從去年開始，進入大數(shù)據(jù)時代，不管是互聯(lián)網(wǎng)行業(yè)還是其他行業(yè)，“大數(shù)據(jù)”一詞開始頻繁出現(xiàn)。大數(shù)據(jù)僅僅是概念，還是有實用性工具？

　　“概念”性質(zhì)的東西在中國的互聯(lián)網(wǎng)圈子總是可以快速傳播，這里面有很多原因，其中就有整體氛圍所致：大多數(shù)互聯(lián)網(wǎng)的創(chuàng)業(yè)者都是希望通過前瞻性的 創(chuàng)新來改變世界，受到資本追捧，最終套現(xiàn)。在這個過程中，概念飛快的傳播、包裝，成為各種打著標(biāo)簽的產(chǎn)品。而實用主義者只被動接受，缺乏正確認(rèn)知深刻的探 索。

　　從下圖可以看出，2008年大數(shù)據(jù)概念開始傳播后，在百度和Google的“大數(shù)據(jù)”和“Big Data”的檢索趨勢(下圖數(shù)據(jù)中Baidu的PV加權(quán)處理，和Google相等同來體現(xiàn)趨勢對比)：

　　大數(shù)據(jù)這詞，百度的中文檢索的爆炸性遠遠高出英文的Google檢索。

　　這就是硅谷臭名昭著的技術(shù)成熟度曲線(炒作周期)，而在國內(nèi)互聯(lián)網(wǎng)行業(yè)被傳承和發(fā)揚的更厲害。

　　開個玩笑：“目前的大數(shù)據(jù)在國內(nèi)，就好比是一堆青春期的孩子在談?wù)摗靶浴保總€人都喜歡談，如果不談就好像自己不正常，但只是很少人真正有經(jīng)驗。真正有經(jīng)驗的，卻又閉口不言，笑笑而已”。互聯(lián)網(wǎng)行業(yè)發(fā)展迅速，這些孩子早晚都會成人，但是目前為止，絕大多數(shù)受益者只是那些打著標(biāo)簽的廠商，就好比賣給青春期孩子非法出版物的商販。

大數(shù)據(jù)到底是什么?

　　那到底什么是大數(shù)據(jù)呢?大數(shù)據(jù)僅僅是個概念還是有真正的未來呢?

　　首先，所有的數(shù)據(jù)的作用，都是尋找規(guī)律。

　　唯物主義辯證法說：世界是物質(zhì)的，物質(zhì)是運動的，運動是有規(guī)律的，而規(guī)律是可以掌握的。不管是最早的統(tǒng)計學(xué)，計算機出現(xiàn)后的數(shù)據(jù)分析，數(shù)據(jù)挖掘，以及到現(xiàn)在的大數(shù)據(jù)。我們都是在探索世界中的規(guī)律，試圖通過規(guī)律來了解這個世界。

　　在沒有出現(xiàn)計算機和互聯(lián)網(wǎng)的時代，前輩科學(xué)家奠定了數(shù)學(xué)和統(tǒng)計學(xué)的基礎(chǔ)。計算機出現(xiàn)后，對數(shù)據(jù)的存儲和計算能力大幅度增加，整理和分析數(shù)據(jù)的能力也在大大增加。而互聯(lián)網(wǎng)的出現(xiàn)和發(fā)展，讓搜集的手段進一步豐富，數(shù)據(jù)量大大增加。通過數(shù)據(jù)找規(guī)律的這個游戲也在不斷的豐富。

　　這個過程，數(shù)據(jù)一方面越來越大，另一方面越來越“小”的，怎么說呢：這個過程的進化可以簡單的說成“對整體樣本的覆蓋” 和“對微觀數(shù)據(jù)價值的發(fā)掘”。數(shù)據(jù)的精髓在于抽樣和模型，因為技術(shù)手段不可能獲取所有的對象特征，只能通過部分模擬全部，通過抽象模型來描述對象。而計算 機和互聯(lián)網(wǎng)出現(xiàn)后，對信息獲取能力，和對數(shù)據(jù)的分析和挖掘能力大大加強，對試圖探索的樣本覆蓋越來越大，而對對象本身的描述越來越細致。

　　好比我們想知道這一車蘋果的質(zhì)量。以前只隨機抽樣100個，看看外觀有沒有生蟲壞損;現(xiàn)在抽樣7000個，每一個蘋果用30多項數(shù)據(jù)來描述蘋果特征和質(zhì)量。以后不需要抽樣了100%的都獲取數(shù)據(jù)，然后每個蘋果100多項數(shù)據(jù)描述特征和質(zhì)量，甚至整個生長周期數(shù)據(jù)。

　　但是不管是統(tǒng)計學(xué)，數(shù)據(jù)分析，數(shù)據(jù)挖掘，還是現(xiàn)在的大數(shù)據(jù)。我們的任務(wù)自始至終沒有變化：通過收集、整理、分析數(shù)據(jù)等手段，來尋找規(guī)律、推斷本質(zhì)、甚至預(yù)測未來。

具體的行業(yè)中舉例

　　接下來我們選擇一個更容易抽象舉例的行業(yè)來說明：籃球(NBA)。

　　在NBA的早期，由于商業(yè)化程度不夠，對一場比賽的數(shù)據(jù)統(tǒng)計非常有限，不管是球員、教練、或者球隊經(jīng)理對球員的認(rèn)識都是在一種直覺上，或是最基礎(chǔ)的一些統(tǒng)計。

　　1986年NBA開始了完整的數(shù)據(jù)統(tǒng)計。所以現(xiàn)在的新聞都愛用：“自從1986有統(tǒng)計以來，這是第N個球員單場打出xxx數(shù)據(jù)……”NBA的統(tǒng)計正式進入了現(xiàn)代，數(shù)據(jù)庫技術(shù)的成功應(yīng)用，讓你可以從www.nba.com 隨意找到歷史數(shù)據(jù)。

　　也從這一天起，另一個話題浮現(xiàn)了。正如我們喜歡把武俠小說人物武藝列高低、列座次，數(shù)據(jù)完整化之后，大量的數(shù)據(jù)引用成了媒體的新愛好。于是， “得分利器”、“防守悍將”、“投籃大師”這些詞匯，逐漸被“每場能得多少分”、“完成多少個籃板+封蓋”、“投籃命中率”等覆蓋了。所有的球迷都開始喜 歡數(shù)據(jù)了。

　　但是只看數(shù)據(jù)，又會很難理解：年輕時的馬布里，一個場均20分7.6助攻的人，怎么會被叫做獨狼?看數(shù)據(jù)，會難以理解，鮑文這個數(shù)據(jù)平淡無奇， 搶斷毫不華麗的家伙，防守卻遠比兩屆搶斷王魔術(shù)師強大得多?又怎么能理解， 斯塔德邁爾職業(yè)生涯場均8.8籃板1.4蓋帽，加內(nèi)特在凱爾特人也就場均8.9籃板1.4蓋帽，但KG的防守和斯塔德邁爾，那就是天壤之別呢?

　　實際上，就是因為數(shù)據(jù)太單一，對球員的微觀數(shù)據(jù)的描述太少，根本無法只用數(shù)據(jù)來描述一個球員在球場上發(fā)揮的作用或者特點。

　　21世紀(jì)，細節(jié)化微觀數(shù)據(jù)越來越多的被融入NBA，專業(yè)的NBA數(shù)據(jù)挖掘公司Synergy Sports出現(xiàn)了?！禨I》披露過一份籃球之神喬丹的專業(yè)統(tǒng)計：公牛80.2%的進攻要經(jīng)他之手; 83.9%的投籃是跳投;54.3%的投籃來自于球場右側(cè);17%的進攻來自拉開單打;單打時運2.67步后拔起跳投;對手干擾到位情況下，命中率是 46.3%;等等。

　　到了這一地步，數(shù)據(jù)開始進入到新的時代。而今年的NBA季后賽，美國媒體開始把場均奔跑距離，速度，最快速度等等也加入到了分析的維度。新的技術(shù)手段加大了微觀數(shù)據(jù)價值的發(fā)掘。也許我們可以稱之為：大數(shù)據(jù)。

正確的看待大數(shù)據(jù)

　　數(shù)據(jù)的確不會說謊。但要精準(zhǔn)說明一件事，需要足夠多的數(shù)據(jù)，和足夠微觀的挖掘。但數(shù)據(jù)，永遠不會足夠多。例如籃球比賽，數(shù)據(jù)與感知，會永遠的交 織下去。越來越多的數(shù)據(jù)模型，會給出無限接近印象的結(jié)果;但是當(dāng)數(shù)據(jù)或感知任何一方一統(tǒng)天下時，談?wù)摶@球，也就不復(fù)有樂趣了。而不論對數(shù)據(jù)多么了解，也需 要教練設(shè)計戰(zhàn)術(shù)、發(fā)揮球員特定，激勵團隊士氣，才能贏得比賽，數(shù)據(jù)本身不會“贏球”。

　　大數(shù)據(jù)是一種進步，但是我們完全沒有必要神話，更沒有必要妖魔化。大數(shù)據(jù)是一種概念，也只是我們認(rèn)知世界發(fā)展到目前階段順理成章的產(chǎn)物。理智的看待大數(shù)據(jù)，讓好的為生產(chǎn)和研究服務(wù)，更多的發(fā)揮我們自己的創(chuàng)新性和主觀能動性，會更有價值。

                                                                                                                                       數(shù)據(jù)分析師