大數(shù)據(jù)“ABC”

□ 文/陶 丹

關(guān)于“大數(shù)據(jù)”概念產(chǎn)生的來龍去脈

1．“大數(shù)據(jù)”的名稱來自于未來學(xué)家托夫勒所著的《第三次浪潮》

盡管“大數(shù)據(jù)”這個詞直到最近才受到人們的高度關(guān)注，但早在1980年，著名未來學(xué)家托夫勒在其所著的《第三次浪潮》中就熱情地將“大數(shù)據(jù)”稱頌為“第三次浪潮的華彩樂章”。《自然》雜志在2008年9月推出了名為“大數(shù)據(jù)”的封面專欄。從2009年開始“大數(shù)據(jù)”才成為互聯(lián)網(wǎng)技術(shù)行業(yè)中的熱門詞匯。

2．最早應(yīng)用“大數(shù)據(jù)”的是麥肯錫公司（McKinsey）

對“大數(shù)據(jù)”進(jìn)行收集和分析的設(shè)想，來自于世界著名的管理咨詢公司麥肯錫公司。麥肯錫公司看到了各種網(wǎng)絡(luò)平臺記錄的個人海量信息具備潛在的商業(yè)價值，于是投入大量人力物力進(jìn)行調(diào)研，在2011年6月發(fā)布了關(guān)于“大數(shù)據(jù)”的報告，該報告對“大數(shù)據(jù)”的影響、關(guān)鍵技術(shù)和應(yīng)用領(lǐng)域等都進(jìn)行了詳盡的分析。麥肯錫的報告得到了金融界的高度重視，而后逐漸受到了各行各業(yè)關(guān)注。

3．“大數(shù)據(jù)”的特點由維克托·邁爾-舍恩伯格和肯尼斯·庫克耶在《“大數(shù)據(jù)”時代》中提出

維克托·邁爾-舍恩伯格和肯尼斯·庫克耶編寫的《大數(shù)據(jù)時代》①中提出：“大數(shù)據(jù)”的4V特點：Volume（數(shù)據(jù)量大）、Velocity（輸入和處理速度快）、Variety（數(shù)據(jù)多樣性）、Value（價值密度低）。這些特點基本上得到了大家的認(rèn)可，凡提到“大數(shù)據(jù)”特點的文章，基本上采用了這4個特點。

4．在云計算出現(xiàn)之后“大數(shù)據(jù)”才凸顯其真正價值

自從有了云計算服務(wù)器，“大數(shù)據(jù)”才有了可以運行的軌道，才可以實現(xiàn)其真正的價值。有人就形象地將各種“大數(shù)據(jù)”的應(yīng)用比作一輛輛“汽車”，支撐起這些“汽車”運行的“高速公路”就是云計算。最著名的實例就是Google搜索引擎。面對海量Web數(shù)據(jù)，Google于2006年首先提出云計算的概念。支撐Google內(nèi)部各種“大數(shù)據(jù)”應(yīng)用的，正是Google公司自行研發(fā)的云計算服務(wù)器。

眾說紛紜的表達(dá)

《大數(shù)據(jù)時代》的作者維克托·邁爾·舍恩伯格解釋②：了解什么是“大數(shù)據(jù)”的定義非常關(guān)鍵。首先要明確的是，“大數(shù)據(jù)”并不是很大或者很多數(shù)據(jù)。根據(jù)維克托在書中的描述，“大數(shù)據(jù)”并不是一部分?jǐn)?shù)據(jù)樣本，而是關(guān)于某個現(xiàn)象的所有數(shù)據(jù)。第二點，由于掌握了關(guān)于某個現(xiàn)象的所有數(shù)據(jù)，那么在統(tǒng)計時就能接受更多不準(zhǔn)確的信息。第三，“大數(shù)據(jù)”的分析著重在了解“什么”而不是“為什么”。比如人們可以通過各種相關(guān)數(shù)據(jù)來了解未來將會發(fā)生什么，而不是這些事情發(fā)生的原因。要探尋原因會更難，很多時候，知道會發(fā)生什么已經(jīng)足夠了。以上這些就是“大數(shù)據(jù)”的核心，有足夠多的數(shù)據(jù)，允許數(shù)據(jù)中存在不準(zhǔn)確的信息和不去探尋事件發(fā)生的原因而是探尋會發(fā)生什么事件。

維基百科對“大數(shù)據(jù)”的解讀是：“大數(shù)據(jù)”（Big data），或稱巨量數(shù)據(jù)、海量數(shù)據(jù)、大資料，指的是所涉及的數(shù)據(jù)量規(guī)模巨大到無法通過人工，在合理時間內(nèi)達(dá)到截取、管理、處理、并整理成為人類所能解讀的信息。

百度百科對“大數(shù)據(jù)”的定義為：“大數(shù)據(jù)”(big data)，或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具，在合理時間內(nèi)達(dá)到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊。

傳媒專家劉建明教授認(rèn)為③：“大數(shù)據(jù)”同信息是不可分離的，是指信息浩大數(shù)量的統(tǒng)計與技術(shù)運作。作為人類認(rèn)知社會方法的一次飛躍，“大數(shù)據(jù)”技術(shù)將給企業(yè)運營、政府管理和媒體傳播的科學(xué)化創(chuàng)造有效機制。

“大數(shù)據(jù)”的基本判斷標(biāo)準(zhǔn)

什么樣的數(shù)據(jù)才是“大數(shù)據(jù)”？透過層層的迷霧和眾說紛紜，可以講：有了云計算服務(wù)器才有了“大數(shù)據(jù)”應(yīng)用的價值。

維克托曾說過：“假設(shè)你要測量一個葡萄園的溫度，但是整個葡萄園只有一個溫度測量儀，那你就必須確保這個測試儀是精確的而且能夠一直工作。反過來，如果每100棵葡萄樹就有一個測量儀，有些測試的數(shù)據(jù)可能會是錯誤的，也可能會更加混亂，但眾多的讀數(shù)合起來就可以提供一個更加準(zhǔn)確的結(jié)果。因為這里面包含了更多的數(shù)據(jù)，而它提供的價值不僅能抵消掉錯誤數(shù)據(jù)造成的影響，還能提供更多的額外價值。現(xiàn)在想想增加讀數(shù)頻率的這個事情。如果每隔一分鐘就測量一下溫度，十次甚至百次的話，不僅讀數(shù)可能出錯，連時間先后都可能搞混。試想，如果信息在網(wǎng)絡(luò)中流動，那么一條記錄很可能在傳輸過程中被延遲，在其到達(dá)的時候已經(jīng)沒有意義了，甚至干脆在奔涌的信息洪流中徹底迷失。雖然得到的信息不再準(zhǔn)確，但收集到的數(shù)量龐大的信息讓我們放棄嚴(yán)格精確的選擇變得更為劃算……為了高頻率而放棄了精確性，結(jié)果觀察到了一些本可能被錯過的變化。雖然如果能夠下足夠多的工夫，這些錯誤是可以避免的，但在很多情況下，與致力于避免錯誤相比，對錯誤的包容會帶來更多好處。為了規(guī)模的擴大，我們接受適量錯誤的存在。”④其中描述葡萄園測量儀采集的數(shù)據(jù)就是大數(shù)據(jù)。大數(shù)據(jù)實質(zhì)上是全面、混雜的并且具有數(shù)據(jù)量大、輸入和處理速度快、數(shù)據(jù)多樣性、價值密度低特點的數(shù)據(jù)。

【注釋】

①④[英] 維克托·邁爾-舍恩伯格，[英] 肯尼思·庫克耶 著，盛楊燕，周濤 譯，《大數(shù)據(jù)時代》，浙江人民出版社，2013-01-01出版。

②朱旭冬，《對話維克托：”大數(shù)據(jù)”重在預(yù)測 應(yīng)由CEO親自負(fù)責(zé)》，騰訊科技， 2012年12月26日。

③劉建明，《新聞媒體對““大數(shù)據(jù)””的駕馭》《新聞戰(zhàn)線》，2013年6月。