大數(shù)據(jù)時代(1)-別以為自己真的懂 Big Data

最近「大數(shù)據(jù)( Big Data )」嚴(yán)然變成流行字，感謝科技界的搜索引擎、智能電話、社交媒體等等，由于我們的生活越來越離不開網(wǎng)絡(luò)，智能手機(jī)、平板、電腦……每日透過各項(xiàng)產(chǎn)品連接互聯(lián)網(wǎng)并使用的資料越來越龐大，形成新的話題。曾經(jīng)是科技界的新寵兒，現(xiàn)在變成商業(yè)界的奇貨。誰能掌握在手，誰就能獲得更大的商機(jī)。
你真的懂得大數(shù)據(jù)嗎?
    仔細(xì)想想，你真的懂得大數(shù)據(jù)嗎?筆者發(fā)現(xiàn)很多人其實(shí)都是道聽涂說，一知半解。最近 RADICA DATA LAB 早前進(jìn)行「大數(shù)據(jù)市場應(yīng)用調(diào)查」，表示教育水平更高者更熟悉大數(shù)據(jù)。
    大數(shù)據(jù)其實(shí)并不是甚么新奇奧秘的玩意，說穿了它就只是 Found Data ，將零散雜亂的各種數(shù)據(jù)統(tǒng)合分析，從而演算出某些結(jié)論、推測以及反應(yīng)。昔日的數(shù)據(jù)庫是被動的，它要求使用者逐一回饋，像是填寫各項(xiàng)問卷、蒐集技術(shù)樣本等等。
「最可能的答案」而非「最正確的答案」
    不論是收集過程、數(shù)量以及分析數(shù)據(jù)都需要花費(fèi)大量時間，而且往往是針對一些特定主題及目的，數(shù)據(jù)亦不夠全面。然而由于現(xiàn)在電腦及手機(jī)的普及，以及網(wǎng)絡(luò)通訊的流行，實(shí)現(xiàn)新的數(shù)據(jù)收集方式：將大量「數(shù)位化資訊」進(jìn)行演算分析從而「數(shù)據(jù)化」。即使是普通人也會聽聞及發(fā)現(xiàn)，為什么手機(jī)會知道自己的喜好，搜索時都是將自己常去的網(wǎng)站搬前，顯示的廣告都是自己有興趣的，這就是大眾所感知到的「大數(shù)據(jù)」如何影響自己。
    大數(shù)據(jù)有別過去收集數(shù)據(jù)的方式，它不需要刻版而特定的數(shù)據(jù)，縱使再零碎不全，都一律交由電腦收集及識別。大眾日常于網(wǎng)絡(luò)上做的每一步活動，都有紀(jì)錄下來，讓有關(guān)方面可以因應(yīng)需要分析用家個人喜好、居住地區(qū)、考慮條件、特定瀏覽時間等等提供「最可能的答案」，而非「最正確的答案」。
大數(shù)據(jù)重視關(guān)連
    大數(shù)據(jù)是違反科學(xué)的：科學(xué)講求精確，它卻講求模煳?？茖W(xué)講求因果，它只重視關(guān)連?？茖W(xué)只紀(jì)錄有用的數(shù)據(jù)，它卻是所有數(shù)據(jù)都有價值。早于 20 世紀(jì) 20 年代 B.Russell 就提出過有關(guān)的論文，及后 1965 年 L.A.zadeh 發(fā)表模煳集合理論，正式奠定基礎(chǔ)。模煳理論實(shí)際上是模煳集合、模煳關(guān)系、模煳邏輯、模煳控制、模煳量測等理論的泛稱。
    過去人類尤其是西方科學(xué)重精確輕模煳，胡適亦曾撰文<差不多先生傳>，崇尚西方學(xué)風(fēng)的他們抨擊諷刺中國人特有的「近似推理( Approximation reasoning )」：缺乏科學(xué)精神，凡事模棱兩可，只要差不多就好。諷刺的是不出數(shù)十年，西方科技發(fā)展就要學(xué)習(xí)差不多先生，追求不明確與模煳概念。事實(shí)上，模煳理論應(yīng)用最有效最廣泛的領(lǐng)域就是模煳控制。模煳控制出人意料的解決了傳統(tǒng)西方理論邏輯無法解決或難以解決的疑難，并取得了一些驚人的成效：大數(shù)據(jù)就是其中的表表者。

大數(shù)據(jù)未必百分百正確，但又合乎一般人理解的范圍
    例如「青年」這個概念，它的內(nèi)涵大家都清楚明白，但是什么樣的年齡階段內(nèi)的人是青年，恐怕大家莫衷一是，因?yàn)樵凇盖嗄辍惯@個概念中沒有一個清晰確定的邊界與外延，這就是模煳概念。人們在認(rèn)識模煳性時往往帶有主觀性，每個人對模煳事物的認(rèn)知不可能完全相同。我們詢問一千人他們認(rèn)知中「年青」的年齡范圍，那么我們可能得到一千個不同的答案。盡管如此，當(dāng)我們用模煳統(tǒng)計(jì)的方法對海量數(shù)據(jù)進(jìn)行分析時，答案又具有一定的規(guī)律性。
    大數(shù)據(jù)就是以相近的塬理運(yùn)作，假設(shè)我們要求電腦在甲城市報告「低收入青年的數(shù)量」，這里所說的「低收入」、「青年」都是模煳概念，過去的統(tǒng)計(jì)學(xué)要先求出「何謂低收入」「何謂青年」的「精確范圍」然后才能進(jìn)行下一步的統(tǒng)計(jì)：你要先告訴電腦某個薪金以下是低收入，哪個年齡階層是青年，然后在資料庫指定欄位找符合的條目。然而在大數(shù)據(jù)時代下，電腦能通過模煳概念去分析判斷，演算法會自己跑自己分析「低收入」及「青年」大概的范圍，將相關(guān)的數(shù)據(jù)條列出來。它未必百分百正確，但又合乎一般人理解的范圍。