大數據時代的思維變革

黃欣榮

(江西財經大學管理哲學研究中心，南昌 330013)

大數據如今成了一個炙手可熱的詞匯，成了各行各業的人們熱烈談論的話題。種種跡象表明，大數據正向我們撲面而來，世界正急速地被推入大數據時代。因此，許多有識之士都急速呼吁要熱情擁抱“大數據時代”。隨著大數據時代的來臨，我們的生產、生活、工作和思維方式諸多方面都將進行大變革，我們將一改往日的小數據思維和眼光，迅速以大數據思維和視角來看待世界，看待社會和生活。

一、大數據時代的來臨

20世紀80年代，以預測未來而著稱的美國未來學家阿爾文·托夫勒在其《第三次浪潮》中就曾經預測，21世紀前后，人類將進入信息時代，信息將成為物質、能量之后的第三個世界構成要素，并用極其煽動性的語言描繪了信息時代的生產、生活、工作和學習等各方面的變革［1］。當時大多數人都認為這是一個十分遙遠的烏托邦。然而，僅僅幾年功夫，隨著計算機的快速更新換代，世界就被托夫勒所說的“第三次浪潮”所席卷，被急速推入了信息時代。

20世紀80年代以來，計算機的硬件和軟件都按摩爾定律迅速發展［2］39。硬件體積越來越小，但功能越來越強大;軟件迅速升級，并被模塊化、智能化，計算機被迅速普及到各行各業，滲透到生活的方方面面。由于計算機以處理離散數據見長，因此凡需計算機處理的東西都必須用離散數據來表示，所涉對象也必須被編碼成結構化數據。由于計算機及其他智能設備的普及，由其采集的各類數據以鋪天蓋地之勢爆發出來，在國際互聯網的推波助瀾下，這些爆炸性增長的數據又成了公共數據。這些海量、雜亂的數據以前被看作無用而又占據存儲空間的“垃圾”，隨著數據挖掘和處理技術的發展，這些“數據垃圾”迅速變廢為寶，成了炙手可熱的資源。那些先知先覺的吃螃蟹者靠這些資源一夜暴富，成了時代的新寵和標桿。在這些“數據富豪”的示范和引領下，“數據”變成了一種繼物質、能源之后的寶貴資源，占有數據就等于占有了財富。于是，各種數據都被收集和存儲，數據規模爆炸式增長，形成了數據的海洋。這些海量數據與小數據時代的寥寥數據相比簡直不可同日而語，因此被稱為“大數據”。

大數據一詞來源于英文Big data，用來指稱“那些大小已經超出了傳統意義上的尺度，一般的軟件工具難于捕捉、存儲、管理和分析的數據”［2］57。據百度百科，“大數據”這個術語最早期的使用可追溯到apache org的開源項目Nutch。當時，大數據用來描述為更新網絡搜索索引需要同時進行批量處理或分析的大量數據集。隨著Google Map Reduce和Google File System(GFS)的發布，大數據不再僅用來描述大量的數據，還涵蓋了處理數據的速度。不過，大數據被廣泛傳播，主要歸因于美國麥肯錫公司。2012年初，全球知名的咨詢公司麥肯錫最早使用今天被大家理解的“大數據”概念，用來指稱數據量特別巨大，超過PE級別(1015～1018字節)并包括結構性、半結構性和非結構性的數據［3］7。

從某種程度上說，大數據主要是數據分析的前沿技術。簡言之，從各種各樣類型的數據中，快速獲得有價值信息的能力，就是大數據技術。這也是大數據的概念一提出來就一呼百應的原因，因為它屬于技術，具有巨大的商業價值，具有促使該技術走向眾多商業應用的潛力。

大數據是一個總稱性的概念，它還可以細分為大數據科學、大數據技術、大數據工程和大數據應用等領域。目前我們所說的大數據更多局限于大數據技術和大數據應用，而對大數據科學和工程則還未重視。大數據科學關注大數據網絡發展和運營過程中，發現和驗證大數據的規律及其與自然和社會活動之間的關系，而大數據工程指大數據的規劃建設、運營管理的系統工程。

有人把大數據的特點歸納為4個層面，并被簡稱為 4“V”［3］7:第一，Volume(大量)，即數據數量巨大。從TB級別，躍升到PB級別(1TB=1012bt，1PB=1015bt)。第二，Variety(多樣)，即數據類型繁多。除了標準化的結構化編碼數據之外，還包括網絡日志、視頻、圖片、地理位置信息等等非結構化或無結構數據。第三，Velocity(高速)，即處理速度快，實時在線。各種數據基本上可以做到實時、在線，并能夠進行快速的處理、傳送和存儲，以便全面反映對象的當下狀況。第四，Value(價值)，即商業價值高，但價值密度低。以視頻為例，在連續不間斷的監控過程中，可能有用的數據僅僅有一兩秒。

二、大數據引發的思維方式變革

“大數據開啟了一次重大的時代轉型。就像望遠鏡讓我們能夠感受宇宙，顯微鏡讓我們能夠觀測微生物一樣，大數據正在改變我們的生活以及理解世界的方式，成為新發明新服務的源泉，而更多的改變正蓄勢待發。”［4］1大數據正在改變我們的一切，其中最重要的是從改變我們的思維方式開始，引發思維大變革，并帶來所謂的“大數據思維”。

所謂思維方式，就是我們大腦活動的內在程序，是一種習慣性的思考問題和處理問題的模式，它涉及我們看待事物的角度、方式和方法，并由此對我們的行為方式產生直接的影響。任何人都生活在一定的時代和環境中，其思考問題和解決問題的習慣和模式都會受到時代和環境的影響，并由此決定他怎樣觀察和理解這個世界。例如，文藝復興以來，由于牛頓力學的巨大成功，人們就用牛頓力學來看待一切，似乎世界就像一臺巨大的機器，完全可以用牛頓力學的三大定律和萬有引力定律來認識和解釋一切現象，以至于活生生的人類自身也變成了“機器”，這就是著名的機械論思維方式。

隨著Google、百度、騰訊、淘寶等網絡公司的迅速崛起以及他們的迅速致富，數據致富成了新的致富神話。山西的煤老板、王石等房地產商、擁有數百萬一線工人的富士康公司等，費了九牛二虎之力才取得億萬財富，而這些網絡數據商則在短短的幾年時間就迅速超越了這些實體公司的財富，并且所費人力、物力和財力甚少。人們現在才如夢方醒，知道了數據在我們這個時代成了最重要的資源之一。數據就是資源，數據就是財富成了迅速深入人心的理念。一切皆用數據來觀察，一切都用數據來刻畫，一切數據也被當作財富來采集、存儲和交易，這就是所謂的“數字化生存”?！按髷祿侨藗儷@得新的認知、創造新的價值的源泉;大數據還是改變市場、組織機構，以及政府與公民關系的方法?！保?］9人們迅速地以數據的眼光來觀察世界和理解、解釋這個紛繁復雜的世界，這就是所謂的大數據思維。按照舍恩伯格的說法:“所謂大數據思維，是指一種意識，認為公開的數據一旦處理得當就能為千百萬人急需解決的問題提供答案?！保?］167

曾幾何時，數據只是刻畫世界的一種方便符號，而如今卻成了財富，甚至有人提出世界的本質就是數據。因此，隨著大數據時代的來臨，人類的思維方式必然會產生革命性的變革。這些變革主要表現在如下幾個方面:

第一，整體性，即用整體的眼光看待一切，由原來時時處處強調部分到如今強調“一個都不能少”，不能只有精英，而其他只能“被代表”。西方科學從古希臘開始就有尋找“始基”的傳統，以牛頓力學為代表的近代科學家們更是擅長分割整體，不斷還原，通過研究作為基本構件的部分來把握整體行為，由此形成了西方科學的還原論傳統。在還原論眼中，萬事萬物都可以分解為部分，部分比整體更加重要，只要把握了部分，整體就盡在掌握之中。這些部分也被稱為要素，而整體則被稱為系統。之所以重視部分，原因當然無非有兩個:一是當時的科學還處于剛剛開始的階段，通過簡單的分解就可以取得豐碩的成果;二是當時的處理能力還不足以把握復雜的整體，于是采取迂回的辦法，通過分解為更簡單的部分來把握復雜的整體。當整體只由簡單的幾個部分組成時，當然其所有部分都會被詳細研究。但當整體由眾多的部分構成時，由于處理能力所限，不可能對所有部分進行研究，于是只能選取其中的一些部分，試圖通過這些部分來代表全部，這就是統計學中十分著名的樣本研究法。為了讓這些部分能夠代表整體，就有了如何科學抽樣的研究。但是，無論如何科學抽樣，都有可能走樣，部分都未必能夠代表整體。于是就有了以系統科學和復雜性研究為代表的整體論興起以及中國古代整體論的復興。但無論是西方現代整體論還是中國古代的整體論，其整體都是抽象的整體，無法進行技術操作，只停留在抽象的概念層面。隨著大數據的興起，整體和部分終于走向了統一。大數據理論承認整體是由部分組成的，但面對大數據，我們不能用抽樣的方法只研究少量的部分，而讓其他眾多的部分“被代表”。在大數據研究中，我們不再進行隨機抽樣，而是對全體數據進行研究。正如維克托所說:“要分析與某事物相關的所有數據，而不是依靠分析少量的數據樣本?！保?］29“當數據處理技術已經發生了翻天覆地的變化時，在大數據時代進行抽樣分析就像在汽車時代騎馬一樣。一切都改變了，我們需要的是所有的數據，‘樣本 = 總體’?！保?］27大數據技術將整體論的“整體”落到了實處，整體不再是抽象的整體，而是可以進行具體操作的整體，而且能夠真正體現整體的行為。在大數據時代，不再有“被代表”，整體真正體現了全部，反映了所有的細節。

第二，多樣性，即承認世界的多樣性和差異性，由原來的典型性和標準化到如今的“怎樣都行”，一切都有存在的理由，真正做到了“存在的就是合理的”。在小數據時代，人們獲取數據和處理數據都不是那么容易，因此要求每個數據都必須精確和符合要求，或者說按照某個格式或標準來采集統一結構標準的數據。例如我們的手機號碼、身份證號碼都是統一格式的，在人口普查、經濟普查等各種普查中，都嚴格要求按照標準化的格式登記和填寫。一旦產生非標準的數據就會當做無用數據而被排除。在計算機的數據結構中，這些標準化的數據叫做結構化數據。然而，在大數據時代，隨時隨地都在產生各類數據，而且這些數據沒有統一要求或標準，五花八門。按大數據的視野看來，這些數據雖然沒有標準化，但依然是寶貴的資源，無論是標準的還是非標準的數據都有其存在的理由。“我們樂于接受數據的紛繁復雜，而不再追求精確性?！保?］29科學哲學家費耶爾阿本德認為，在科學方法上應該提倡無政府主義，沒有標準，“怎么都行”。大數據真正體現了這種科學方法論，也體現了德國哲學家的思想:凡存在的都是合理的，這些數據既然產生并已經存在，就有其存在的理由，就有其合理性。大數據時代真正體現了百花齊放的多樣性，而不再是小數據時代的單調乏味的統一性。

第三，平等性，即各種數據具有同等的重要性，由原來的金字塔式結構變成了平起平坐的平等結構，強調了民主和平等。任何系統都有其組成結構，組成系統的各種要素按照某種結構組織起來而形成系統。在還原論的影響下，小數據時代的科學技術特別強調系統的層次結構，鐘情于金字塔式的、不平等的等級結構，由此來強調系統要素之間的不平等性。在等級結構中，我們可以像剝洋蔥一樣層層剝離，通過層層還原來不斷揭示出要素之間的關系，并強調金字塔頂的基礎作用以及上下級的領導關系。在大數據的海量數據中，所有的數據更多地是處于平等關系，因此不會特別突出某些數據的關鍵作用。在大數據時代，群眾成了真正的英雄，而不再過分強調精英和英雄的突出地位。

第四，開放性，即一切數據都對外開放，沒有數據特權，從原來的單位利益、個人利益變為全民共享。封閉導致混沌和腐敗，開放則帶來有序和生機。由于處理能力的限制，以往的科學在對研究對象進行研究時，都要把對象與環境隔離開來，就像牛頓力學在做力學分析時那樣，這種分離、封閉的方法也深深地影響了我們的思維方式。在社會生活中，我們也是把社會劃分為不同的部門或利益共同體，整個社會就由大大小小諸多的部門或利益共同體構成。為了自身的利益，各利益共同體都各自為政，不愿意把信息對外公布和分享。當然，在以往的社會，即使想跟大眾分享，也沒有實現分享的技術途徑。在大數據時代，互聯網、云技術等信息技術為我們提供了便捷的共享手段。遍地可見的電腦、智能手機、攝像頭以及其他諸多的信息采集設備和存儲設備將海量數據置于公共空間，為公眾共享信息提供了基礎。因此，大數據時代是一個開放的時代，一切都被置于“第三只眼”中，太陽底下無隱私，分享、共享成了共識，傳統的小集團利益被打破，社會成了一個透明、公開的社會。這也符合大眾的期望，因為大眾就希望通過公開透明來消除因封閉、封鎖而導致的腐敗，開放、共享帶來社會經濟的勃勃生機。

第五，相關性，即關注數據間的關聯關系，從原來凡事皆要追問“為什么”到現在只關注“是什么”，相關比因果更重要，因果性不再被擺在首位。西方科學傳統中，因果性是各門學科關注的核心，古希臘哲學家所謂的本源問題其實就是因果關系問題，物理、化學、生物等學科所得到的所謂規律無非就是各種因果關系而已。在傳統科學中，由于科學工具和處理能力所限，只能尋找和處理簡單的幾個量之間的線性關系。因為每個數據得來不易，所以幾乎沒有冗余數據，每個量總能找到其前因后果，因而形成一個長長的因果關系鏈。但是，在大數據時代，由于數據量特別巨大，幾乎都是海量，要找出所有量與量之間的因果關系幾乎是不可能的，因此只好把它們封裝起來作為一個黑箱，我們只關注這個黑箱的宏觀行為，不甚關注其內部機制。我們通過比對來發現數據之間的相關關系，找到宏觀行為中具有顯著相關的數據之間的變化關系。由于這些相關數據之間在黑箱內經過了十分復雜的相互作用，不再是小數據時代的簡單、直接的線性因果關系，而是復雜、間接的非線性因果關系，因此大數據時代的相關關系比因果關系更重要。正如維克托所說:“我們的思想發生了轉變，不再探求難于捉摸的因果關系，轉而關注事物的相關關系?！保?］29因此，大數據時代打破了小數據時代的因果思維模式，帶來了新的關聯思維模式。

第六，生長性，即數據隨時間不斷動態變化，從原來的固化在某一時間點的靜態數據到現在的隨時隨地采集的動態數據，在線地反映當下的動態和行為，隨著時間的演進，系統也走向動態、適應。在小數據時代，采集的數據都是某個時間點的靜態數據，比如傳統的人口普查，必須規定在某時點開始普查，經歷一段時間到某個時點結束，然后用幾年的時間來處理得來的靜態數據。這些靜態的人口數據不能及時反映出每時每刻人口生生死死的動態變化，而是具有很長的時滯性，因此不能反映人口的實際狀況。在大數據時代，由于基本上可以做到在線采集數據，并能夠迅速處理和反映當下的狀態，因此能夠反映出實際的狀態。大數據時代的最大特點就是采用各種智能數據采集設備，隨時隨地采集到各種即時數據，并通過網絡及時傳輸，通過云存儲或云計算進行即時處理，基本上不會滯后。此外，由于大數據時代采集、存儲、傳輸、處理、使用數據的便捷性，因此我們可以做到不斷更新數據。這些隨時間流不斷更新的數據正好反映了數據隨時間的動態演化過程，這個過程構成了一幅動態演化全景圖。這種動態演化圖景正好反映了數據的生長性。此外，系統可以根據即時的動態信息來隨時調整系統的行為，從而體現出系統的適應性。

三、大數據思維是一種復雜性思維

大數據思維從諸多方面都體現了思維方式的重大變革，代表著思維發展的新方向［5］。不過，順著時間的脈絡和思維的邏輯，我們很快就會發現大數據思維與世紀之交興起的復雜性科學和復雜性思維具有極大的相似性，更極端一點來說，大數據思維從本質上來說就是復雜性思維。

復雜性思想古已有之，古希臘的亞里士多德以及整個古代哲學都具有復雜性思想。黑格爾和馬克思、恩格斯更是以辯證法的哲學形式加以表達，但復雜性科學卻一直等到20世紀90年代才興起。美國三位諾貝爾獎獲得者因為不滿現代科學的學科分裂，在新墨西哥州發起成立圣菲研究所(SFI)，以便彌合學科裂縫，整合科學資源，特別是試圖從思維方式和科學方法論上超越長期以來占統治地位的機械思維和還原論方法。所謂復雜性科學，并不屬于某一門新學科，而是一種科學新思維和新方法論［6］。復雜性科學認為，自然界和人類社會都紛繁復雜，并不像牛頓力學等近現代科學所認為的那樣簡單。大自然和人類的思維、行為并不完全嚴格按照線性因果關系來組織和行動，更多情況是隨機、自由或非線性、多樣性的。傳統的機械自然觀和還原方法論把一切對象都當作一架靜止的機器，可以隨意拆卸和組裝，而且最終可以還原成某個基本原件。復雜性科學則持一種有機自然觀，把一切對象都看作是有生命的、會生成演化的系統。即使是最簡單的幾個要素經過非線性相互作用，都有可能涌現出復雜的行為。正因如此，我們不能根據簡單因果關系來推導系統的行為。這也就是說，因為非線性相互作用，簡單要素經過分岔、突變，會涌現出復雜多樣的斑斕世界。

牛頓力學、愛因斯坦相對論等傳統的學科都基本上基于機械思維和還原方法論，因此全部被稱為簡單性科學。簡單性科學與復雜性科學在世界觀、本體論、認識論與方法論等諸多方面都有著革命性的差別。用美國科學哲學家托馬斯·庫恩的話來說，它們屬于不同的科學范式，而且相互的通約性比較小。也就是說，從簡單性科學到復雜性科學，是科學范式的不同轉換，是典型的科學革命，其本體信念、認識趣向、共有價值、方法特性和符號通式諸多方面都發生了根本的變化(見表 1)［7］。

表1 簡單性科學到復雜性科學的5個轉變

表1所描述的從簡單性科學到復雜性科學的5個維度的轉變幾乎也都適合用來描述從小數據時代到大數據時代的轉變。我們已經知道，大數據思維具有整體性、多樣性、平等性、開放性、相關性和生長性等特征，這些特性其實正好就是復雜性科學的典型特征。因此，可以得出結論說，簡單性科學與復雜性科學、小數據時代與大數據時代具有某種平行性和對應性，小數據屬于簡單性科學，而大數據屬于復雜性科學。由此不難看出，大數據的思維變革是科學范式從簡單性科學走向復雜性科學的反映，而大數據思維從本質上來說就是一種復雜性思維［8］。

可以說，小數據時代屬于簡單性科學時代，而大數據時代屬于復雜性科學時代，它們之間有時重疊交叉，有時各自發展。數據觀的變革主要與信息科學、信息論、計算科學以及人工智能相關。隨著計算機技術、網絡技術的發展，數據處理的技術和能力有了翻天覆地的變化，從而引起了從小數據到大數據的革命性變革?？梢哉f，數據觀的革命主要是因為技術革命引起的，因而大數據最突出的表現是數據處理技術的革命性突破。正因為如此，大數據技術對百姓的生活、工作與思維產生了巨大的影響。從簡單性科學到復雜性科學的科學觀變革主要與系統科學、系統論以及其他科學相關，它更多屬于科學思想觀念和哲學思維等理念層次的變革，因而更多表現在各門學科的科學觀念的革命轉變上。因此，科學觀從簡單性到復雜性的變革雖然也是一場革命，但它對生產、經濟，以及百姓的日常生活影響沒有那么巨大，主要局限于科學和哲學等學術領域。

由此，我們可以說，從簡單性科學到復雜性科學的革命，與從小數據時代到大數據時代在本質上是相通的，不過前者更多地表現在科學層面，而后者主要表現在技術層面;前者更多局限在思想領域，后者則直接對我們的生產、生活和思維產生了全方位的影響。因此，大數據技術革命與復雜性科學革命既有區別又有聯系，但它們在思維變革方面是基本一致的。

四、結束語

當前正在轟轟烈烈興起的大數據革命是一場影響巨大的科學技術革命，它必將改變世界，影響深遠，必將使我們的學習、工作與生活徹底改觀，使我們的思維方式產生徹底的變革。大數據思維體現了復雜性科學的思維方式，并且用最先進的數據采集、存儲、傳遞和使用的技術讓這種新思維得到全方位的落實，并帶來大機遇、大挑戰、大變革，最終“從大數據走向大社會”［2］308。在呼嘯而來的大數據時代，一切堅固的東西正在煙消云散。大數據正在不斷重塑我們的社會以及我們看待世界的方式。因此，不管愿意與否，我們都必將被大數據時代的滾滾洪流席卷，要么成為一個弄潮兒，要么徹底被時代淘汰。

［1］阿爾文·托夫勒.第三次浪潮［M］.北京:中信出版社，2006:83－85.

［2］涂子沛.大數據［M］.桂林:廣西師范大學出版社，2013.

［3］李德偉.大數據改變世界［M］.北京:電子工業出版社，2013.

［4］維克托·舍恩伯格，肯尼斯·庫克耶.大數據時代［M］.杭州:浙江人民出版社，2013.

［5］Luciano Floridi.Big data and their epistemological challenge［J］.Philos Technol，2012(25):435 －437.

［6］黃欣榮.復雜性科學的方法論研究［M］.重慶:重慶大學出版社，2011.

［7］黃欣榮.復雜性科學與中醫［J］.中醫雜志，2013(19):1621－1626.

［8］艾伯特·巴拉巴西.爆發:大數據時代預見未來的新思維［M］.北京:中國人民大學出版社，2012:245.

(責任編輯 張佑法)