大數(shù)據(jù)技術(shù)之一“數(shù)據(jù)標(biāo)識”

徐立水+殷亮

摘 要：DT時代，最重要的是“大數(shù)據(jù)”。目前，大數(shù)據(jù)開發(fā)和應(yīng)用正如火如荼地開展，然而真正實現(xiàn)落地的項目并不多見。大數(shù)據(jù)現(xiàn)在只呈現(xiàn)的是一個研究熱點，迫切需要一種技術(shù)實現(xiàn)大數(shù)據(jù)精準(zhǔn)開發(fā)應(yīng)用。該文通過導(dǎo)入大數(shù)據(jù)概念，解釋大數(shù)據(jù)包含的二元概念，分析“大統(tǒng)計”與“大數(shù)據(jù)”的區(qū)別，引出大數(shù)據(jù)技術(shù)之一“數(shù)據(jù)標(biāo)識”方法與應(yīng)用，用以標(biāo)識人類行為數(shù)據(jù)和醫(yī)學(xué)大數(shù)據(jù)開發(fā)應(yīng)用的方法，文章進一步闡明“數(shù)據(jù)標(biāo)識”的科學(xué)性和準(zhǔn)確性，為大數(shù)據(jù)開發(fā)應(yīng)用指引道路。大數(shù)據(jù)是人類行為軌跡生產(chǎn)出來的數(shù)據(jù)資源，大數(shù)據(jù)是關(guān)于人的研究，由于物理人體的邊界清晰，醫(yī)學(xué)大數(shù)據(jù)應(yīng)用或?qū)⒃缬谌祟愋袨閿?shù)據(jù)應(yīng)用的成功，未來的人工智能離人們不再遙遠(yuǎn)。

關(guān)鍵詞：大數(shù)據(jù) 大數(shù)據(jù)技術(shù) 醫(yī)學(xué)大數(shù)據(jù) 數(shù)據(jù)標(biāo)識 精準(zhǔn)營銷

中圖分類號：TP39 文獻標(biāo)識碼：A 文章編號：1672-3791（2016）09（a）-0011-02

大數(shù)據(jù)[1]一定是人類進入DT時代的關(guān)鍵技術(shù)，也將是人類實現(xiàn)人工智能的關(guān)鍵技術(shù)。自大數(shù)據(jù)概念[1]提出以來，大數(shù)據(jù)的重要性和大數(shù)據(jù)的開發(fā)與使用已經(jīng)得到各國政府、各界人士的高度重視[2-3]。大數(shù)據(jù)研究也方興未艾、如火如荼地開展起來。如何開發(fā)好和利用好大數(shù)據(jù)是擺在所有人面前的一個非常急迫和現(xiàn)實的問題，筆者在醫(yī)科院信息所工作中有一些思考，也發(fā)表過一些論文闡述自己的觀點，其中《互聯(lián)網(wǎng)醫(yī)學(xué)的未來：數(shù)據(jù)醫(yī)學(xué)》指出的是醫(yī)學(xué)大數(shù)據(jù)應(yīng)用的未來及方向，《大數(shù)據(jù)及其應(yīng)用前景研究》論述的是大數(shù)據(jù)的二元概念及更適合的應(yīng)用方向；筆者認(rèn)為大數(shù)據(jù)是個二元概念，一個是大量的數(shù)據(jù)，一個是大數(shù)據(jù)技術(shù)，文中除了特別強調(diào)外，寫到的大數(shù)據(jù)都是包含以上二元概念。

1 大數(shù)據(jù)開發(fā)應(yīng)用需要一項新技術(shù)

目前大數(shù)據(jù)應(yīng)用還處在啟蒙和探索階段，能夠成功落地的項目不多。大數(shù)據(jù)是一種以數(shù)據(jù)為資源的高科技，數(shù)據(jù)在大數(shù)據(jù)中的地位相當(dāng)重要，其一，擁有資源數(shù)據(jù)本身就是不容易做到的事情；其二，擁有資源數(shù)據(jù)還要有使用數(shù)據(jù)的想法、數(shù)據(jù)目標(biāo)和數(shù)據(jù)技術(shù)。能夠擁有以上所述中的一點已經(jīng)很難了，大數(shù)據(jù)項目落地則需要擁有以上兩點，這可能也是大數(shù)據(jù)項目目前落地少的原因。需要第一點大數(shù)據(jù)資源數(shù)據(jù)的各單位有其各自的解決辦法，這里不討論獲得數(shù)據(jù)的方法，只談?wù)劦诙c中大數(shù)據(jù)準(zhǔn)確應(yīng)用的一些方法。

大數(shù)據(jù)是人類發(fā)展的第五個階段，第一個階段：農(nóng)耕時代；第二個階段：工業(yè)時代；第三個階段：電汽時代；第四個階段：IT時代；第五個階段：DT時代；第六個階段：AI時代-人工智能。梳理一下人類發(fā)展的進程可以看出，人類的發(fā)展是由人力的簡單粗放開始，逐漸發(fā)展為機器代替體力，精細(xì)的電汽文明逐漸代替簡單粗放工作，解放了人類的雙手，隨后計算機的發(fā)展代替了人腦部分功能，人類進入了IT時代。簡單看以上人類發(fā)展進程：人類科技的發(fā)展是由簡單粗放到精細(xì)準(zhǔn)確，由機器代替人工的進程。進入DT時代的大數(shù)據(jù)技術(shù)應(yīng)該是更精確、更高級的技術(shù)，數(shù)字是最精準(zhǔn)的表達方式，數(shù)字集合出來的數(shù)據(jù)也應(yīng)該是最精準(zhǔn)的表達方式，事實上不是這樣簡單。

由大量數(shù)字或是數(shù)據(jù)進行運算，可以得到精確結(jié)果的方法是統(tǒng)計學(xué)，應(yīng)該叫做大統(tǒng)計比較好，不是大數(shù)據(jù)。

2 大數(shù)據(jù)精準(zhǔn)使用需要“數(shù)據(jù)標(biāo)識”

2.1 “數(shù)據(jù)標(biāo)識”的原理和方法

人類科技發(fā)展是向著更精準(zhǔn)、更智能化的方向發(fā)展，DT時代的大數(shù)據(jù)是可以滿足人類更精準(zhǔn)和更智能化的需求。前面提到目前大數(shù)據(jù)落地項目少，尤其能夠產(chǎn)生價值的項目少，歸納為不能很好地使用大數(shù)據(jù)是相當(dāng)重要的原因，大數(shù)據(jù)是數(shù)據(jù)在模型中準(zhǔn)確應(yīng)用的科學(xué)技術(shù)。好的模型制作相當(dāng)重要，但數(shù)據(jù)的理解也非常重要。理解好大數(shù)據(jù)中的數(shù)據(jù)才能很好地使用數(shù)據(jù)，才能做好大數(shù)據(jù)。在《大數(shù)據(jù)及其應(yīng)用前景研究》中筆者寫到過數(shù)據(jù)的理解是每個人的知識水平?jīng)Q定的。理解好大數(shù)據(jù)的數(shù)據(jù)還要掌握如何使用數(shù)據(jù)的技術(shù)，這種使用數(shù)據(jù)的技術(shù)是需要把數(shù)據(jù)精準(zhǔn)地放入大數(shù)據(jù)模型上在計算機中運行，輸入精準(zhǔn)數(shù)據(jù)才能有精準(zhǔn)運算結(jié)果，做到數(shù)據(jù)精準(zhǔn)使用必須學(xué)會“數(shù)據(jù)標(biāo)識”。

“數(shù)據(jù)標(biāo)識”是筆者在做醫(yī)信天下醫(yī)學(xué)大數(shù)據(jù)醫(yī)院排行榜的思考和心得，這里同大家分享和探討?！皵?shù)據(jù)標(biāo)識”的方法是筆者在中國醫(yī)學(xué)科學(xué)院醫(yī)學(xué)信息所做醫(yī)學(xué)數(shù)據(jù)庫工作方法的延伸。查閱資料沒有查到有關(guān)如何做好“數(shù)據(jù)標(biāo)識”的文獻。先介紹一下初期醫(yī)學(xué)數(shù)據(jù)庫建設(shè)的方法，這樣可能有助于更好地理解“數(shù)據(jù)標(biāo)識”原理、概念、依據(jù)和使用方法。

人類社會發(fā)展產(chǎn)生了大量文獻，同樣醫(yī)學(xué)也產(chǎn)生了大量文獻。在沒有廣泛使用計算機搜索以前，如何讓學(xué)者快速查到需要的文獻，需要對每一篇文章進行文獻標(biāo)引[4]，標(biāo)引方法是人工給每篇文章加上醫(yī)學(xué)主題詞，現(xiàn)在每篇論文由作者寫好關(guān)鍵詞，醫(yī)學(xué)上叫做主題詞。論文屬性除了作者、題目、作品時間、作者單位不能改變之外，按照主題詞查找更加重要，主題詞是相同專業(yè)、甚至相同疾病、相同藥物的精準(zhǔn)查找。所以文獻的標(biāo)引在醫(yī)學(xué)數(shù)據(jù)庫建設(shè)中非常重要，也是文獻精準(zhǔn)查找的重要方法。再來看看醫(yī)學(xué)數(shù)據(jù)庫，按照文章作者、作者單位、題目、作品時間、發(fā)布媒體、關(guān)鍵詞、被引、摘要等構(gòu)成，這些構(gòu)成要素組成一個模型，數(shù)據(jù)庫中有大量的論文、題目、關(guān)鍵詞、作者等，所以說數(shù)據(jù)庫結(jié)構(gòu)是模型結(jié)構(gòu)，內(nèi)容是大數(shù)據(jù)，精準(zhǔn)使用好數(shù)據(jù)庫方法是關(guān)鍵詞，也就是前面提到的文獻標(biāo)引，用在使用好大數(shù)據(jù)上就需要做好大數(shù)據(jù)的“數(shù)據(jù)標(biāo)識”。

2.2 “數(shù)據(jù)標(biāo)識”是精準(zhǔn)營銷成功的關(guān)鍵

“數(shù)據(jù)標(biāo)識”需要對標(biāo)識目標(biāo)數(shù)據(jù)有深入理解。以大數(shù)據(jù)精準(zhǔn)營銷解決方案為例，大數(shù)據(jù)精準(zhǔn)營銷是顧客的心理行為軌跡需求和商品屬性碰撞產(chǎn)生的購買行為，如何做到精準(zhǔn)營銷[5]，首先需要不斷標(biāo)識顧客行為軌跡，年齡、性別、職業(yè)、消費能力、旅居地、飲食愛好、飲食時間....等等，在即將進入餐飲時間向該顧客推薦餐館，餐館數(shù)據(jù)標(biāo)識為菜系、特點、名菜、點評、環(huán)境等，按照餐館標(biāo)識和預(yù)判顧客行為軌跡，把數(shù)據(jù)標(biāo)識中共性按照概率大的部分結(jié)合地理位置逐漸推薦給顧客。餐館、商品、衣服的大數(shù)據(jù)精準(zhǔn)營銷方法一致。精準(zhǔn)營銷的準(zhǔn)確性關(guān)鍵取決于預(yù)判顧客行為的數(shù)據(jù)標(biāo)識的準(zhǔn)確性和商品屬性的數(shù)據(jù)標(biāo)識的共鳴。

大數(shù)據(jù)研究剛剛開始，精準(zhǔn)的大數(shù)據(jù)應(yīng)用必須要有精準(zhǔn)的數(shù)據(jù)標(biāo)識。目前在精準(zhǔn)營銷領(lǐng)域使用比較頻繁的詞是給客戶畫像，畫像方法讓人感覺是一種模糊的，猜測性比較大的技術(shù)。描述一個商品屬性時習(xí)慣使用標(biāo)簽標(biāo)識商品。精準(zhǔn)營銷是人的行為軌跡碰撞到商品中相同屬性數(shù)據(jù)產(chǎn)生的購買，數(shù)據(jù)標(biāo)識的準(zhǔn)確性決定了精準(zhǔn)營銷的準(zhǔn)確。人的行為軌跡數(shù)據(jù)也是未來人工智能解決方案中非常重要的數(shù)據(jù)，精確的數(shù)據(jù)需要準(zhǔn)確地標(biāo)識數(shù)據(jù)。商品營銷也是網(wǎng)絡(luò)大數(shù)據(jù)解決方案的一部分，商品的準(zhǔn)確描述和精準(zhǔn)數(shù)據(jù)標(biāo)識，將會決定商品營銷的成功與否。

2.3 醫(yī)學(xué)大數(shù)據(jù)的“數(shù)據(jù)標(biāo)識”更容易實現(xiàn)

作為醫(yī)生，醫(yī)學(xué)大數(shù)據(jù)的開發(fā)和使用一直是筆者研究的課題，醫(yī)學(xué)大數(shù)據(jù)的精準(zhǔn)應(yīng)用可以預(yù)判人體健康并進行疾病預(yù)防[6]。相對于人類行為數(shù)據(jù)，醫(yī)學(xué)大數(shù)據(jù)的數(shù)據(jù)標(biāo)識相對容易，醫(yī)學(xué)大數(shù)據(jù)應(yīng)用成功可能會早于人類行為數(shù)據(jù)的應(yīng)用，理由有以下3條。

（1）醫(yī)學(xué)大數(shù)據(jù)是關(guān)于人類物理實體的大數(shù)據(jù)，人體是一個相對固定物理實體，數(shù)據(jù)邊界清晰，數(shù)據(jù)外延有限。

（2）醫(yī)學(xué)大數(shù)據(jù)表達的是人體生理活動和健康指標(biāo)，這些數(shù)據(jù)的內(nèi)涵只有醫(yī)生能夠理解，非醫(yī)學(xué)專業(yè)人士不能很好地理解醫(yī)學(xué)大數(shù)據(jù)的內(nèi)涵，非醫(yī)學(xué)專業(yè)人士很難準(zhǔn)確分析醫(yī)學(xué)大數(shù)據(jù)，也很難標(biāo)識醫(yī)學(xué)數(shù)據(jù)，這是醫(yī)學(xué)數(shù)據(jù)的專業(yè)性和數(shù)據(jù)圍墻阻擋了非醫(yī)學(xué)專業(yè)人士對醫(yī)學(xué)大數(shù)據(jù)的研究。

（3）醫(yī)學(xué)大數(shù)據(jù)中醫(yī)學(xué)數(shù)據(jù)標(biāo)識需要醫(yī)生的參與，目前能夠做數(shù)據(jù)標(biāo)識的醫(yī)生需要培養(yǎng)，筆者正在做這個方面的工作，筆者是第一個提出建立互聯(lián)網(wǎng)醫(yī)學(xué)標(biāo)準(zhǔn)的學(xué)者，互聯(lián)網(wǎng)醫(yī)學(xué)標(biāo)準(zhǔn)中有一部分工作是做數(shù)據(jù)標(biāo)識。

3 結(jié)語

做好大數(shù)據(jù)應(yīng)用需要各方努力，探索方法落地項目。“數(shù)據(jù)標(biāo)識”技術(shù)的核心是用數(shù)據(jù)來標(biāo)識數(shù)據(jù)，讓計算機可以分辨不同環(huán)境下產(chǎn)生的外表相同的數(shù)據(jù)中包含的不同信息，真正做到大數(shù)據(jù)的精準(zhǔn)應(yīng)用。大數(shù)據(jù)是人類活動中生產(chǎn)出來的重要資源，反映的是人類生活活動和人類生理健康狀態(tài)，因此大數(shù)據(jù)也是研究人的技術(shù)，研究好大數(shù)據(jù)，人工智能就離人類很近了。

參考文獻

[1] 徐立水，辛敏.大數(shù)據(jù)及其應(yīng)用前景研究[J].企業(yè)科技與發(fā)展，2016（6）：21-23.

[2] 王忠.美國推動大數(shù)據(jù)技術(shù)發(fā)展的戰(zhàn)略價值及啟示[J].中國發(fā)展觀察，2012（6）：44-46.

[3] 國發(fā)〔2015〕50號，國務(wù)院關(guān)于印發(fā)促進大數(shù)據(jù)發(fā)展行動綱要的通知[Z].2015.

[4] 黎盛榮.什么是文獻標(biāo)引學(xué)[J].圖書情報論壇，1997（1）：2-5.

[5] 劉征宇.精準(zhǔn)營銷方法研究[J].上海交通大學(xué)學(xué)報，2007（S1）：143-146.

[6] 徐立水，辛敏.互聯(lián)網(wǎng)醫(yī)學(xué)的未來：數(shù)據(jù)醫(yī)學(xué)[J].科技創(chuàng)新與應(yīng)用，2016（15）：82.