正確運(yùn)用大數(shù)據(jù) 避免走向誤區(qū)

  “大數(shù)據(jù)”是當(dāng)今最熱的概念之一，有人把大數(shù)據(jù)形容為未來(lái)世界的石油，有人宣稱掌握大數(shù)據(jù)的人可以像上帝一樣俯瞰整個(gè)世界，美國(guó)政府甚至已經(jīng)把對(duì)大數(shù)據(jù)的研究上升為國(guó)家戰(zhàn)略。喧嘩的背后，實(shí)際上，隨著信息與通訊技術(shù)的發(fā)展，“大數(shù)據(jù)”正進(jìn)入與我們息息相關(guān)的每一個(gè)角落。近日，記者參加中國(guó)科協(xié)主辦的第36期科學(xué)家與媒體面對(duì)面活動(dòng)，采訪相關(guān)專家，請(qǐng)他們暢談了大數(shù)據(jù)時(shí)代的技術(shù)特色與隱私保護(hù)。

   大數(shù)據(jù)是什么
    故事一：無(wú)法完成的任務(wù)
   大數(shù)據(jù)是一個(gè)時(shí)髦的新詞，也是一個(gè)古老的現(xiàn)象。因?yàn)?，?duì)某個(gè)時(shí)代來(lái)說(shuō)，超出當(dāng)時(shí)社會(huì)信息處理能力的數(shù)據(jù)，就可以說(shuō)是大數(shù)據(jù)。
    以人類遇到的第一個(gè)大數(shù)據(jù)人口普查為例。中國(guó)在公元2年就有史書記載的人口普查數(shù)據(jù)（《漢書 地理志》）：全國(guó)103個(gè)郡國(guó)，人口是59594978人。對(duì)當(dāng)時(shí)的古代中國(guó)來(lái)說(shuō)，近六千萬(wàn)人口的普查無(wú)疑就是一個(gè)難以處理的大數(shù)據(jù)。美國(guó)憲法曾規(guī)定，美國(guó)人口普查十年一次。1880年開始，美國(guó)人花8年完成了一次人口普查，并預(yù)計(jì)1890年做下一次人口普查大概需要13年時(shí)間。也就是說(shuō)，人口普查成為當(dāng)時(shí)一項(xiàng)無(wú)法完成的任務(wù)。不過(guò)，危機(jī)常常帶來(lái)新的技術(shù)革命。有人發(fā)明了穿孔卡片制表機(jī)，使得這個(gè)任務(wù)僅用一年時(shí)間就可以完成。穿孔卡片制表機(jī)就是今天計(jì)算機(jī)的前身。
    “大數(shù)據(jù)不是今天就出現(xiàn)的，你對(duì)付不了的就是大數(shù)據(jù)?！惫I(yè)和信息化部電信研究院互聯(lián)網(wǎng)中心主任何寶宏說(shuō)：“今天所說(shuō)的大數(shù)據(jù)革命也是2008年之后，這5年來(lái)信息發(fā)生了翻天覆地的變化。大數(shù)據(jù)讓物質(zhì)世界變得可計(jì)算，這是整個(gè)人類的目標(biāo)。”
    無(wú)法完成的任務(wù)，帶來(lái)的是前所未有的技術(shù)突破。如今，移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、基因測(cè)序等采集數(shù)據(jù)的工具越來(lái)越多樣化，使我們對(duì)物質(zhì)世界的描述越來(lái)越精確，擁有的數(shù)據(jù)量越來(lái)越大；云計(jì)算等處理數(shù)據(jù)的工具越來(lái)越經(jīng)濟(jì)，又使得大數(shù)據(jù)的應(yīng)用走入百姓身邊，對(duì)我們的生產(chǎn)和生活方式產(chǎn)生深遠(yuǎn)的影響。
    目前大數(shù)據(jù)最成熟的應(yīng)用是互聯(lián)網(wǎng)廣告營(yíng)銷。近一年中，老百姓在搜索或者瀏覽網(wǎng)頁(yè)時(shí)會(huì)發(fā)現(xiàn)，網(wǎng)上推出的廣告越來(lái)越精確。這是因?yàn)榛ヂ?lián)網(wǎng)廣告已經(jīng)進(jìn)入到完全自動(dòng)、實(shí)時(shí)競(jìng)價(jià)的狀態(tài)，通過(guò)對(duì)個(gè)人上網(wǎng)行為的分析，推導(dǎo)出這個(gè)人的性格特征和可能需要，并有針對(duì)性地投放廣告。廣告請(qǐng)求、競(jìng)價(jià)邀請(qǐng)、受眾篩選、申請(qǐng)出價(jià)、中標(biāo)投放的全過(guò)程，僅需120毫秒也就是0.12秒即可完成，而在傳統(tǒng)媒體完成這樣的工作，很可能需要幾個(gè)月的時(shí)間。
   互聯(lián)網(wǎng)金融也是近一年的大熱點(diǎn)，根基就是由于大數(shù)據(jù)技術(shù)的成熟?；ヂ?lián)網(wǎng)金融在面對(duì)中小企業(yè)的貸款業(yè)務(wù)中，擁有獨(dú)特的優(yōu)勢(shì)。據(jù)一份對(duì)中國(guó)互聯(lián)網(wǎng)金融的調(diào)查報(bào)告顯示，互聯(lián)網(wǎng)金融對(duì)小微企業(yè)貸款時(shí)，不良貸款率僅為1.02%，單筆放款成本為2.3元；而傳統(tǒng)銀行對(duì)小微企業(yè)的貸款不良率為5.5%至6%，單筆成本達(dá)800元至2000元。這種低成本、低壞賬率、全時(shí)服務(wù)（機(jī)器可以全天候開啟）的金融服務(wù)，使廣大中小企業(yè)變成了互聯(lián)網(wǎng)金融的客戶，可以解決小微企業(yè)貸款難的問題——這其實(shí)也是一個(gè)過(guò)去無(wú)法完成的任務(wù)。
   大數(shù)據(jù)怎么用
    故事二：不懂外語(yǔ)的翻譯
    百度公司發(fā)展研究中心副主任率鵬給記者講了一個(gè)有趣的故事。“百度翻譯”這個(gè)工具，目前已經(jīng)提供了24種語(yǔ)言的自動(dòng)翻譯服務(wù)，翻譯質(zhì)量在行業(yè)中領(lǐng)先。“但這24種語(yǔ)言中有12種語(yǔ)言，整個(gè)百度翻譯的團(tuán)隊(duì)沒有人能懂。”率鵬說(shuō)，“大數(shù)據(jù)的技術(shù)使我們完全在不了解、不懂得、不能夠理解這種語(yǔ)言的情況下，僅僅靠技術(shù)本身就開發(fā)出一個(gè)非常好的翻譯工具，這在以往的時(shí)代是難以想象的?！?br />     不懂外語(yǔ)的外語(yǔ)翻譯，這個(gè)聽起來(lái)很天方夜譚的故事，其實(shí)精準(zhǔn)反映了如今大數(shù)據(jù)技術(shù)的一大特點(diǎn)——不需要知道為什么，只需要知道是什么。
    這個(gè)技術(shù)特點(diǎn)，是由如今大數(shù)據(jù)本身的特點(diǎn)決定的。中國(guó)通信學(xué)會(huì)副理事長(zhǎng)兼秘書長(zhǎng)張新生表示，大數(shù)據(jù)有四大特點(diǎn)：一是海量，大到“以目前的技術(shù)無(wú)法管理的數(shù)據(jù)量”；二是多樣，數(shù)據(jù)種類復(fù)雜，非結(jié)構(gòu)數(shù)據(jù)占到所存儲(chǔ)數(shù)據(jù)總量的75%—95%，這些非結(jié)構(gòu)數(shù)據(jù)無(wú)法以現(xiàn)在的技術(shù)手段與關(guān)系分析的數(shù)據(jù)庫(kù)來(lái)處理；三是速度，數(shù)據(jù)產(chǎn)生的頻率和傳送頻率非?？欤枰M(jìn)行實(shí)時(shí)處理；四是價(jià)值密度低，需從大量的低質(zhì)量、低價(jià)值的數(shù)據(jù)中獲取知識(shí)，猶如大海撈針，獲取數(shù)據(jù)成本很高。
    事實(shí)上，大數(shù)據(jù)還將越來(lái)越大。在過(guò)去兩年中，全球產(chǎn)生的信息占到人類整體掌握信息總量的90%，現(xiàn)在每天全球產(chǎn)生的數(shù)據(jù)相當(dāng)于國(guó)家圖書館館藏總量的1500倍。而互聯(lián)網(wǎng)數(shù)據(jù)中心IDC預(yù)測(cè)，到2020年全世界將有300億個(gè)物聯(lián)網(wǎng)終端。中國(guó)在這一市場(chǎng)上將占據(jù)至關(guān)重要地位，屆時(shí)中國(guó)普通家庭將擁有40個(gè)到50個(gè)智能設(shè)備或傳感器，每年創(chuàng)造出20TB的數(shù)據(jù)。而中國(guó)國(guó)家圖書館藏書是2631萬(wàn)冊(cè)，信息量相當(dāng)于41TB。也就是說(shuō)，屆時(shí)一個(gè)普通中國(guó)家庭每年產(chǎn)生的數(shù)據(jù)，就相當(dāng)于半個(gè)國(guó)家圖書館。
   我們?nèi)绾尾拍懿槐淮髷?shù)據(jù)所淹沒？
    “大數(shù)據(jù)的核心重點(diǎn)在于深度挖掘，通過(guò)挖掘產(chǎn)生新的應(yīng)用?！睆埿律硎?，大數(shù)據(jù)的處理技術(shù)是一個(gè)工具，它有幾個(gè)新特色：不再是小樣本、隨機(jī)樣本，而要全體數(shù)據(jù)；接收數(shù)據(jù)有混雜性，不再追求精確性；關(guān)注事物之間的相關(guān)性，可以只知道是什么，不知道為什么；對(duì)所獲數(shù)據(jù)可多次、反復(fù)利用，并可擴(kuò)展，具有互用性，也就是未來(lái)可能知道為什么。
   大數(shù)據(jù)產(chǎn)業(yè)也在變得越來(lái)越大。大數(shù)據(jù)的采集和傳感、物聯(lián)網(wǎng)領(lǐng)域有很大關(guān)聯(lián)性；大數(shù)據(jù)的處理，又和云計(jì)算等產(chǎn)業(yè)相關(guān)；大數(shù)據(jù)的應(yīng)用和醫(yī)療、金融等各個(gè)行業(yè)相關(guān)。未來(lái)將有越來(lái)越多企業(yè)發(fā)展成大數(shù)據(jù)企業(yè)。
    “大數(shù)據(jù)應(yīng)該是我們的戰(zhàn)略性新興產(chǎn)業(yè)中新一代信息技術(shù)重要的產(chǎn)業(yè)部分，和互聯(lián)網(wǎng)產(chǎn)業(yè)、物聯(lián)網(wǎng)產(chǎn)業(yè)、電信產(chǎn)業(yè)都有很大關(guān)聯(lián)性?！敝袊?guó)聯(lián)通網(wǎng)絡(luò)技術(shù)研究院首席專家唐雄燕表示：“大數(shù)據(jù)本身和很多產(chǎn)業(yè)相關(guān)，現(xiàn)在可能已經(jīng)有幾千億元的產(chǎn)業(yè)規(guī)模，將來(lái)會(huì)無(wú)處不在。大數(shù)據(jù)的從業(yè)者，未來(lái)也將不止是高科技人員，也會(huì)有很多藍(lán)領(lǐng)。大數(shù)據(jù)是一個(gè)材料，和石油、礦藏一樣，需要有采集數(shù)據(jù)的人員，需要有探礦的人員，各種各樣的人都需要?！?br />    大數(shù)據(jù)怎么管
    故事三：應(yīng)該保護(hù)的隱私
    我國(guó)大數(shù)據(jù)應(yīng)用面臨著數(shù)據(jù)資源難以開放共享、數(shù)據(jù)安全和隱私急需保護(hù)、大數(shù)據(jù)技術(shù)創(chuàng)新人才不足等諸多挑戰(zhàn)，其中個(gè)人隱私如何保護(hù)，是大眾最為關(guān)注的問題。
    事實(shí)上，真正好用的大數(shù)據(jù)技術(shù)，應(yīng)該是用加工實(shí)現(xiàn)增值，用分析來(lái)指導(dǎo)決策，而非販賣用戶個(gè)性化隱私這種原始數(shù)據(jù)信息本身的低層次濫用。
    中興通訊首席架構(gòu)師、業(yè)務(wù)總工程師羅圣美表示：“使用這些數(shù)據(jù)的企業(yè)，其實(shí)有兩大類，一類是互聯(lián)網(wǎng)企業(yè)，第二類是電信企業(yè)。企業(yè)有安全保護(hù)措施，有技術(shù)解決方案，做只針對(duì)群體，而不針對(duì)個(gè)體的信息挖掘，這是應(yīng)遵循的基本原則?！?br />     率鵬認(rèn)為，在隱私保護(hù)問題上，大數(shù)據(jù)技術(shù)要重點(diǎn)強(qiáng)調(diào)符號(hào)化和用戶特征這兩個(gè)概念?！胺?hào)化，是當(dāng)我們?nèi)プR(shí)別一個(gè)用戶時(shí)，用和他真實(shí)信息不相關(guān)的符號(hào)標(biāo)記這個(gè)用戶。符號(hào)通過(guò)算法來(lái)保證，是單向的識(shí)別，使我們能識(shí)別出兩次登錄的是同一個(gè)用戶，卻無(wú)法通過(guò)此符號(hào)反推出該用戶在真實(shí)生活中的姓名、電話和住址，這就基本享受了大數(shù)據(jù)帶來(lái)的優(yōu)勢(shì)，同時(shí)又規(guī)避了信息安全的風(fēng)險(xiǎn)。用戶特征，是在大數(shù)據(jù)時(shí)代，企業(yè)感興趣的往往是這個(gè)用戶的特征，而不是家庭地址、電話號(hào)碼真正敏感的信息。比如說(shuō)，我希望知道你是一個(gè)20歲到30歲年齡段，生育過(guò)子女，有高等教育學(xué)歷的女性，這些都是你的特征，但是我并不想知道你姓甚名誰(shuí)，今年多大，有幾個(gè)小孩。如果在數(shù)據(jù)使用過(guò)程中嚴(yán)格遵循符號(hào)化和用戶特征原則，我們就能規(guī)避掉不良風(fēng)險(xiǎn)。”
    除了技術(shù)以外，政策和立法才是大數(shù)據(jù)時(shí)代個(gè)人隱私保障的重要憑借。2012年12月28日，《全國(guó)人民代表大會(huì)常務(wù)委員會(huì)關(guān)于加強(qiáng)網(wǎng)絡(luò)信息保護(hù)的決定》審議通過(guò)。2013年，工信部根據(jù)全國(guó)人大的決定，出臺(tái)了關(guān)于互聯(lián)網(wǎng)和電信網(wǎng)個(gè)人信息保護(hù)的條例，提出了數(shù)據(jù)保護(hù)的一系列要求。
    數(shù)據(jù)需要保護(hù)，數(shù)據(jù)也需要交易。大數(shù)據(jù)的保護(hù)與交易需要遵循什么樣的標(biāo)準(zhǔn)，是當(dāng)前政策制定者面臨的挑戰(zhàn)。
    張新生說(shuō)：“有價(jià)值的數(shù)據(jù)是非常重要的資源，但前提是要建立交易規(guī)則。我國(guó)的幾大互聯(lián)網(wǎng)運(yùn)營(yíng)企業(yè)都在做大數(shù)據(jù)分析，并且都想把數(shù)據(jù)作為可交易的產(chǎn)品，這需要我們盡快建立數(shù)據(jù)交易有關(guān)的法律法規(guī)?！?br />     何寶宏認(rèn)為，目前的大數(shù)據(jù)分為兩類。一類是公共數(shù)據(jù)，比如政府所掌握的數(shù)據(jù)，或者公益企業(yè)的數(shù)據(jù)，公共數(shù)據(jù)面臨的是開放和共享的問題。一類是商業(yè)數(shù)據(jù)，商業(yè)性數(shù)據(jù)需交易，因?yàn)檫@是資產(chǎn)，交易產(chǎn)生新的價(jià)值?！皹?biāo)準(zhǔn)和政策的制定是不斷摸索的過(guò)程，需要隨著市場(chǎng)去探索，我們已經(jīng)深度地介入到關(guān)于目前國(guó)內(nèi)數(shù)據(jù)交易的活動(dòng)中，去探討這方面的政策、標(biāo)準(zhǔn)制定。”
    對(duì)于用戶來(lái)說(shuō)，提高信息安全意識(shí)、注意個(gè)人隱私保護(hù)也十分重要。不過(guò)，鑒于大數(shù)據(jù)時(shí)代個(gè)人隱私保護(hù)的困難程度，已有專家提出了“遺忘”的必要性。牛津大學(xué)教授、大數(shù)據(jù)領(lǐng)域權(quán)威專家維克托就在他的著作《刪除》中表示，對(duì)于人類而言，遺忘一直是常態(tài)，而記憶才是例外。然而，由于數(shù)字技術(shù)與全球網(wǎng)絡(luò)的發(fā)展，這種平衡已經(jīng)被打破了。大量數(shù)字化的私人信息不僅可能在今天被濫用，在幾年甚至幾十年后仍然可能被濫用。
    羅圣美說(shuō)：“在大數(shù)據(jù)時(shí)代，建議國(guó)家相關(guān)部門在制定產(chǎn)業(yè)政策時(shí)，需要重點(diǎn)考慮涉及個(gè)人隱私的信息，采取刪除、鎖定，或者安全加密等多種級(jí)別的保密措施，避免個(gè)人隱私被檢索、發(fā)現(xiàn)、濫用和擴(kuò)散?！?