大數(shù)據(jù)時代的十種新認識，顛覆你的傳統(tǒng)思維

大數(shù)據(jù)時代的到來改變了人們的生活方式、思維模式和研究范式，以下總結出了10個重大變化。

研究范式的新認識

從“第三范式”到“第四范式”

2007年，圖靈獎獲得者Jim Gray提出了科學研究的第四范式——數(shù)據(jù)密集型科學發(fā)現(xiàn)（Data-intensive ScientificDiscovery）。在他看來，人類科學研究活動已經(jīng)歷過三中不同范式的演變過程（原始社會的“實驗科學范式”、以模型和歸納為特征的“理論科學范式”和以模擬仿真為特征的“計算科學范式”），目前正在從“計算科學范式”轉(zhuǎn)向“數(shù)據(jù)密集型科學發(fā)現(xiàn)范式”。

第四范式，即“數(shù)據(jù)密集型科學發(fā)現(xiàn)范式”的主要特點是科學研究人員只需要從大數(shù)據(jù)中查找和挖掘所需要的信息和知識，無須直接面對所研究的物理對象。例如，在大數(shù)據(jù)時代，天文學家的研究方式發(fā)生了新的變化——其主要研究任務變?yōu)閺暮Ａ繑?shù)據(jù)庫中發(fā)現(xiàn)所需的物體或現(xiàn)象的照片，而不再需要親自進行太空拍照。再如，人們在進行研究時往往習慣性地“采用問卷調(diào)查法等方法親自收集新數(shù)據(jù)”，而不是“首先想到有沒有現(xiàn)成的大數(shù)據(jù)以及如何再利用已有的數(shù)據(jù)（數(shù)據(jù)洞見）”，如下圖所示。

數(shù)據(jù)重要性的新認識 從“數(shù)據(jù)資源”到“數(shù)據(jù)資產(chǎn)”

在大數(shù)據(jù)時代，數(shù)據(jù)不僅是一種“資源”，而更是一種重要的“資產(chǎn)”。因此，數(shù)據(jù)科學應把數(shù)據(jù)當做“一種資產(chǎn)來管理”，而不能僅僅當做“資源”來對待。也就是說，與其他類型的資產(chǎn)相似，數(shù)據(jù)也具有財務價值，且需要作為獨立實體進行組織與管理。

對方法論的新認識

從“基于知識解決問題”到“基于數(shù)據(jù)解決問題”

我們傳統(tǒng)的方法論往往是“基于知識”的，即從 “大量實踐（數(shù)據(jù)）”中總結和提煉出一般性知識（定理、模式、模型、函數(shù)等）之后，用知識去解決（或解釋）問題。因此，傳統(tǒng)的問題解決思路是“問題→知識→問題”，即根據(jù)問題找“知識”，并用“知識”解決“問題”。然而，數(shù)據(jù)科學中興起了另一種方法論——“問題→數(shù)據(jù)→問題”，即根據(jù)問題找“數(shù)據(jù)”，并直接用數(shù)據(jù)（不需要把“數(shù)據(jù)”轉(zhuǎn)換成“知識”的前提下）解決問題，如圖下圖所示。

對數(shù)據(jù)分析的新認識 從統(tǒng)計學到數(shù)據(jù)科學

在傳統(tǒng)科學中，數(shù)據(jù)分析主要以數(shù)學和統(tǒng)計學為直接理論工具。但是，云計算等計算模式的出現(xiàn)以及大數(shù)據(jù)時代的到來，提升了我們對數(shù)據(jù)的獲取、存儲、計算與管理能力，進而對統(tǒng)計學理論與方法產(chǎn)生了深遠影響，主要有：

?隨著數(shù)據(jù)獲取、存儲與計算能力的提升，我們可以很容易獲得統(tǒng)計學中所指的“總體”中的全部數(shù)據(jù)，且可以在總體上直接進行計算——不再需要進行“抽樣操作”；

?在海量、動態(tài)、異構數(shù)據(jù)環(huán)境中，人們更加關注的是數(shù)據(jù)計算的“效率”而不再盲目追求其“精準度”。例如，在數(shù)據(jù)科學中，廣泛應用“基于數(shù)據(jù)的”思維模式，重視對“相關性”的分析，而不是等到發(fā)現(xiàn)“真正的因果關系”之后才解決問題。在大數(shù)據(jù)時代，人們開始重視相關分析，而不僅僅是因果分析。

對計算智能的新認識 從復雜算法到簡單算法

“只要擁有足夠多的數(shù)據(jù)，我們可以變得更聰明”是大數(shù)據(jù)時代的一個新認識。因此，在大數(shù)據(jù)時代，原本復雜的“智能問題”變成簡單的“數(shù)據(jù)問題”——只要對大數(shù)據(jù)進行簡單查詢就可以達到“基于復雜算法的智能計算的效果”。

為此，很多學者曾討論過一個重要話題——“大數(shù)據(jù)時代需要的是更多數(shù)據(jù)還是更好的模型（moredata or better model）？”。機器翻譯是傳統(tǒng)自然語言技術領域的難點，雖曾提出過很多種“算法”，但應用效果并不理想。近年來，Google翻譯等工具改變了“實現(xiàn)策略”，不再僅靠復雜算法進行翻譯，而對他們之前收集的跨語言語料庫進行簡單查詢的方式，提升了機器翻譯的效果和效率。

對數(shù)據(jù)管理重點的新認識

從業(yè)務數(shù)據(jù)化到數(shù)據(jù)業(yè)務化

在大數(shù)據(jù)時代，企業(yè)需要重視一個新的課題——數(shù)據(jù)業(yè)務化，即如何“基于數(shù)據(jù)”動態(tài)地定義、優(yōu)化和重組業(yè)務及其流程，進而提升業(yè)務的敏捷性，降低風險和成本。但是，在傳統(tǒng)數(shù)據(jù)管理中我們更加關注的是業(yè)務的數(shù)據(jù)化問題，即如何將業(yè)務活動以數(shù)據(jù)方式記錄下來，以便進行業(yè)務審計、分析與挖掘。可見，業(yè)務數(shù)據(jù)化是前提，而數(shù)據(jù)業(yè)務化是目標。

對決策方式的新認識

從目標驅(qū)動型決策到數(shù)據(jù)驅(qū)動型決策

傳統(tǒng)科學思維中，決策制定往往是“目標”或“模型”驅(qū)動的——根據(jù)目標（或模型）進行決策。然而，大數(shù)據(jù)時代出現(xiàn)了另一種思維模式，即數(shù)據(jù)驅(qū)動型決策，數(shù)據(jù)成為決策制定的主要“觸發(fā)條件”和“重要依據(jù)”。例如，近年來，很多高新企業(yè)中的部門和崗位設置不再是“固化的”，而是根據(jù)所做項目與所處的數(shù)據(jù)環(huán)境，隨時動態(tài)調(diào)整其部門和崗位設置。然而，部門和崗位設置的敏捷性往往是基于數(shù)據(jù)驅(qū)動的，根據(jù)數(shù)據(jù)分析的結果靈活調(diào)整企業(yè)內(nèi)部結構。

對產(chǎn)業(yè)競合關系的新認識

從“以戰(zhàn)略為中心競合關系”到“以數(shù)據(jù)為中心競合關系”

在大數(shù)據(jù)時代，企業(yè)之間的競合關系發(fā)生了變化，原本相互激烈競爭，甚至不愿合作的企業(yè)，不得不開始合作，形成新的業(yè)態(tài)和產(chǎn)業(yè)鏈。例如，近年來IBM公司和Apple公司“化敵為友”，并有報道稱他們正在從競爭對手轉(zhuǎn)向合作伙伴——IBM的100多名員工前往Apple的加州庫比蒂諾總部，與Apple一起為IBM的客戶（例如花旗、Sprint和日本郵政）聯(lián)合開發(fā)iPhone和iPad應用。

對數(shù)據(jù)復雜性的新認識

從不接受到接受數(shù)據(jù)的復雜性

在傳統(tǒng)科學看來，數(shù)據(jù)需要徹底“凈化”和“集成”，計算目的是需要找出“精確答案”，而其背后的哲學是“不接受數(shù)據(jù)的復雜性”。然而，大數(shù)據(jù)中更加強調(diào)的是數(shù)據(jù)的動態(tài)性、異構性和跨域等復雜性——彈性計算、魯棒性、虛擬化和快速響應，開始把“復雜性”當作數(shù)據(jù)的一個固有特征來對待，組織數(shù)據(jù)生態(tài)系統(tǒng)的管理目標轉(zhuǎn)向?qū)⒔M織處于混沌邊緣狀態(tài)。

對數(shù)據(jù)處理模式的新認識

從“小眾參與”到“大眾協(xié)同”

傳統(tǒng)科學中，數(shù)據(jù)的分析和挖掘都是具有很高專業(yè)素養(yǎng)的“企業(yè)核心員工”的事情，企業(yè)管理的重要目的是如何激勵和績效考核這些“核心員工”。但是，在大數(shù)據(jù)時代，基于“核心員工”的創(chuàng)新工作成本和風險越來越大，而基于“專業(yè)和業(yè)余混合的（Pro-Am）”的大規(guī)模協(xié)作日益受到重視，正成為解決數(shù)據(jù)規(guī)模與形式化之間矛盾的重要手段。