这两个词最早出现是在上世纪90年代。按照当时的解释，大科学时代主要是指单打独斗的时代结束了，要搞集团军式的科研。也有一种说法是，要把学科的范围向外扩张，扩到所有有关的学科论题范围内。也就是说要搞无所不包的科学，一个是从组织形式上定义，一个是从研究范围上定义。

其现代版本就是：科研团队;跨学科。

大数据时代最初是指：科研人员面临海量数据的采集、处理、解释工作，对数据作简单直观分析的时代过去了，要从噪音远大于有效信号的情况下提纯出有效信号，也就是谱分析的时代到来了。

其现代版本就是：海量原始数据采集、处理;数据解释及拟合(与理论对比)。

在经历工程化应用的成败后，有以下几个要点是可以肯定下来的：1、海量原始数据采集、处理的价值和有效性取决于最初的理论考虑；2、数据解释及拟合结果的科学性还是取决于对理论的把握程度。3、理论水平的地位被迫推上第一位。因而，大数据时代拼搏的是对学科理论的深层次把握能力。

有的人误认为所谓的大数据时代就是从数据出发，用五花八门的算法得到“成果数据”，尔后做出“合理的解释”，从而，构造出一系列的“规律”。这种思想流传深远。反对者斥之为数字游戏;支持者热衷于对其“客观性”，“实验证明”的论证。

在哲学上的基础是：任何一种规律性的作用在系统科学看来无非就是确定其响应函数而已，只要采集到了输入、输出数据，就可以用数据处理方法得到所希望得到的响应函数，从而，得到系统的“规律”。

这种科学研究观点大大的降低了对学科理论水平的要求，只要能玩转计算方法大数据时代摘要，就可以在有实际数据时，轻而易举的发现各式各样的“规律”。

检索一下30多年来的学位论文、期刊论文，可以非常明确的看到这种观点是如何由弱到强，直到成为主流的全过程。

但是，很遗撼，这样得到的“规律”并不能成为科学规律，就连经验规律也未必够得上。

在哲学上，这是把实测数据与实验数据概念混淆的必然结果。

大科学概念在为构造科研团队和跨学科研究建立理论基础的同时，也冲击了科学真理的有限性概念。把某个学科的规律的有效性外推到过去没有实验证明的另一个学科，并力图证明在该学科“也满足此规律”是非常危险的“科学研究”。

但是，另一方面，也是最容易取得“创新性成果”的方法。

因此，“大数据时代+大科学时代”这两个概念的合成必定大大的促进“科学发现”、产出大量的“最新成果”。

但是，在哲学上有两个致命错误：1、主观性

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！