目前，科學心理學的研究建立在客觀資料的基礎之上。

然而，由於條件所限，長期以來心理學研究的樣本規模都十分有限，一般多采用抽樣的方式，再把區域性樣本的研究結果推廣到總體上，這就使研究結論的有效性不可避免地受到樣本代表性的影響。且傳統方法大多依賴於使用者自陳，資料收集過程也比較緩慢。

大資料的出現，極大地拓展了資料採集的廣度和深度，使研究人員有可能針對極大規模使用者開展研究，進行全時全程的跟蹤記錄，並實現資料顆粒度的靈活變化，從而使心理學研究的資料基礎更全面、堅實。利用大資料資訊採集與處理技術，可以實現對個體和群體外部表現資料的實時採集，彌補傳統研究方法時效性不足的缺點。

比如：

1、利用機器學習建立基於行為資料的人格預測模型

人格（personality）是心理科學領域中的重要研究課題，涵蓋了個體穩定的行為模式與內部心理過程，能夠解釋存在於人與人之間的穩定的個性化差異，並且能夠與個體、人際、社會等多個研究層面上的結果變數同時保持著穩定的預測關係。

近年來，隨著社交網路和社會媒體的興起，有研究開始嘗試利用使用者的網路留痕預測其人格，並已經獲得了理想的預測效果。2013年，英國劍橋大學的米夏爾·科辛斯基（Michal Kosinski）、戴維·史迪威（David Stillwell）和微軟研究院的託雷·格雷佩爾（Thore Graepel）利用臉書（Facebook）的“like”（類似於關注、點贊）這一屬性，抽取使用者行為特徵矩陣，實現了對使用者大五人格指標的自動識別。

2、心理計算模型應用於家庭暴力的跨時空研究

家庭暴力（domestic violence）廣泛存在於世界各國的家庭之中，全世界大約三分之一的婦女在一生中曾經遭受親密伴侶的身體和/或性暴力或者非伴侶的性暴力。

由於網路可以記錄大量的使用者行為資料與文字資料，我們得以追蹤家庭暴力受害者首次遭遇家庭暴力之前的心理狀態，並以此為基線進行家庭暴力前後的心理狀態對比。利用計算模型可以跨時計算微博使用者任意時刻的心理特徵，並且可以快速對其在相關時間內的心理特徵進行計算，快速進行追蹤研究。

網路產生的海量使用者行為資料，雖然是隱私洩露的重大隱患，但也是科學研究的資源寶庫。合理分析利用這些資料，能夠獲得大量關於人類行為與心理的新知，不僅能有力地促進心理學、社會學等基礎學科和人工智慧技術的發展，更能為解決諸如社交問題、心理健康問題、學習效率問題、自殺問題等實際挑戰帶來新的曙光。

相關：

大資料應用：大資料解析90後的人生觀

https://www.toutiao.com/i6590573785697485325/

這個問題很前衛，卻不好回答。首先心理學家的頭銜絕不是泛泛之輩能承受得起的。那麼他的思維，洞察力，想象力都是我們無法企及的。他們對大資料的利用分析是極其複雜的。咱就舉個例子看看心理醫生是如何利用大資料的，一個人去看心理醫生。從他進門那一刻分析就開始了。透過他的車牌可以查到他的經濟狀況（沒車有手機號效果一樣），有無車貸，房貸，家庭住址，電話費用，醫療記錄，網上購物痕跡等等。等醫生掌握了你的這些資訊你的問題他就明白八九不離十了。正所謂大資料時代無隱私就是這種情況。

大資料和心理學都不是很熟悉，我估計應該可以透過大資料分析掌握某些心理問題的普遍規律和表現，從而得出治療心理疾病的方式方法。