大數(shù)據(jù)，這樣采這樣用_數(shù)據(jù)分析師培訓(xùn)

 雖然大數(shù)據(jù)早已不是什么新鮮詞，而且大家都能說上兩句自己心中大數(shù)據(jù)的模樣，可一旦細(xì)究起來，到底什么是大數(shù)據(jù)，大數(shù)據(jù)從何而來，如何應(yīng)用，相信不少人就說不清楚了。

    由東北大學(xué)、沈陽市政府及戰(zhàn)略投資者共同投資成立的東北大學(xué)東網(wǎng)科技有限公司，其超算中心和云計(jì)算中心擁有1170萬億次／秒計(jì)算能力、30PB云存儲(chǔ)空間。目前，東網(wǎng)科技與沈陽市環(huán)保局合作，正在通過大數(shù)據(jù)技術(shù)開展大氣環(huán)境監(jiān)測預(yù)報(bào)。懷揣著對大數(shù)據(jù)的好奇，記者走訪了這家公司。

    獲取10%的信息量，預(yù)測剩余90%，這是小數(shù)據(jù)；而掌握90%的信息量，預(yù)測余下的，則是大數(shù)據(jù)

    在一片尚未平整完畢的荒野中，矗立著一座極具現(xiàn)代科技感的建筑物：深藍(lán)色的圓形玻璃幕墻、航空級(jí)別的安保設(shè)施。此種場景，和美國科幻大片中看到的場景倒有幾分相似。

    經(jīng)過一系列安保檢查，記者得以進(jìn)入東網(wǎng)科技的超算中心和云計(jì)算中心，一臺(tái)臺(tái)超過2米的黑色機(jī)柜密密麻麻地排列在機(jī)房中?！白笫诌吺浅?jí)計(jì)算機(jī)，右手邊是云存儲(chǔ)器”，東網(wǎng)科技工作人員許冕介紹說。

    這和大數(shù)據(jù)有什么關(guān)系？“超算能力和云存儲(chǔ)就相當(dāng)于大數(shù)據(jù)的大腦，是大數(shù)據(jù)必備的硬件條件”，東網(wǎng)科技總經(jīng)理?xiàng)顚毿l(wèi)打了個(gè)比喻。對于東網(wǎng)科技擁有的1170萬億次／秒的超算能力，楊寶衛(wèi)說，這在目前國內(nèi)的超級(jí)計(jì)算機(jī)中名列前茅，而30PB則是一個(gè)存儲(chǔ)容量，相當(dāng)于約50萬個(gè)容量為64GB智能手機(jī)存儲(chǔ)容量總和。

    那到底什么是大數(shù)據(jù)？從網(wǎng)絡(luò)上查詢，答案五花八門。“針對某一事物，如果了解了10%的信息量，預(yù)測剩余的90%，這是小數(shù)據(jù)，需要抽樣然后概率分析；而掌握80%—90％的信息量，預(yù)測余下的10%—20％，則是大數(shù)據(jù)。也就是說，大數(shù)據(jù)是對某一事物的樣本空間的覆蓋，通過智能分析，對事物進(jìn)行預(yù)測預(yù)報(bào)”，楊寶衛(wèi)試圖用最簡單的話來說明他所理解的大數(shù)據(jù)。

    對于大數(shù)據(jù)，楊寶衛(wèi)趣稱為“經(jīng)驗(yàn)主義的復(fù)活”。過去我們是通過觀察和經(jīng)驗(yàn)，經(jīng)過大腦的分析總結(jié)后，指導(dǎo)人類活動(dòng)，比如一些天象的觀察等。后來，人類發(fā)展到一定階段后，信息越來越多，人腦計(jì)算不過來，就發(fā)明了電腦來幫助處理信息?，F(xiàn)在的超算就能夠幫助處理更多的信息，而大數(shù)據(jù)下的超算，就是通過大量可信賴樣本提供的經(jīng)驗(yàn)，對復(fù)雜事件進(jìn)行計(jì)算和預(yù)測。

    天氣預(yù)報(bào)就是個(gè)直觀的例子。人類能夠進(jìn)行天氣預(yù)報(bào)，是因?yàn)橐粋€(gè)事物通過足夠的數(shù)據(jù)完全可以在數(shù)字世界里進(jìn)行虛擬的演化。那么對天氣預(yù)報(bào)來說，我們把今天的天氣數(shù)據(jù)放到電腦里，在虛擬世界里模擬天氣的變化。或許超算只需要10分鐘，就可以預(yù)測某地3天后的天氣狀況。

    大數(shù)據(jù)技術(shù)包括數(shù)據(jù)采集—傳輸—集中存儲(chǔ)—再處理—再應(yīng)用等過程，其中采集是關(guān)鍵

    大數(shù)據(jù)來自何方，通過什么途徑我們可以獲取這些數(shù)據(jù)？不少人直觀的感受是：數(shù)據(jù)主要來自于互聯(lián)網(wǎng)。

    楊寶衛(wèi)認(rèn)為，獲取數(shù)據(jù)目前有三個(gè)渠道：第一，來自于互聯(lián)網(wǎng)的數(shù)據(jù)。比如阿里巴巴的交易數(shù)據(jù)、百度的查詢數(shù)據(jù)、騰訊的交流溝通數(shù)據(jù)，“這些還都是外圍的”。

    第二，來源于政府的數(shù)據(jù)。這才是真正的核心數(shù)據(jù)。比如經(jīng)濟(jì)運(yùn)行數(shù)據(jù)、人口數(shù)據(jù)、地理數(shù)據(jù)、政府服務(wù)數(shù)據(jù)、公共服務(wù)數(shù)據(jù)。

    第三，對原有世界的數(shù)據(jù)再次采集，這源于我們更多更先進(jìn)的技術(shù)手段采集到更多的數(shù)據(jù)，這就是如日中天的物聯(lián)網(wǎng)。我們要讓每一個(gè)物體都是傳感器，時(shí)刻在回傳數(shù)據(jù)，物聯(lián)網(wǎng)的發(fā)展會(huì)極大地豐富數(shù)據(jù)。

    然而，大數(shù)據(jù)真正的核心數(shù)據(jù)——政府所掌握的數(shù)據(jù)目前大多都處于“死機(jī)”狀態(tài)，如何激活還有待探索。業(yè)內(nèi)許多專家呼吁，在保證信息安全的基礎(chǔ)上，政府可開放一些并不敏感的數(shù)據(jù)，實(shí)行數(shù)據(jù)的可交易、資產(chǎn)化，據(jù)了解，上海已經(jīng)開始建設(shè)數(shù)據(jù)交易所。

    楊寶衛(wèi)認(rèn)為，大數(shù)據(jù)技術(shù)包括數(shù)據(jù)的采集—傳輸—集中存儲(chǔ)—再處理—再應(yīng)用等一系列過程。其中，數(shù)據(jù)的采集是關(guān)鍵。

    “大數(shù)據(jù)并不是今天做，明天就有，它是臺(tái)階式的發(fā)展。我們目前就在某些領(lǐng)域里進(jìn)行數(shù)據(jù)收集和智能分析，讓它能夠預(yù)測預(yù)報(bào)”，楊寶衛(wèi)介紹說，比如目前中心與沈陽、本溪合作建設(shè)智慧城市，就是把一些相關(guān)信息進(jìn)行集中，同時(shí)中心還從事互聯(lián)網(wǎng)的一些商業(yè)應(yīng)用。這些都是數(shù)據(jù)的采集和集中。

    采集之后，就是傳輸環(huán)節(jié)，如何能夠快速地傳輸？這涉及運(yùn)營商、基礎(chǔ)設(shè)施通訊等方面。接下來是數(shù)據(jù)存儲(chǔ)環(huán)節(jié)，也就是云計(jì)算中心的價(jià)值所在。然后是數(shù)據(jù)的處理和再處理，這就要用到超算。最后就是數(shù)據(jù)的再應(yīng)用，這是各個(gè)軟件公司、信息服務(wù)公司要做的事情。

    隨著在醫(yī)療、環(huán)保、航空等更多領(lǐng)域的廣泛應(yīng)用，大數(shù)據(jù)將實(shí)實(shí)在在地改變?nèi)藗兊娜粘Ｉ?/span>

    業(yè)內(nèi)專家認(rèn)為，如果把大數(shù)據(jù)比作一種產(chǎn)業(yè)，那么這個(gè)產(chǎn)業(yè)實(shí)現(xiàn)盈利的關(guān)鍵，在于對數(shù)據(jù)的高加工能力，通過加工實(shí)現(xiàn)數(shù)據(jù)的增值。簡單地說，就是大數(shù)據(jù)要實(shí)現(xiàn)高效應(yīng)用。

    “目前，東網(wǎng)科技已經(jīng)在大數(shù)據(jù)應(yīng)用方面做出努力和嘗試”，據(jù)介紹，針對霧霾天氣，東網(wǎng)科技公司自2013年10月起就與沈陽市攜手創(chuàng)建了“環(huán)保云”。東網(wǎng)公司與沈陽市環(huán)保局就空間信息需求對接，為PM2.5監(jiān)測治理提供解決方案。公司首先啟動(dòng)了沈陽市市轄區(qū)未來三天大氣污染狀況預(yù)報(bào)項(xiàng)目，利用自主研發(fā)的大氣成分反演模型和遙感數(shù)據(jù)處理軟件，進(jìn)行沈陽市冬季供暖期大氣環(huán)境監(jiān)測預(yù)報(bào)，為排放管控和污染治理提供科學(xué)手段。

    “大數(shù)據(jù)技術(shù)可以促進(jìn)醫(yī)療、環(huán)保、教育等民生問題的解決”，楊寶衛(wèi)說，隨著大數(shù)據(jù)技術(shù)的進(jìn)一步完善，其應(yīng)用必將給人們的生活帶來實(shí)實(shí)在在的改變。“給早產(chǎn)兒戴上傳感器，可以分分秒秒收集他（她）身上的海量個(gè)人生理信息，通過數(shù)據(jù)分析就能找到這個(gè)嬰兒在將來出現(xiàn)感染的幾率從而及早預(yù)防；收集飛機(jī)飛行時(shí)的空氣信息，以實(shí)現(xiàn)飛機(jī)的自動(dòng)飛行?！边@些場景都將逐步實(shí)現(xiàn)。城市將更聰明，生活將更智慧。

    據(jù)介紹，基于大數(shù)據(jù)技術(shù)，還可模擬基因的演化，藥廠也可以用計(jì)算機(jī)進(jìn)行成千上萬的病例與藥物的作用演化。水稻種植實(shí)驗(yàn)，一個(gè)品種在種下去一年后，才能看得到結(jié)果。未來只要把基因數(shù)據(jù)放入計(jì)算機(jī)，很快就能看到結(jié)果，這樣可以大大加快科研進(jìn)程。

 大數(shù)據(jù)技術(shù)的發(fā)展也引發(fā)了人們對于信息和隱私安全問題的擔(dān)憂。楊寶衛(wèi)對此持樂觀態(tài)度：通過發(fā)展技術(shù)、加強(qiáng)管理、完善法律等多方面的努力，問題將逐步得到解決。