據，但是這個判斷選擇卻必須由我們的人腦來完成。

最后要強調的一點是，再“大”的大數據，也只能告訴你已經發生了什么，而不會告訴你未來會發生什么，未來，必須靠你自己！