大數(shù)據(jù)主要是做三件事：對用戶理解、對信息理解、對關(guān)系理解

大數(shù)據(jù)這個概念提了好多年。每次提到大數(shù)據(jù)的時候，都是個性化、精準化，大家能想到的就是這些。在很多年前，IBM和很多大互聯(lián)網(wǎng)公司都在提這個話題。但是它真正產(chǎn)品化或者商業(yè)化的價值，是在2011、2012年以后才有了爆發(fā)性的增長。

它有一些原因：

第一個是這兩年確實是隨著社會化媒體的普及、數(shù)據(jù)的量爆發(fā)式的增長。大家每天在網(wǎng)上分享的文字、圖片、視頻，它的數(shù)據(jù)的規(guī)模要超過我們歷史上任何時期。有價值的信息也越來越多。歷史上，很多年前大家上互聯(lián)網(wǎng)，信息無非就是各種網(wǎng)頁，小網(wǎng)站、大網(wǎng)站。信息的價值不像現(xiàn)在這么充分。現(xiàn)在太多的信息反映了各位的動機或者各位的興趣特征。比如說我兒子三歲，我經(jīng)常會發(fā)我兒子的照片，發(fā)一些養(yǎng)孩子的心理感受。結(jié)果他就曝露了我興趣的方向。這對我們數(shù)據(jù)的應用會很有幫助。不像以前你頂多看各種各樣的網(wǎng)頁，各家的網(wǎng)頁也沒有辦法統(tǒng)一做大數(shù)據(jù)的分析。

還有一個比較重要的一點，也是我感觸比較深的一點是開放。我們以前提到個性化，大家聽過最多的有關(guān)大數(shù)據(jù)的案例就是沃爾瑪?shù)哪虿粷瘢蔷褪谴髷?shù)據(jù)的雛形，如果我們把這個數(shù)據(jù)運用到網(wǎng)站說，大家想到最多的就是隱私。因為你的興趣愛好觸犯了我的隱私。但是現(xiàn)在微博、Twitter，facebook，很多社交化媒體的典型特點是開放的。QQ和微博最大的區(qū)別是，QQ的關(guān)系鏈，你的朋友是誰，大家是不知道的，前提是這是你的隱私。但是微博，你收聽了誰、關(guān)注了誰，你發(fā)的每一條微博所有人都看得到。你使用這個產(chǎn)品，相當于你簽了一個協(xié)議，我要開放。不能說你在這個基礎(chǔ)上做一些數(shù)據(jù)的應用是侵犯隱私，這個在理論上是不成立的。因為每個人的特征，哪怕技術(shù)不去做，我們用肉眼把你的微博拉下來看一下，也大概能看一下你的領(lǐng)域，或者你的興趣。這也給我們做大規(guī)模數(shù)據(jù)挖掘應用提供了一個非常大的前提。隱私的問題在產(chǎn)品形成之前就解決了。

我這里簡單列了一下微博的數(shù)據(jù)情況，我們每天發(fā)的微博，還有圖片，現(xiàn)在都是以數(shù)百億的來計算。這里面有一個，除了你發(fā)微博本身，還有一個重要的就是社會網(wǎng)絡，就是你的人際關(guān)系。在QQ的時候是沒有辦法做分析的，因為他是有隱私的。但是微博非常好的一點，你的社會關(guān)系我們可以很放心的來使用。因為是公開的。在騰訊微博這樣一個產(chǎn)品里面，你會發(fā)現(xiàn)社交關(guān)系的數(shù)量達到了三百億的量級。這里面有一個傳播路徑，你發(fā)了一條信息，它的傳播的可能性軌跡，達到了萬億級別的路徑。這就是一個很大的大數(shù)據(jù)。大家很難想象，微博這樣一個產(chǎn)品，這樣大的一個產(chǎn)品體系里面，我們擁有近千臺的服務器用來計算，還不是用來做產(chǎn)品，不是用來提供服務，只是用來做離線的計算，運算出各種公式和結(jié)果，就需要近千臺服務器。這些服務器和幾年前的服務器性能、規(guī)模都有很大的區(qū)別，每臺服務器的存儲空間都有數(shù)個T，我們有近千臺數(shù)個T的服務器做運算。這么簡單的一件事情，就需要近千臺服務器幫助大家運算，你到底跟哪個人可能是朋友，到底跟哪個人是你感興趣的領(lǐng)域。在那天地震的時候，我們快速的分析出，運算一下現(xiàn)在有哪些地震情況，還是蠻有意思的，地域的分布，這些都是大數(shù)據(jù)的運用。大數(shù)據(jù)有兩大類數(shù)據(jù)可以用。第一類是微博里面非常重要的，你發(fā)表、收聽和關(guān)注這些全都是公開的。有一部分影視數(shù)據(jù)是典型瀏覽行為。這部分還是牽扯到應用情況。所以用的謹慎一些。

大數(shù)據(jù)能做什么?我們那么多地方探討大數(shù)據(jù)，無非總結(jié)下來就做三件事：

第一，對信息的理解。你發(fā)的每一張圖片、每一個新聞、每一個廣告，這些都是信息，你對這個信息的理解是大數(shù)據(jù)重要的領(lǐng)域。

第二，用戶的理解，每個人的基本特征，你的潛在的特征，每個用戶上網(wǎng)的習慣等等，這些都是對用戶的理解。

第三，關(guān)系。關(guān)系才是我們的核心，信息與信息之間的關(guān)系，一條微博和另外一條微博之間的關(guān)系，一個廣告和另外一個廣告的關(guān)系。一條微博和一個視頻之間的關(guān)系，這些在我們?nèi)庋廴タ吹臅r候是相對簡單的。

比如有條微博說這兩天朝鮮綁架我們船的事，那條微博也大概是談這件事的。人眼一眼就能看出來。但是用機器怎么能看出來這是一件事，以及他們之間的因果關(guān)系，這是很有難度的。然后就是用戶與用戶之間的關(guān)系。哪些人你愿意收聽，是你的朋友，哪些是你感興趣的領(lǐng)域，你是一個音樂達人，你是一個吃貨，那個用戶也是一個吃貨，你愿意收聽他。這就是用戶與用戶之間的關(guān)系理解。還有用戶與信息之間的理解，就是你對哪一類型的微博感興趣，你對哪一類型的信息感興趣，如果牽扯到商業(yè)化，你對哪一類的廣告或者商品感興趣。其實就是用戶與信息之間的關(guān)系，他無非是做這件事。

大數(shù)據(jù)說的那么懸，其實主要是做三件事：對用戶的理解、對信息的理解、對關(guān)系的理解。如果我們在這三件事之間還要提一件事的話，一個叫趨勢。他也是關(guān)系的一種變種，只是關(guān)系稍微遠一點，情感之間的分析，還有我們政府部門做的輿情監(jiān)控。他可以監(jiān)控大規(guī)模的數(shù)據(jù)，可以分析出人的動向。在美國的好萊塢，這兩年也是基于FACEBOOK和TIWTTER的數(shù)據(jù)來預測即將上映的電影的票房。他也是一個趨勢的分析，只是我們把這個趨勢提前來。核心就是這三件事。

為什么要講這些呢?

因為這些在我們新版里面都有很充分的體現(xiàn)。我們的新版要做什么。新版核心是要做提高閱讀效率這件事。微博本身的形態(tài)就是很碎片化的。這個碎片化還不是因為大家上網(wǎng)的時間碎片化，我指的是信息的碎片化。微博就是那一百來個字，你收聽、關(guān)注了哪些人都是很隨機的，你看信息是非常零碎的。你看到一件事情的時候基本上不可能在微博上看到它的全貌。一個人說了幾句，金三胖真過分，又抓我們漁民，你能知道這件事是什么嗎?你要想知道這件事是什么。高端的人還可以搜一搜，倒騰這件事。對于一些小白來說，他根本不知道這件事是什么。新聞門戶這個時候就很重要。新聞門戶我點來點去，他大概就能看出這件事是什么。這和產(chǎn)品本身有關(guān)。但是也和這兩年隨著大家上微博越來越多，信息爆炸、信息過載有關(guān)。現(xiàn)在我收聽了一千多號人，如果十分鐘不看的話，就一定是一百條以上沒有看。有很多我關(guān)注的信息也可以遺漏在這一百條，或者幾百條信息里面。幾百條里面有大量的營銷、笑話、段子，我很感興趣的我的前女友的動態(tài)就被這些段子埋沒進去了。但是我的前女友又不太活躍。她甚至一兩個星期才發(fā)一條微博，基本上很難看得到。這就是我們微博產(chǎn)品本身的特點。所以我們通過幾個功能來解決信息獲取的效率。第一個是從內(nèi)容的角度對微博進行分類，我們的頻道是通過內(nèi)容的角度把內(nèi)容歸類，把優(yōu)質(zhì)內(nèi)容提取出來。微熱點也是從內(nèi)容的角度把內(nèi)容進行分類。廬山地震，別人只提了幾個字，在你的頂欄里面就會出現(xiàn)廬山地震的內(nèi)容，這是對內(nèi)容進行分類。第二，從人的角度把信息分類，我們新版會推出一個東西，叫微圈，他是智能的分組。尤其是我們這些比較活躍的人，你可能收聽了八百、五百人，你有沒有耐心一個一個的分一個組?這是很難的，大部分人不會做這件事。所以我們是智能的分組，你什么都不用管，直接幫你分好。我的前女友我可以建一個前女友群，我要看她的消息，我就點到那個群里，可以分類的看這些人的動態(tài)。

舉一個對用戶理解的能力，大家都知道李開復是這樣的，大家都知道他在微博里面有這么多我們可以分析的技術(shù)的點。這些點牽不牽扯到隱私?你去他的網(wǎng)頁上看一看也可以得到這些結(jié)論。只是這么多的點，你能不能憑應用分析出來。

最后再總結(jié)一下大數(shù)據(jù)是干嗎的。

這兩年再怎么提大數(shù)據(jù)，它和歷史上出現(xiàn)的許多技術(shù)一樣，它只是一種能力和技術(shù)而已，只是一種工具而已。只是這兩年由于數(shù)據(jù)規(guī)模的擴大，以及基于大數(shù)據(jù)誕生了很多新的產(chǎn)品和商業(yè)化的形態(tài)。所以我們才這么火的來提它。其實它還只不過是一種工具而已。我們的總結(jié)是基于大數(shù)據(jù)解決用戶的需求，提供一種最優(yōu)質(zhì)的服務才是最終目標，大數(shù)據(jù)只是工具而已，并沒有那么懸。

在目前為止，基于大數(shù)據(jù)的應用大都還局限在商業(yè)化為主。更多的還是提怎么做精準廣告，怎么做商品推薦，怎么做這些這些。真正敢把它做產(chǎn)品化的還比較少。因為所有的大數(shù)據(jù)這些智能的東西都有一個特點，不是百分之百的準確率。不像你要做一個什么樣的產(chǎn)品功能，按紐放哪就放哪，不會有錯誤。大數(shù)據(jù)的特點是它只能做到一定的準確率，你敢不敢產(chǎn)品化，取決于你對這個能力的準確度提高到什么程度。就以我們這次微圈舉例，或者以微熱點舉例，如果你把一個用戶智能分組只能準確到50%、60%。結(jié)果是適得其反的。你把熱點的聚類聚在一起，并且和你主頁上的信息匹配的時候，你的準確率敢不敢做到80%、90%以上?這就是為什么我開始跟大家講大數(shù)據(jù)。其實就是第一次我們也是大規(guī)模的把大數(shù)據(jù)這種技術(shù)的能力和騰訊對數(shù)據(jù)獨有的數(shù)據(jù)規(guī)模的優(yōu)勢應用到產(chǎn)品中去。