大數(shù)據(jù)帶來的三大改變

大數(shù)據(jù)（Big data）通常用來形容數(shù)字化時(shí)代下創(chuàng)造出的大量非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。大數(shù)據(jù)無疑是未來影響各行各業(yè)發(fā)展的最受矚目的技術(shù)之一。2009年時(shí)，全世界關(guān)于大數(shù)據(jù)的研究項(xiàng)目還非常有限，從2011年開始，越來越多的管理者開始意識(shí)到，大數(shù)據(jù)將是未來發(fā)展不可規(guī)避的問題，而到2012年年底，世界財(cái)富500 強(qiáng)企業(yè)中90%的企業(yè)都開展了大數(shù)據(jù)的項(xiàng)目。IDC的研究顯示，到2015年，大數(shù)據(jù)市場(chǎng)前景將達(dá)到169億美元的規(guī)模。當(dāng)前所有企業(yè)的商業(yè)數(shù)據(jù)每隔1.2年就將遞增一倍。無疑，數(shù)據(jù)信息的大爆炸不斷提醒著我們，未來將會(huì)因大數(shù)據(jù)技術(shù)而改變。
    那么，大數(shù)據(jù)為什么成為所有人關(guān)注的焦點(diǎn)？大數(shù)據(jù)帶來了什么樣的本質(zhì)性改變？為此，我們與中國計(jì)算機(jī)學(xué)會(huì)大數(shù)據(jù)學(xué)術(shù)帶頭人、中國人民大學(xué)信息學(xué)院院長杜小勇教授進(jìn)行了訪談。
    杜小勇教授認(rèn)為，大數(shù)據(jù)帶來了三大根本改變：第一、大數(shù)據(jù)讓人們脫離了對(duì)算法和模型的依賴，數(shù)據(jù)本身即可幫助人們貼近事情的真相；第二、大數(shù)據(jù)弱化了因果關(guān)系。大數(shù)據(jù)分析可以挖掘出不同要素之間的相關(guān)關(guān)系。人們不需要知道這些要素為什么相關(guān)就可以利用其結(jié)果，在信息復(fù)雜錯(cuò)綜的現(xiàn)代社會(huì)，這樣的應(yīng)用將大大提高效率；第三、與之前的數(shù)據(jù)庫相關(guān)技術(shù)相比，大數(shù)據(jù)可以處理半結(jié)構(gòu)化或非結(jié)構(gòu)化的數(shù)據(jù)。這將使計(jì)算機(jī)能夠分析的數(shù)據(jù)范圍迅速擴(kuò)大。
    杜小勇教授用例子更進(jìn)一步闡述了上述觀點(diǎn)：

傳統(tǒng)數(shù)據(jù)和大數(shù)據(jù)的區(qū)別
    第一、計(jì)算機(jī)科學(xué)在大數(shù)據(jù)出現(xiàn)之前，非常依賴模型以及算法。人們?nèi)绻胍玫骄珳?zhǔn)的結(jié)論，需要建立模型來描述問題，同時(shí)，需要理順邏輯，理解因果，設(shè)計(jì)精妙的算法來得出接近現(xiàn)實(shí)的結(jié)論。因此，一個(gè)問題，能否得到最好的解決，取決于建模是否合理，各種算法的比拼成為決定成敗的關(guān)鍵。然而，大數(shù)據(jù)的出現(xiàn)徹底改變了人們對(duì)于建模和算法的依賴。舉例來說，假設(shè)解決某一問題有算法A 和算法B。在小量數(shù)據(jù)中運(yùn)行時(shí)，算法A的結(jié)果明顯優(yōu)于算法B。也就是說，就算法本身而言，算法A能夠帶來更好的結(jié)果；然而，人們發(fā)現(xiàn)，當(dāng)數(shù)據(jù)量不斷增大時(shí)，算法B在大量數(shù)據(jù)中運(yùn)行的結(jié)果優(yōu)于算法A在小量數(shù)據(jù)中運(yùn)行的結(jié)果。這一發(fā)現(xiàn)給計(jì)算機(jī)學(xué)科及計(jì)算機(jī)衍生學(xué)科都帶來了里程碑式的啟示：當(dāng)數(shù)據(jù)越來越大時(shí)，數(shù)據(jù)本身（而不是研究數(shù)據(jù)所使用的算法和模型）保證了數(shù)據(jù)分析結(jié)果的有效性。即便缺乏精準(zhǔn)的算法，只要擁有足夠多的數(shù)據(jù)，也能得到接近事實(shí)的結(jié)論。數(shù)據(jù)因此而被譽(yù)為新的生產(chǎn)力。
    第二、當(dāng)數(shù)據(jù)足夠多的時(shí)候，不需要了解具體的因果關(guān)系就能夠得出結(jié)論。
    例如，Google 在幫助用戶翻譯時(shí)，并不是設(shè)定各種語法和翻譯規(guī)則。而是利用Google數(shù)據(jù)庫中收集的所有用戶的用詞習(xí)慣進(jìn)行比較推薦。Google檢查所有用戶的寫作習(xí)慣，將最常用、出現(xiàn)頻率最高的翻譯方式推薦給用戶。在這一過程中，計(jì)算機(jī)可以并不了解問題的邏輯，但是當(dāng)用戶行為的記錄數(shù)據(jù)越來越多時(shí)，計(jì)算機(jī)就可以在不了解問題邏輯的情況之下，提供最為可靠的結(jié)果?？梢?，海量數(shù)據(jù)和處理這些數(shù)據(jù)的分析工具，為理解世界提供了一條完整的新途徑。
    第三、由于能夠處理多種數(shù)據(jù)結(jié)構(gòu)，大數(shù)據(jù)能夠在最大程度上利用互聯(lián)網(wǎng)上記錄的人類行為數(shù)據(jù)進(jìn)行分析。大數(shù)據(jù)出現(xiàn)之前，計(jì)算機(jī)所能夠處理的數(shù)據(jù)都需要前期進(jìn)行結(jié)構(gòu)化處理，并記錄在相應(yīng)的數(shù)據(jù)庫中。但大數(shù)據(jù)技術(shù)對(duì)于數(shù)據(jù)的結(jié)構(gòu)的要求大大降低，互聯(lián)網(wǎng)上人們留下的社交信息、地理位置信息、行為習(xí)慣信息、偏好信息等各種維度的信息都可以實(shí)時(shí)處理，立體完整地勾勒出每一個(gè)個(gè)體的各種特征。