一篇對大數(shù)據(jù)深度思考的文章，讓你認識并讀懂大數(shù)據(jù)(一)

在寫這篇文章之前，我發(fā)現(xiàn)身邊很多IT人對于這些熱門的新技術、新趨勢往往趨之若鶩卻又很難說的透徹，如果你問他大數(shù)據(jù)和你有什么關系?估計很少能說出一二三來。究其原因，一是因為大家對新技術有著相同的原始渴求，至少知其然在聊天時不會顯得很“土鱉”;二是在工作和生活環(huán)境中真正能參與實踐大數(shù)據(jù)的案例實在太少了，所以大家沒有必要花時間去知其所以然。

我希望有些不一樣，所以對該如何去認識大數(shù)據(jù)進行了一番思索，包括查閱了資料，翻閱了最新的專業(yè)書籍，但我并不想把那些零散的資料碎片或不同理解論述簡單規(guī)整并堆積起來形成毫無價值的轉述或評論，我很真誠的希望進入事物探尋本質。

如果你說大數(shù)據(jù)就是數(shù)據(jù)大，或者侃侃而談4個V，也許很有深度的談到BI或預測的價值，又或者拿Google和Amazon舉例，技術流可能會聊起Hadoop和Cloud Computing，不管對錯，只是無法勾勒對大數(shù)據(jù)的整體認識，不說是片面，但至少有些管窺蠡測、隔衣瘙癢了?！苍S，“解構”是最好的方法。

怎樣結構大數(shù)據(jù)?

首先，我認為大數(shù)據(jù)就是互聯(lián)網(wǎng)發(fā)展到現(xiàn)今階段的一種表象或特征而已，沒有必要神話它或對它保持敬畏之心，在以云計算為代表的技術創(chuàng)新大幕的襯托下，這些原本很難收集和使用的數(shù)據(jù)開始容易被利用起來了，通過各行各業(yè)的不斷創(chuàng)新，大數(shù)據(jù)會逐步為人類創(chuàng)造更多的價值。

其次，想要系統(tǒng)的認知大數(shù)據(jù)，必須要全面而細致的分解它，我著手從三個層面來展開：

第一層面是理論，理論是認知的必經途徑，也是被廣泛認同和傳播的基線。我會從大數(shù)據(jù)的特征定義理解行業(yè)對大數(shù)據(jù)的整體描繪和定性;從對大數(shù)據(jù)價值的探討來深入解析大數(shù)據(jù)的珍貴所在;從對大數(shù)據(jù)的現(xiàn)在和未來去洞悉大數(shù)據(jù)的發(fā)展趨勢;從大數(shù)據(jù)隱私這個特別而重要的視角審視人和數(shù)據(jù)之間的長久博弈。

第二層面是技術，技術是大數(shù)據(jù)價值體現(xiàn)的手段和前進的基石。我將分別從云計算、分布式處理技術、存儲技術和感知技術的發(fā)展來說明大數(shù)據(jù)從采集、處理、存儲到形成結果的整個過程。

第三層面是實踐，實踐是大數(shù)據(jù)的最終價值體現(xiàn)。我將分別從互聯(lián)網(wǎng)的大數(shù)據(jù)，政府的大數(shù)據(jù)，企業(yè)的大數(shù)據(jù)和個人的大數(shù)據(jù)四個方面來描繪大數(shù)據(jù)已經展現(xiàn)的美好景象及即將實現(xiàn)的藍圖。
和大數(shù)據(jù)相關的理論

1、特征定義

最早提出大數(shù)據(jù)時代到來的是麥肯錫：“數(shù)據(jù)，已經滲透到當今每一個行業(yè)和業(yè)務職能領域，成為重要的生產因素。人們對于海量數(shù)據(jù)的挖掘和運用，預示著新一波生產率增長和消費者盈余浪潮的到來?！?/span>

業(yè)界(IBM 最早定義)將大數(shù)據(jù)的特征歸納為4個“V”(量Volume，多樣Variety，價值Value，速Velocity)，或者說特點有四個層面：第一，數(shù)據(jù)體量巨大。大數(shù)據(jù)的起始計量單位至少是P(1000個T)、E(100萬個T)或Z(10億個T);第二，數(shù)據(jù)類型繁多。比如，網(wǎng)絡日志、視頻、圖片、地理位置信息等等。第三，價值密度低，商業(yè)價值高。第四，處理速度快。最后這一點也是和傳統(tǒng)的數(shù)據(jù)挖掘技術有著本質的不同。

其實這些V并不能真正說清楚大數(shù)據(jù)的所有特征，下面這張圖對大數(shù)據(jù)的一些相關特性做出了有效的說明。

古語云：三分技術，七分數(shù)據(jù)，得數(shù)據(jù)者得天下。先不論誰說的，但是這句話的正確性已經不用去論證了。維克托·邁爾-舍恩伯格在《大數(shù)據(jù)時代》一書中舉了百般例證，都是為了說明一個道理：在大數(shù)據(jù)時代已經到來的時候要用大數(shù)據(jù)思維去發(fā)掘大數(shù)據(jù)的潛在價值。書中，作者提及最多的是Google如何利用人們的搜索記錄挖掘數(shù)據(jù)二次利用價值，比如預測某地流感爆發(fā)的趨勢;Amazon如何利用用戶的購買和瀏覽歷史數(shù)據(jù)進行有針對性的書籍購買推薦，以此有效提升銷售量;Farecast如何利用過去十年所有的航線機票價格打折數(shù)據(jù)，來預測用戶購買機票的時機是否合適。

那么，什么是大數(shù)據(jù)思維?維克托·邁爾-舍恩伯格認為，1-需要全部數(shù)據(jù)樣本而不是抽樣;2-關注效率而不是精確度;3-關注相關性而不是因果關系。

阿里巴巴的王堅對于大數(shù)據(jù)也有一些獨特的見解，比如，

“今天的數(shù)據(jù)不是大，真正有意思的是數(shù)據(jù)變得在線了，這個恰恰是互聯(lián)網(wǎng)的特點。”

“非互聯(lián)網(wǎng)時期的產品，功能一定是它的價值，今天互聯(lián)網(wǎng)的產品，數(shù)據(jù)一定是它的價值?！?/span>

“你千萬不要想著拿數(shù)據(jù)去改進一個業(yè)務，這不是大數(shù)據(jù)。你一定是去做了一件以前做不了的事情。”

特別是最后一點，我是非常認同的，大數(shù)據(jù)的真正價值在于創(chuàng)造，在于填補無數(shù)個還未實現(xiàn)過的空白。

有人把數(shù)據(jù)比喻為蘊藏能量的煤礦。煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數(shù)據(jù)并不在“大”，而在于“有用”。價值含量、挖掘成本比數(shù)量更為重要。

2、價值探討

大數(shù)據(jù)是什么?投資者眼里是金光閃閃的兩個字：資產。比如，F(xiàn)acebook上市時，評估機構評定的有效資產中大部分都是其社交網(wǎng)站上的數(shù)據(jù)。

如果把大數(shù)據(jù)比作一種產業(yè)，那么這種產業(yè)實現(xiàn)盈利的關鍵，在于提高對數(shù)據(jù)的“加工能力”，通過“加工”實現(xiàn)數(shù)據(jù)的“增值”。

Target 超市以20多種懷孕期間孕婦可能會購買的商品為基礎，將所有用戶的購買記錄作為數(shù)據(jù)來源，通過構建模型分析購買者的行為相關性，能準確的推斷出孕婦的具體臨盆時間，這樣Target的銷售部門就可以有針對的在每個懷孕顧客的不同階段寄送相應的產品優(yōu)惠卷。

Target的例子是一個很典型的案例，這樣印證了維克托·邁爾-舍恩伯格提過的一個很有指導意義的觀點：通過找出一個關聯(lián)物并監(jiān)控它，就可以預測未來。Target通過監(jiān)測購買者購買商品的時間和品種來準確預測顧客的孕期，這就是對數(shù)據(jù)的二次利用的典型案例。如果，我們通過采集駕駛員手機的GPS數(shù)據(jù)，就可以分析出當前哪些道路正在堵車，并可以及時發(fā)布道路交通提醒;通過采集汽車的GPS位置數(shù)據(jù)，就可以分析城市的哪些區(qū)域停車較多，這也代表該區(qū)域有著較為活躍的人群，這些分析數(shù)據(jù)適合賣給廣告投放商。

不管大數(shù)據(jù)的核心價值是不是預測，但是基于大數(shù)據(jù)形成決策的模式已經為不少的企業(yè)帶來了盈利和聲譽。

從大數(shù)據(jù)的價值鏈條來分析，存在三種模式：

手握大數(shù)據(jù)，但是沒有利用好;比較典型的是金融機構，電信行業(yè)，政府機構等。

沒有數(shù)據(jù)，但是知道如何幫助有數(shù)據(jù)的人利用它;比較典型的是IT咨詢和服務企業(yè)，比如，埃森哲，IBM，Oracle等。

既有數(shù)據(jù)，又有大數(shù)據(jù)思維;比較典型的是Google，Amazon，Mastercard等。

未來在大數(shù)據(jù)領域最具有價值的是兩種事物：

擁有大數(shù)據(jù)思維的人，這種人可以將大數(shù)據(jù)的潛在價值轉化為實際利益;

還未有被大數(shù)據(jù)觸及過的業(yè)務領域。這些是還未被挖掘的油井，金礦，是所謂的藍海。

Wal-Mart作為零售行業(yè)的巨頭，他們的分析人員會對每個階段的銷售記錄進行了全面的分析，有一次他們無意中發(fā)現(xiàn)雖不相關但很有價值的數(shù)據(jù)，在美國的颶風來臨季節(jié)，超市的蛋撻和抵御颶風物品竟然銷量都有大幅增加，于是他們做了一個明智決策，就是將蛋撻的銷售位置移到了颶風物品銷售區(qū)域旁邊，看起來是為了方便用戶挑選，但是沒有想到蛋撻的銷量因此又提高了很多。

還有一個有趣的例子，1948年遼沈戰(zhàn)役期間，司令員林彪要求每天要進行例常的“每日軍情匯報”，由值班參謀讀出下屬各個縱隊、師、團用電臺報告的當日戰(zhàn)況和繳獲情況。那幾乎是重復著千篇一律枯燥無味的數(shù)據(jù)：每支部隊殲敵多少、俘虜多少;繳獲的火炮、車輛多少，槍支、物資多少……有一天，參謀照例匯報當日的戰(zhàn)況，林彪突然打斷他：“剛才念的在胡家窩棚那個戰(zhàn)斗的繳獲，你們聽到了嗎?”大家都很茫然，因為如此戰(zhàn)斗每天都有幾十起，不都是差不多一模一樣的枯燥數(shù)字嗎?林彪掃視一周，見無人回答，便接連問了三句：“為什么那里繳獲的短槍與長槍的比例比其它戰(zhàn)斗略高?”“為什么那里繳獲和擊毀的小車與大車的比例比其它戰(zhàn)斗略高?”“為什么在那里俘虜和擊斃的軍官與士兵的比例比其它戰(zhàn)斗略高?”林彪司令員大步走向掛滿軍用地圖的墻壁，指著地圖上的那個點說：“我猜想，不，我斷定!敵人的指揮所就在這里!”果然，部隊很快就抓住了敵方的指揮官廖耀湘，并取得這場重要戰(zhàn)役的勝利。

這些例子真實的反映在各行各業(yè)，探求數(shù)據(jù)價值取決于把握數(shù)據(jù)的人，關鍵是人的數(shù)據(jù)思維;與其說是大數(shù)據(jù)創(chuàng)造了價值，不如說是大數(shù)據(jù)思維觸發(fā)了新的價值增長。

現(xiàn)在和未來

我們先看看大數(shù)據(jù)在當下有怎樣的杰出表現(xiàn)：

大數(shù)據(jù)幫助政府實現(xiàn)市場經濟調控、公共衛(wèi)生安全防范、災難預警、社會輿論監(jiān)督;

大數(shù)據(jù)幫助城市預防犯罪，實現(xiàn)智慧交通，提升緊急應急能力;

大數(shù)據(jù)幫助醫(yī)療機構建立患者的疾病風險跟蹤機制，幫助醫(yī)藥企業(yè)提升藥品的臨床使用效果，幫助艾滋病研究機構為患者提供定制的藥物;

大數(shù)據(jù)幫助航空公司節(jié)省運營成本，幫助電信企業(yè)實現(xiàn)售后服務質量提升，幫助保險企業(yè)識別欺詐騙保行為，幫助快遞公司監(jiān)測分析運輸車輛的故障險情以提前預警維修，幫助電力公司有效識別預警即將發(fā)生故障的設備;

大數(shù)據(jù)幫助電商公司向用戶推薦商品和服務，幫助旅游網(wǎng)站為旅游者提供心儀的旅游路線，幫助二手市場的買賣雙方找到最合適的交易目標，幫助用戶找到最合適的商品購買時期、商家和最優(yōu)惠價格;

大數(shù)據(jù)幫助企業(yè)提升營銷的針對性，降低物流和庫存的成本，減少投資的風險，以及幫助企業(yè)提升廣告投放精準度;

大數(shù)據(jù)幫助娛樂行業(yè)預測歌手，歌曲，電影，電視劇的受歡迎程度，并為投資者分析評估拍一部電影需要投入多少錢才最合適，否則就有可能收不回成本;

大數(shù)據(jù)幫助社交網(wǎng)站提供更準確的好友推薦，為用戶提供更精準的企業(yè)招聘信息，向用戶推薦可能喜歡的游戲以及適合購買的商品。

其實，這些還遠遠不夠，未來大數(shù)據(jù)的身影應該無處不在，就算無法準確預測大數(shù)據(jù)終會將人類社會帶往到哪種最終形態(tài)，但我相信只要發(fā)展腳步在繼續(xù)，因大數(shù)據(jù)而產生的變革浪潮將很快淹沒地球的每一個角落。

比如，Amazon的最終期望是：“最成功的書籍推薦應該只有一本書，就是用戶要買的下一本書?！?/span>

Google也希望當用戶在搜索時，最好的體驗是搜索結果只包含用戶所需要的內容，而這并不需要用戶給予Google太多的提示。

而當物聯(lián)網(wǎng)發(fā)展到達一定規(guī)模時，借助條形碼、二維碼、RFID等能夠唯一標識產品，傳感器、可穿戴設備、智能感知、視頻采集、增強現(xiàn)實等技術可實現(xiàn)實時的信息采集和分析，這些數(shù)據(jù)能夠支撐智慧城市，智慧交通，智慧能源，智慧醫(yī)療，智慧環(huán)保的理念需要，這些都所謂的智慧將是大數(shù)據(jù)的采集數(shù)據(jù)來源和服務范圍。

未來的大數(shù)據(jù)除了將更好的解決社會問題，商業(yè)營銷問題，科學技術問題，還有一個可預見的趨勢是以人為本的大數(shù)據(jù)方針。人才是地球的主宰，大部分的數(shù)據(jù)都與人類有關，要通過大數(shù)據(jù)解決人的問題。

比如，建立個人的數(shù)據(jù)中心，將每個人的日常生活習慣，身體體征，社會網(wǎng)絡，知識能力，愛好性情，疾病嗜好，情緒波動……換言之就是記錄人從出生那一刻起的每一分每一秒，將除了思維外的一切都儲存下來，這些數(shù)據(jù)可以被充分的利用：

醫(yī)療機構將實時的監(jiān)測用戶的身體健康狀況;

教育機構更有針對的制定用戶喜歡的教育培訓計劃;

服務行業(yè)為用戶提供即時健康的符合用戶生活習慣的食物和其它服務;

社交網(wǎng)絡能為你提供合適的交友對象，并為志同道合的人群組織各種聚會活動;

政府能在用戶的心理健康出現(xiàn)問題時有效的干預，防范自殺，刑事案件的發(fā)生;

金融機構能幫助用戶進行有效的理財管理，為用戶的資金提供更有效的使用建議和規(guī)劃;

道路交通、汽車租賃及運輸行業(yè)可以為用戶提供更合適的出行線路和路途服務安排;

當然，上面的一切看起來都很美好，但是否是以犧牲了用戶的自由為前提呢?只能說當新鮮事物帶來了革新的同時也同樣帶來了“病菌”。比如，在手機未普及前，大家喜歡聚在一起聊天，自從手機普及后特別是有了互聯(lián)網(wǎng)，大家不用聚在一起也可以隨時隨地的聊天，只是“病菌”滋生了另外一種情形，大家慢慢習慣了和手機共渡時光，人與人之間情感交流仿佛永遠隔著一張“網(wǎng)”。

大數(shù)據(jù)隱私

你或許并不敏感，當你在不同的網(wǎng)站上注冊了個人信息后，可能這些信息已經被擴散出去了，當你莫名其妙的接到各種郵件，電話，短信的滋擾時，你不會想到自己的電話號碼，郵箱，生日，購買記錄，收入水平，家庭住址，親朋好友等私人信息早就被各種商業(yè)機構非法存儲或賤賣給其它任何有需要的企業(yè)或個人了。

更可怕的是，這些信息你永遠無法刪除，它們永遠存在于互聯(lián)網(wǎng)的某些你不知道的角落。除非你更換掉自己的所有信息，但是這代價太大了。

用戶隱私問題一直是大數(shù)據(jù)應用難以繞開的一個問題，如被央視曝光過的分眾無線、羅維鄧白氏以及網(wǎng)易郵箱都涉及侵犯用戶隱私。目前，中國并沒有專門的法律法規(guī)來界定用戶隱私，處理相關問題時多采用其他相關法規(guī)條例來解釋。但隨著民眾隱私意識的日益增強，合法合規(guī)地獲取數(shù)據(jù)、分析數(shù)據(jù)和應用數(shù)據(jù)，是進行大數(shù)據(jù)分析時必須遵循的原則。

說到隱私被侵犯，愛德華?斯諾登應該占據(jù)一席之地，這位前美國中央情報局(CIA)雇員一手引爆了美國“棱鏡計劃”(PRISM)的內幕消息?！袄忡R”項目是一項由美國國家安全局(NSA)自2007年起開始實施的絕密電子監(jiān)聽計劃，年耗資近2000億美元，用于監(jiān)聽全美電話通話記錄，據(jù)稱還可以使情報人員通過“后門”進入9家主要科技公司的服務器，包括微軟、雅虎、谷歌、Facebook、PalTalk、美國在線、Skype、YouTube、蘋果。這個事件引發(fā)了人們對政府使用大數(shù)據(jù)時對公民隱私侵犯的擔心。

再看看我們身邊，當微博，微信，QQ空間這些社交平臺肆意的吞噬著數(shù)億用戶的各種信息時，你就不要指望你還有隱私權了，就算你在某個地方刪除了，但也許這些信息已經被其他人轉載或保存了，更有可能已經被百度或Google存為快照，早就提供給任意用戶搜索了。

因此在大數(shù)據(jù)的背景下，很多人都在積極的抵制無底線的數(shù)字化，這種大數(shù)據(jù)和個體之間的博弈還會一直繼續(xù)下去……

專家給予了我們一些如何有效保護大數(shù)據(jù)背景下隱私權的建議：

減少信息的數(shù)字化;

隱私權立法;

數(shù)字隱私權基礎設施(類似DRM數(shù)字版權管理);

人類改變認知(接受忽略過去);

創(chuàng)造良性的信息生態(tài);

語境化。

但是這些都很難立即見效或者有實質性的改善。

比如，現(xiàn)在有一種職業(yè)叫刪帖人，專門負責幫人到各大網(wǎng)站刪帖，刪除評論。其實這些人就是通過黑客技術侵入各大網(wǎng)站，破獲管理員的密碼然后進行手工定向刪除。只不過他們保護的不是客戶的隱私，而大多是丑聞。還有一種職業(yè)叫人肉專家，他們負責從互聯(lián)網(wǎng)上找到一個與他們根本就無關系用戶的任意信息。這是很可怕的事情，也就是說，如果有人想找到你，只需要兩個條件：1-你上過網(wǎng)，留下過痕跡;2-你的親朋好友或僅僅是認識你的人上過網(wǎng)，留下過你的痕跡。這兩個條件滿足其一，人肉專家就可以很輕松的找到你，可能還知道你現(xiàn)在正在某個餐廳和誰一起共進晚餐。

當很多互聯(lián)網(wǎng)企業(yè)意識到隱私對于用戶的重要性時，為了繼續(xù)得到用戶的信任，他們采取了很多辦法，比如google承諾僅保留用戶的搜索記錄9個月，瀏覽器廠商提供了無痕沖浪模式，社交網(wǎng)站拒絕公共搜索引擎的爬蟲進入，并將提供出去的數(shù)據(jù)全部采取匿名方式處理等。

在這種復雜的環(huán)境里面，很多人依然沒有建立對于信息隱私的保護意識，讓自己一直處于被滋擾，被精心設計，被利用，被監(jiān)視的處境中。可是，我們能做的幾乎微乎其微，因為個人隱私數(shù)據(jù)已經無法由我們自己掌控了，就像一首詩里說到的：“如果你現(xiàn)在繼續(xù)麻木，那就別指望這麻木能抵擋得住被”扒光”那一刻的驚恐和絕望……”