大數(shù)據(jù)時代如何收集、分析數(shù)據(jù)

在數(shù)據(jù)收集和分析這一正在繁榮發(fā)展的行業(yè)中，F(xiàn)actual創(chuàng)始人、此外還對其他30多家創(chuàng)業(yè)公司進行投資的吉拉德-艾爾貝茲(Gilad Elbaz)可能是最具影響力的投資者。

在7歲大時，艾爾貝茲曾寫道：“我希望成為一名富裕的、非常聰明的數(shù)學家。”原因是，那將幫助他“發(fā)明時間機器、機器人(26.150,-0.82,-3.04%)和能回答任何問題的機器之類的東西”。

此后的34年時間里，艾爾貝茲已經(jīng)完成了許多的目標，他已創(chuàng)造了能穿越網(wǎng)絡的軟件機器人、為谷歌回答了一些非常重大的問題，并在這一過程中獲得了遠遠超過百萬富翁的財富。

但是，他的時間機器計劃則已被拋棄，原因是其發(fā)現(xiàn)了更加重要的事情，那就是試圖找出世界上的每一個事實，并將這些事實都容納在被他稱為Factual的公司中。

“世界是一個大數(shù)據(jù)的問題。”艾爾貝茲在這家公司的總部中說道，這是一間安靜的辦公室，比洛杉磯鄉(xiāng)村俱樂部高14層樓。他身形纖瘦，說話溫和，當有什么想法讓他感到激動時，他會在椅子中不停地搖動身體?！叭绻茉谝粚懴洛e誤的東西時就能馬上發(fā)現(xiàn)，那將會怎樣的一種情況？Factual肯定會是改變商界的新事物，對計算來說也是一種寶貴的新工具?！?/span>

在“大數(shù)據(jù)”蓬勃發(fā)展的這個年代里，曾經(jīng)是難以想象的數(shù)量龐大的信息正在匯聚起來，從而創(chuàng)造出足以改變世界的發(fā)明。而在這一領(lǐng)域中，艾爾貝茲可能是最具影響力的發(fā)明者和投資者。除了Factual以外，他還對30家創(chuàng)業(yè)公司進行了投資，其中包括舊金山的一個致力于“大數(shù)據(jù)”的企業(yè)孵化器。 Factual的總部位于星光大道的一幢高樓中，艾爾貝茲在這里主持召開研討會，希望在洛杉磯地區(qū)培育一個數(shù)據(jù)社區(qū)。

艾爾貝茲還是其母校加州理工學院理事會的一員，同時還是X Prize Foundation基金的成員，這個基金會向在太空飛行、醫(yī)藥和基因科學等領(lǐng)域克服難題的團隊提供現(xiàn)金獎金。艾爾貝茲出售給谷歌的公司Applied Semantics是谷歌旗下AdSense業(yè)務的基礎(chǔ)，這項業(yè)務每年都能給谷歌帶來接近100億美元的營收。

雖然艾爾貝茲的投資額十分龐大，而且對前景的展望也很有價值，但他仍相對鮮為人知。他是如此的不愛出風頭，以至于當最近他在參加一次有3000名數(shù)據(jù)科學家參加的會議時，僅有他投資的一家公司的幾名職員認識他。他與曾經(jīng)是聯(lián)邦檢察官的妻子和三名子女住在西好萊塢的一座鄉(xiāng)間別墅中，一家人過著安靜的生活。在個人興趣方面，他喜歡在當?shù)氐囊患疫\動俱樂部中打籃球。

艾爾貝茲說道，他的精神和金融資產(chǎn)就像是他需要分配的禮物，從而讓世界變得更加美好。

“如果所有的數(shù)據(jù)都明晰無誤，那么從世界扣掉價值的人就會減少很多，”他說道，“而為世界增添價值的人就會增加很多?！?/span>

創(chuàng)造明確的、可靠的數(shù)據(jù)還能讓Factual成為一家規(guī)模很大的公司。

“艾爾貝茲遠遠領(lǐng)先于我們其他人，對于這位企業(yè)家所說的每件事情，我都要過幾分鐘才能理解?！蓖ㄟ^麾下公司Andreessen Horowitz為Factual提供支持的風險資本家本-霍洛維茨(Ben Horowitz)說道?！霸谌暌郧埃J為Factual是改變世界的最大機會。而隨著時間的推移，世界已經(jīng)朝著他所預料的方向發(fā)生了變化?！?/span>

自2008年創(chuàng)辦以來，F(xiàn)actual已經(jīng)吸收了大量的事實，用艾爾貝茲的話來說，就是“我們已經(jīng)收集了數(shù)百上千億的個體事實”。

Factual不僅向大公司提供數(shù)據(jù)，同時也面向規(guī)模較小的軟件開發(fā)商，這些數(shù)據(jù)中包括可用的政府數(shù)據(jù)、以兆兆字節(jié)為計量單位的公司數(shù)據(jù)、以及全球 50個國家的6000多個地方的信息，每一條信息都有17到40條的相關(guān)描述。Factual用30種不同的方式對80多萬個餐館加以描述，其中包括地址、所有權(quán)以及食客和衛(wèi)生組織的評價等。此外，這些數(shù)據(jù)還包括5億個網(wǎng)頁的信息、一份美國高中列表以及美國180萬名醫(yī)療保健專家的辦公室所在地、特長和保險偏好等，還包括1.4萬種葡萄酒的列表、從1950年到1974年的軍用飛機事故、以及大型慶典活動的參加人數(shù)等。艾爾貝茲指出，即使是奇特的事實也會有用處。

在靠近Factual總部的地方，艾爾貝茲儲存著500兆兆字節(jié)的數(shù)據(jù)，這大致相當于整個國會圖書館所需數(shù)據(jù)量的兩倍。在亞馬遜(微博)龐大的計算機云內(nèi)部，他還存儲著更多的數(shù)據(jù)。他領(lǐng)導下的統(tǒng)計員們對大量的數(shù)據(jù)進行了收集和清理，用來說明很多事情，比如說衛(wèi)生部門在對衛(wèi)生設施進行評分時的差異性、 “中學”這個詞匯在某個特別的鎮(zhèn)上意味著兩年還是三年的時間、以及原始數(shù)據(jù)及其副本之間是否存在修正等。

Factual的計劃是，為相互之間聯(lián)系緊密的數(shù)千個超計算云建立全球范圍內(nèi)最主要的參照點。到今年底為止，數(shù)字世界的數(shù)據(jù)總量預計將會達到2.7 澤字節(jié)(一澤字節(jié)相當于一萬億GB)，大約相當于7000億張DVD的數(shù)據(jù)容量。Factual目前的員工總數(shù)為50人，當世界開始增長，以及這些數(shù)據(jù)庫開始互的情況下，這家公司的價值將被證明是極其龐大的。

Factual按浮動價格向公司和獨立軟件開發(fā)商出售數(shù)據(jù)，其依據(jù)是有多少信息被使用。小規(guī)模的數(shù)據(jù)提供是免費的，而最大型客戶需要支付的費用則會達到成百上千萬美元。在有些時候，F(xiàn)actual還會與其他公司進行數(shù)據(jù)交易，目的是擴大自身所占有的資源。

就目前而言，某些客戶使用Factual的數(shù)據(jù)是為了向手機地圖加入餐廳地址等信息，或者是為了規(guī)劃銷售戰(zhàn)略等。但Factual的真實目的則要更加廣泛，直指當前時代一項重大業(yè)務的核心，那就是利用所有基于云的數(shù)據(jù)和算法，來找到自然和社會的模式，供科學家加以觀察，同時供商界加以開拓。

“數(shù)據(jù)一直都僅被視為計算的副作用，一種當你工作時用來查閱的東西。”艾爾貝茲說道?！岸覀儗⑵湟暈橐粋€完全獨立的層面，是每個人在希望解決問題時都不得不去挖掘數(shù)據(jù)的層面，但你自己可能沒有所需的完全可靠的數(shù)據(jù)?！?/span>

舉例來說，一個餐飲連鎖運營商可利用Factual來找出一個新的選址是否靠近競爭對手，以及當?shù)厝嗽谏缃稽c評網(wǎng)站Yelp上如何談論這個地方。查閱餐廳附近的加油站數(shù)據(jù)可以知道有多少輛汽車會從高速公路上開下來，運營商還可利用Factual來看看自己的餐廳在網(wǎng)絡上的哪些地方被提及，或是糾正其他人所說的有關(guān)餐廳的情況。

Factual擁有來自于多名硅谷明星級人物的2700萬美元融資，目前仍是一家封閉式持股的公司，但卻已經(jīng)有了成千上萬的客戶。 Facebook、CitySearch、AT&T及其他一些公司都會使用Factual來獲得有關(guān)某些地方的信息，《新聞周刊》則使用數(shù)據(jù)庫來為美國最綠色的公司進行評級。

其他一些公司則利用Factual的數(shù)據(jù)來執(zhí)行產(chǎn)品規(guī)劃和客戶關(guān)懷等任務。這家公司還沒能實現(xiàn)盈利，艾爾貝茲正在聘用更多人才和建立更多數(shù)據(jù)集等領(lǐng)域進行投資，公司團隊已經(jīng)包括高級數(shù)學家、來自于LinkedIn和谷歌的數(shù)據(jù)科學家、以及至少一名精通羅馬后期考古學的專業(yè)人士。

在這個新興的行業(yè)中，F(xiàn)actual的競爭對手包括微軟(微博)等公司，后者稱其Windows Azure Marketplace擁有“數(shù)萬億個數(shù)據(jù)點”和一個語言翻譯器。此外，人們也可以向Azure出售數(shù)據(jù)集。Infochimps提供地理和社交數(shù)據(jù)，Gnip和Datasift等公司提供來自于Twitter及其他社交網(wǎng)站的深度數(shù)據(jù)，由另一名數(shù)學家創(chuàng)立的Wolfram Alpha則擁有蘋果Siri所使用的數(shù)據(jù)和計算。

一家名為ClearStory的年輕公司則正試圖把所有這些公司都綁在一起，這家同樣由Andreessen Horowitz提供融資的創(chuàng)業(yè)公司希望提供的是能讓普通人使用的所謂“數(shù)據(jù)集市”。

其他幾名數(shù)據(jù)專家(主要來自于谷歌)也已辭去了原來的工作，用新的方式來爭奪大量的信息。原谷歌產(chǎn)品經(jīng)理大衛(wèi)-弗里德伯格(David Friedberg)開創(chuàng)了Climate Corporation，這家公司利用有關(guān)天氣、土壤孔隙度以及小麥和大豆根部結(jié)構(gòu)的政府數(shù)據(jù)來制作農(nóng)作物保險合同。

艾爾貝茲還是Kaggle的投資者，這家公司為找到數(shù)據(jù)模式的人提供現(xiàn)金獎勵。舉例來說，NASA(美國國家航空航天局)利用它來找到更好的方式去測量星系的形狀；在競賽開始的第一個周，一名專業(yè)為冰川繪圖的博士生就發(fā)現(xiàn)了超過NASA的算法。艾爾貝茲還向ZestCash注入了資金，這家公司以低于行業(yè)平均值的利率提供發(fā)薪日貸款，通過電話賬單及申請者如何解讀ZestCash網(wǎng)站等要素來判斷風險。

ZestCash CEO道格拉斯-邁瑞爾(Douglas Merrill)曾是谷歌的內(nèi)部信息系統(tǒng)負責人。

“我們絕對，一切數(shù)據(jù)都是信用數(shù)據(jù)，只不過我們還不知道如何使用它罷了?！彼f道，“這就是我們所有人在谷歌學到的數(shù)學。一張紙的重要性在于上面寫著什么，還在于寫的東西有多好的愈發(fā)，字體是什么，創(chuàng)作或編輯的時間是什么，諸如此類。艾爾貝茲正在做的事情也是一樣的，是有關(guān)數(shù)據(jù)的問題。數(shù)據(jù)越多總是越好?！?/span>

艾爾貝茲出生在華盛頓特區(qū)，在俄亥俄州、德克薩斯州和佛羅里達州長大成人。艾爾貝茲的父親出生在摩洛哥，在以色列長大，曾擔任一所學校的校長和希伯來文學教授；母親是一名新聞記者，在艾爾貝茲18歲時去世。在3歲時，他就開始在幼兒園中寫重復的數(shù)字串，他喜歡讀年鑒，喜歡看電視上的股價圖表，試圖從中找出數(shù)據(jù)模式。

“他會去參加許多數(shù)學競賽，然后拿三四個獎回來?！卑瑺栘惼澋母赣H尼西姆-艾爾貝茲(Nissim Elbaz)說道。“在參加數(shù)學競賽的間歇，他會去參加物理學比賽玩兒。當我跟他說他是一個大天才時，他就會擺出一副輕蔑的臉色給我看，所以后來我就學會了把這句話藏在心里?！?/span>

老艾爾貝茲說道，當他試圖向兒子解釋以色列與巴勒斯坦之間的矛盾沖突時，后者的回答是，如果雙方能在事實上達成一致，那么這種仇恨就將終止。

從幼年開始，艾爾貝茲就喜歡做與數(shù)學相關(guān)的生意——比如說在德克薩斯州的厄爾巴索(El Paso)把一種品牌的棒球卡全部買光，然后在紀念大會上以三倍的錢轉(zhuǎn)賣出去。

“我們會猜罐子中彈球的數(shù)量來玩博彩游戲?！卑瑺栘惼澋牡艿芤撂?艾爾貝茲(Eytan Elbaz)說道，他曾與哥哥共事，現(xiàn)在則擁有了自己的兩家創(chuàng)業(yè)公司?！?6歲時他舉辦了一次比賽，用搖快艇骰子的方式來進行比賽。他熬夜制作了一張試算表，來顯示所有支出和我們能獲得的收入?！卑瑺栘惼澋牧硪粋€兄弟諾姆-艾爾貝茲(Noam Elbaz)過去十年里一直都在以色列的一所高等學院中從事研究工作。

在加州理工學院就學時，艾爾貝茲的專業(yè)是應用科學和經(jīng)濟學家。當時他對壟斷這一課題感興趣，并因一篇論文而獲獎，內(nèi)容是判定公司會因想要壟斷市場而承擔財務上的損失。

艾爾貝茲曾在IBM供職兩年，著眼于利用計算機來解決制造業(yè)的問題。然后他跳槽到數(shù)據(jù)庫公司Skybase，那是在20世紀初期，IBM正在從大型計算機廠商向服務器和PC廠商轉(zhuǎn)變。

艾爾貝茲的弟弟說道，他認為這段經(jīng)歷使其發(fā)生了改變。許多職員都“只是試圖保住工作，而不是齊心協(xié)力為公司工作”，伊坦說道。他回憶道，由于擔心員工私藏數(shù)據(jù)的緣故，艾爾貝茲曾“開始談論如果人們分享數(shù)據(jù)，那么事情將會變好多少”。

隨后艾爾貝茲加入了一家名為Microunity的半導體創(chuàng)業(yè)公司，并擔任這家公司的顧問，在此期間他存錢炒股，為第一家自己的公司籌集了部分資金。他的父親給了1萬美元來讓他進行投資，而艾爾貝茲在18個月時間里將其變成了3萬美元。當艾爾貝茲和加州理工學院的一個朋友決定在1998年成立公司 ——這家公司后來變成了Applied Semantics——他父親讓他把股市里贏到的錢投入到公司中去。

Applied Semantics的軟件能迅速掃描成千上萬更多網(wǎng)頁，通過比較其內(nèi)容的方式，這種軟件能告訴公司哪種類型的廣告將在某個頁面上表現(xiàn)良好。這家公司擁有 45名員工，當谷歌在2003年以1.02億美元的現(xiàn)金加IPO(首次公開募股)以前的股票對其進行收購時，該公司已經(jīng)實現(xiàn)了盈利。

雖然艾爾貝茲并未透露他從這項交易中獲得了多少收入，但他父親來自于投資股市的3萬美元最終變成了1800萬美元?！昂翢o疑問，是他改變了我的退休生活?！蹦嵛髂?艾爾貝茲說道。

艾爾貝茲隨后曾在谷歌駐加利福尼亞州圣塔莫尼卡(Santa Monica)的工程辦公室擔任負責人，與其妻子伊莉莎(Elyssa)和三個兒子住在附近的處所。他為多個領(lǐng)域捐出了數(shù)百萬美元，其中包括科學教育、環(huán)境措施以及幫助羅衫非營利機構(gòu)的一個組織等。他還曾向Common Crawl捐款，這是一種谷歌類型的網(wǎng)絡監(jiān)測工具，研究者能通過亞馬遜的電腦使用這種工具。

在2007年，艾爾貝茲從谷歌離職，開創(chuàng)了Factual。2009年，霍洛維茨和Andreessen Horowitz的運營者馬克-安德森(Mark Andreessen)被邀請對這家公司進行投資。當時，霍洛維茨因一種想法而感到困惑，那就是艾爾貝茲已經(jīng)很富有，為何還要努力開創(chuàng)另一家創(chuàng)業(yè)公司。但當艾爾貝茲對其搭建事實“宮殿”的想法進行描述以后，霍洛維茨稱其認識到這是一位“忠實的信徒”。

“當時我問他：‘你如此富有，為何還要構(gòu)建這家公司呢？’”霍洛維茨回憶道。“他給出的答案是我聽過的最長、最深思熟慮的回答之一。他認為，這是一個改變世界的機會，而這對他而言比金錢更重要?！被袈寰S茨說道，艾爾貝茲告訴他，他需要拿錢來刺激工程師的工作動力，他需要在智力仍舊足夠強大時實現(xiàn)自己的目標。

“我終于認識到這并非‘太富而不會努力工作’的問題。”霍洛維茨說道。

Factual的其他投資者還包括羅恩-康威(Ron Conway)、埃斯特-戴森(Esther Dyson)、Index Ventures和Founder Collective等。

Factual還在上海和加利福尼亞州的帕羅奧多(Palo Alto)擁有辦事處，在后一個地方，艾爾貝茲所希望的是從硅谷吸引更多人才。他在帕羅奧多聘用的前兩名員工分別是蒂姆-什克洛夫斯基(Tim Chklovski)和泰勒-貝爾(Tyler Bell)，前者擁有麻省理工學院人工智能博士學位，后者曾在牛津大學從事研究工作，隨后供職于雅虎，負責地圖相關(guān)事務。

對員工來說，一個難題是判定多少數(shù)據(jù)才夠。“毫無疑問，我們希望獲得全球每一個加油站的正確名稱和位置，”貝爾說道，“而并非每個加油站的價格變動。”

“等一下，我倒是希望知道全球范圍內(nèi)環(huán)流的每一加侖汽油，”什克洛夫斯基插嘴道，“這可能需要20年時間，但很有意思。”

在大多數(shù)創(chuàng)業(yè)公司中，人們談論的事情無非是越大越好，因此要花20年時間做什么事情看起來可能就像是妄想與空洞的結(jié)合。但艾爾貝茲和他的團隊則表示，他們覺得這很有意義，因為把真實的事實告訴所有人至少是份終生的工作。

“最近，我一直都在想我們需要獲得更多的個人數(shù)據(jù)。”艾爾貝茲說道。他所說的個人數(shù)據(jù)并非姓名和地址等等，而是其遺傳信息、飲食習慣、鍛煉身體的時間和地點，諸如此類——理想的情況是搜集這個星球上所有人的數(shù)據(jù)，無論是現(xiàn)在還是永遠?！拔蚁胍赋鲆粭l道路，”他說道，“讓人們從數(shù)據(jù)走向科學?！?/span>