大數據語境下的價值研究

劉柯

[摘 要] 自2013進入大數據時代以來，大數據巨大的潛在價值日益受到重視，大數據的4V價值作用要素更是為數據價值的挖掘奠定了堅實的基礎，吸引人們對其深入研究和挖掘。通過對大數據價值來源的深入考察，對其發展的路徑選擇進行嘗試性探索，提出大數據深化發展建議，應結合大數據與小數據、軟計算與硬計算，使數據應用與采集雙向互動，使人的判斷和行為擔負起維護數據價值的重擔，從而實現對大數據價值的較為全面的認識與利用。

[關鍵詞] 大數據；價值來源；作用機制；路徑選擇

[中圖分類號] F49 [文獻標識碼] A [文章編號] 1009-6043（2017）08-0138-04

眾所周知，大數據時代雖然來臨不久，但其4V特征已經被學界基本確定下來，即Volume（體量）、Variety（多樣）、Velocity（速度）和Veracity（真實），然而Value（價值）曾被作為第四個V，因此可見大數據的價值與其四個特征有著緊密的聯系，并且對其關系的復雜性目前學界也沒有給出一個明確而又權威的認識。

一、價值本位：大數據的根本追求

（一）海量數據再現世界

隨著云計算、物聯網等新科技的快速蓬勃發展，大數據成為能夠變革人類思維和促進時代轉型的新價值關系，在其領域掀起了一場如雨后春筍般的數據采集、傳輸、儲存、處理和分析的爆炸式的繁榮景象。也就是說，在這一時代進程中，人們與世界相處的方式以及理解世界的視角都受到了前所未有的巨大沖擊，大數據的出現和發展甚至有可能顛覆舊有的世界觀，或者說曾經的世界觀正處在大數據的沖擊下，而“大數據的科學價值和社會價值正是體現在這里”。大數據以一種無論是形式方面還是實質內容方面都與以往的傳統科技形態迥異的方式引起人們的興趣，它解構這個靜態世界的同時又以一種全新的思維重構起被它肢解了的世界，讓世界重獲生機，就像全身僵化了的脈絡重新被打通一樣，海量數據在非結構世界里流動、碰撞與融合，在此動態的無限否定之否定中，源源不斷的價值創造的新模式漸漸取代了之前機械的數據生成價值的一次性利用的僵局。

（二）普遍數據化成為可能

智能芯片、移動終端、網絡技術、云存儲等前沿科技使得人們越來越豐富的社會生活痕跡的普遍數據化得以可能。古代世界各地的人們雖然在人類文明的開端就已經學會了丈量土地、以爻為卦，甚至將得來的度量結果以規整的形式在龜殼、絹布等物質載體上比較系統完整地呈現出來，這些開辟人類文明的偉大實踐將人類社會發展引向了一個光明的康莊大道，盡管是以原始形式表現的數據，它仍舊能夠肩負記錄歷史的重任以供后人了解人類社會發展的歷程，從中汲取無人比肩的智慧養分。可以說，數據的價值不管在中國，還是在世界的其他地方，比如古埃及和古印度，都有著源遠流長的歷史根源。然而，這些令人驚嘆的信息記錄方式在今天看來卻顯得不那么讓人滿意，因為它們的有限性特征和延展性的缺乏不能滿足現代社會人們的需要，其歷史使命已不能擔起創造價值的新要求。“數據”從原始的意義上就是數字加上測量單位的簡單化表述，在內涵與外延兩方面都不能與現代科技化的大數據模式相提并論。在內涵上，用原始測量方法需要占用大量人力物力，但是測量結果所得到的數字量與相應的投入并不協調甚至嚴重失衡，效率極其低下；外延方面，大數據式的數據類型不僅包括傳統統計策略有限的度量單位，而且包括大千世界復雜多樣的數據格式，比如視頻、音頻、圖片、文字、無線電波等，它們以傳統數據形式不能被采集和處理，但在可穿戴設備、人工智能等算法手段的處理下，都可以用0和1將其打破常規地聚合起來，從小數據的僅僅“數據”的狀態轉變為“數聚”的半結構或非結構數據狀態，強大的傳輸功能使數據信息超越時間空間的束縛得以應用于各種價值目的。

（三）數據相關動態變遷

現代智能設備奠定了數據價值本位的基石，但價值的挖掘與創造在大數據時代則主要體現在思維的變革上。首先，20世紀50年代以來伴隨計算機技術的日臻成熟并日漸滲透到人們生活的方方面面，智能終端采集的信息觸角也伸向了世界的各個角落，使關于世界的信息快速增長，數據幾何級的翻增模式讓世界淹沒在信息的瘋狂擴張之中。在這樣一種背景下，人們獲得了大量可以用來分析的數據，甚至可以分析關于某個特定對象的全部數據，以至于人們可通過先進的數據處理技術，發現用傳統采樣技術不曾發現，也不能夠發現的深層次細節部分，就像暴露在顯微鏡之下，世界以一種嶄新的面貌被認知和理解，從而實現了古人“盡精微”的遠久抱負，也促使哲學史上抽象的世界是否可知的論戰，向具體化的經驗層面轉變。其次，存儲技術的快速更新迭代使規模巨大的海量數據得以保存下來，而不是被一次性使用后就廢棄掉，不僅如此，即便是那些被認為與調查對象毫無關系的“數據垃圾”也被儲存下來，而具有無限容納量的云存儲技術更是數據化信息得以保存的利器。強大的儲存技術、數以億計的海量資源儲存能力，讓數據不會在完成一次的特定目的的任務后就終結其短暫的存在使命，而是使數據可以永久的保存下來以待二次使用甚至多次重復使用。除此之外，隨著新數據的加入，數據的信息形態勢必會發生翻天覆地的巨大變化，數據原來暫時的相對靜止狀態被新的數據打破，數據的碰撞與新形式的聚合導致快速的蛻變，也就是說，數據更新一方面讓數據呈現動態的變遷，另一方面，當它處于“每個時間單位上”時，它都以一種新的姿態展現出數據之美，使人們毫不費力地用不同于第一次的角度對它重復利用，挖掘出無窮的潛在價值。在思維上最重要的轉變可以說就是由因果關系向相關關系的轉變了。以往人們熱衷于從僅有的信息數據之中找出其中的因果關系，以便當再次遇到相同或者類似的情況時根據因果關系決定行動方案以解決問題，但在總結因果關系時，由于科學哲學中觀察滲透理論“從中作梗”，稍有偏差便會導致幾近離譜的結論。近代哲學家休謨也曾懷疑因果關系合理性的基礎，認為因果關系只是由于人的習慣在起作用而已，“感覺”的偏離使價值實現的目標很可能南轅北轍，得不償失。而現在在巨大規模的數據面前，人們利用新的數據處理技術對信息進行處理，在全數據模式下得出人們所能得出的最好的結果而不是基于因果關系。

（四）數據價值不斷催生

以ZB級計的龐大規模數據讓我們的世界煥然一新，“大數據代表著一種新的世界觀，萬物皆數據，數據是萬物的本質屬性”，可以說，大數據的出現自然而然地讓人們看到了日光之下暴露的一切信息，就如對目力不及的遠方進行眺望，不過以前由于采集技術等客觀條件的影響不能被觀察到的“遙遠”卻并不是因為太遠，而是因為近在咫尺卻被人們忽略了，但現在大數據讓發現并分析那些以前對人們來說很遙遠的所在變得現實，這種遺憾再也不會發生，關于萬物的信息會以數據流的形式，會不間斷地暴露在網絡終端上，供人們對細分領域深入研究。無數細節信息的數據化使信息在數據通道里暢行無阻，而且隨著新數據的加入和數據處理能力的提高，無限的自由排列組合使原有數據重新煥發活力。與此同時，數據的相關關系的被發現在數據的重復使用中得以實現，甚至可以說，源源不斷的海量數據實現了數據系統內部的優化組合，在這一過程中最明顯的就是相關關系和重復使用二者的相互滲透，相互作用，可以說，它們在細節信息節點的良好條件下催生了價值的本位追求，甚至可以說，價值是數據的終極追求，在細節信息、重復使用和相關關系的動態運動中形成的一切關系的總和就是價值。很顯然，數據的價值本位會越來越穩固，畢竟價值既是作為原始動力的起點也是作為最終目的的終點，而且這個終點并不會完結，因為它同可再生資源有著相同的屬性，也可以說它就是可再生資源。

二、影響要素：大數據的作用機制

大數據巨大的潛在價值，不僅有賴于它給予人們思維的超級頭腦風暴的洗禮，而且更根本的是其基本特征之間錯綜復雜的相互影響，相互貫通。在這一動態的過程中形成的豐富哲學關系能夠更好地揭示大數據的價值生成機制，對大數據的認知、理解及其進一步的發展都有著重大的現實意義。眾所周知，大數據具有數量大、多樣性、速度快和真實性四大基本特征，它們之間存在著或明或暗的聯系，可以說是大數據巨大的潛在價值的一體四面，以一種整體性的作用機制對其價值性產生全方位多角度的影響，與價值有著千絲萬縷的復雜關系。

（一）數據通約構建完整認識

大數據擁有規模巨大的數據量。凡是能夠被看到、被聽到和被想到的都可以用數據表達出來。不僅僅如此，數據化的世界通過機器采集的途徑達到了人工采集所不能及的廣大和精微，毫不夸張地說世界是由數據堆砌起來的，甚至連人本身都被數據化了，所以有學者提出數據是物質和精神之外的世界第三大本體的假設也不足為怪了。數據以這種占領世界的方式囊括一切于自身，價值亦不例外。價值被數據以字節的形式離散化處理之后覆蓋著世界的整體，鋪滿了世界的各個角落，信息數據的價值性就這樣被隱藏著，無處不在。當出現特定的需要時，看不見的隱性價值以全息化的數據面貌被計算出來，數據化的價值同時也克服了異質性的阻隔，使各種形式、格式的具體事物都被解構為字符單位，世界實現了價值意義上的統一，人們對周圍世界的認知和理解變得方便，數據的隱性價值由普遍的數據化而顯現出來。

（二）數據更新活化認知對象

大數據可以收集人們感興趣的任何事物的所有信息，不僅僅在量上，在“類”上亦是如此。大數據多樣性指的是不同類型的數據源，包括結構化數據、半結構和非結構數據，也包括那些不完整的甚至是錯誤的信息數據。大數據的第二個特征就是多樣，如果把量和類分別比作地球的緯線和經線，那么，二者的縱橫交錯就可以結成一張密密麻麻的網，將整個世界圍的密不透風，世界穿上了一件沒有針腳的神奇“外套”。然而大數據的多樣性不同于其巨大的規模，后者將世界打碎，將異質基礎的世界的豐富多彩全部同質化了，世界徹底變成了僅僅用比特就可以代言的一切；而世界原本是由具有獨立性的多類別構成的多樣外觀，世界的各個部分各有其獨特的一面，不同顏色不同形狀不同質感等等的不同才是世界完整意義上的根據，所以說僅僅把世界用單一的字節打碎并表示出來并不是數據化的目的，因為它把價值也連帶著打碎了，沒有了多樣性的價值的世界并不是科技進步與人的發展所期待的結果，世界還需要還原其本來面目以滿足人的需求。數據的多樣化則可以做到將同質的比特字節再次分門別類地整合起來，只有這樣的數據才是關于世界的信息的多樣表達，世界也因此維持其多樣性的一貫傳統，只有在多樣性的基礎之上，世界才能在科技化的浪潮中擁有穩固的成長基石，世界的價值也便擁有了積累的可能性，人類文明的發展才能得到保障。完整意義上的價值在大規模數據和多樣化數據的交叉連接過程中實現了質上的飛躍，因為在這樣的背景下既有了數據流動的基礎又有了數據賴以鏈接的支柱，碎片化的數據字符提供了數據流動的可能，多樣的類別提供了信息聚合的歸屬，由此，數據的關聯價值得以建立。

（三）數據流動產生新型樣態

美國國際數據公司（IDC）的研究報告表明，到2020年全球的數據獲取能力將增加50倍，用于數據存儲的服務器將增加10倍。數據信息獲取能力的高倍增長意味著數據獲取速度的大幅加快，與此相得益彰的是數據的處理能力也會同時跟進。移動終端等數據源產生的龐大規模的數據在數據化的過程中以比特的形式將異質基礎之上的視頻、音頻、圖片和文本等數據轉化為同構體，使得價值載體的數據形式成為了價值意義上的同構體，這在客觀上建立了多樣化的信息數據之間聚合的結構形式，在特定價值目的的外部驅動下，使原來擔負著不用價值使命的比特單位，通過數據通道也就是同構體，才具有流動可能性，完成特定的價值任務，異質同構體為潛在價值的挖掘提供了最終的呈現模式，而這個模式貫穿在在整個數據價值挖掘的過程，它既是同一數據價值挖掘的開始，也是同一數據價值挖掘的終點。在這同一價值挖掘過程中，信息數據的離散化處理以比特為基本單位，在異質同構體運動目標的引導下，進行著具有可控性的價值凝聚，將靜態異質性信息數據由點狀的離散狀態快速吸引以達成價值的塊狀類聚形態，實現動態數據承載價值的即時性。在這一動態過程中，不僅有相關數據向價值中心的聚合而且排除了數據廢氣，比如，在數據運行后臺，“亞馬遜決定只使用仍有生產價值的數據，這就需要不斷地更新數據庫并淘汰無用信息”。[2]簡單地說，數據在由靜態轉向動態的過程中，不僅具有速度快的特點，而且在此基礎上具有不斷吸收有效信息并淘汰垃圾信息的“新陳代謝”功能，也只有這樣，大數據的高速度運行才會漸漸克服價值密度低的初始狀態，最終更快更好地實現既能及時更新而又承載更高的價值密度的信息數據，這是大數據的動態價值所在。

（四）真實數據構成對象價值

大數據的第四個特征是真實性。在數據采集的層面上講就是這樣，因為傳統數據都是人工采集，而且是按照預定的調查目的設計采集方案，這個過程難免有人的意志參與其中，即使是相同的調查方案，也很可能因調查主體不同而產生相異的結果；與此截然不同的是，大數據的采集都是由機器進行的，通過智能采集系統和網絡終端吸收一切信息數據，相較于人工采集大數據的方式絕對要客觀得多，將減少甚至消除了人的主體性影響而得來的數據作為數據處理分析的對象條件，再輔以適當的數據分析算法，最后是不是會發現可靠的巨大潛在價值呢？回答是肯定的。換句話說，在前提條件分析方式都足夠正當的全數據推斷中，得出的結論是一般的普遍的那么也必定是可信且可靠的，而這正是大數據所追求的客觀價值所在。只有客觀價值才能是大數據價值本位最牢固的根基，如若根基不穩，那么無論多么先進的科技在虛假信息數據的面前都顯得多余甚至有害，因為它可能給人提供了擾亂判斷的信息，產生負價值效應，給人以有偏差甚至錯誤的判斷依據，極有可能導致人做出離譜的決策，從而不可避免的造成無法挽回的損失，但是這樣的損失究竟要讓誰來負責呢？受害者是人，然而讓機器來承擔后果顯得并不那么現實，這樣兩難的處境還是很可怕的，最好永遠也不要出現以免人們難以抉擇還要承擔損失。所以說，真實性是永遠不可缺失的東西，不管是在人類社會中還是在數據處理中，真實的數據分析才能實現客觀價值，這對于大數據的價值本位追求是有大裨益的。

總之，大數據的四個基本特征對大數據的價值本位追求影響深刻，其相互之間的作用機制十分復雜。海量數據構成大數據的隱性價值，多樣性成為關聯價值的基礎，高速度使即時性成為可能從而實現了動態價值，真實性特點使大數據的客觀價值得以維持；不僅如此，海量數據與多樣性特征相輔相成，沒有海量數據，多樣性就顯得過于孤立；沒有多樣性，海量數據就會過于單一；而速度快更是讓由海量數據和多樣性特征這兩條地球的“經緯線”由靜止狀態運動起來，成為一個“會動”的非結構或者半結構信息數據系統，而真實性則是這個系統的安全保護，缺少真實性的數據信息流并不能產生人們需要的價值，自然大數據的價值本位就得不到支持，那么與之有關的一切也就會失去意義。

三、全新路徑：大數據的價值走向

（一）大數據的初始呈現混雜狀態

大數據時代的來臨使人們的思維得到了深刻的變革，其巨大的價值更是讓人們堅定了對它追求的一貫性。大數據創造了價值發現的一片大好形勢，但是人們還是會注意到良好前景之下不可忽略的數據“瑕疵”。巨量信息庫是建立在紛繁蕪雜的各種類型的數據基礎之上的，混雜性是是其存在基礎的明顯特征之一，這種混雜性不僅包括許多需要通過清洗才能利用的多樣格式，甚至還夾雜著不易察知的錯誤。這里需要注意的是，大數據的雜亂性并不是海量數據的無序堆砌，而是指大數據還未擺脫這種雜亂性，這種雜亂性不在于吸收了看似無關的信息數據，不在于堆砌了規模巨大的的海量數據垃圾，不在于喪失了傳統的結構化統計規則，其實這些都是表面表現出來的“假象”，數據使用者在面對這種混雜性之時已經改變了習以為常的數據觀念，在大數據的視野里一切信息都是有用的，包括“數據廢氣”甚至那些錯誤信息都是構成未來價值的重要因素。那些看似無關的信息數據在發揮作用時實際上已經不再依賴歸納邏輯了，歸納的邏輯基礎已經不適用于海量數據庫了，取而代之的是相關關系，人們通過這種相關關系達到特定的價值目標，至于為什么的問題已經不在那么重要了，至少對于那些以價值為最終追求目標的主體使用者來說是這樣的，因果關系的闡釋被擱置一旁而鮮有人問津。數據垃圾用傳統的目光審視自然會被認為是既不能發揮價值作用又侵占數據空間的多余信息，然而垃圾信息的反面卻隱藏著巨大的潛在價值，潛在價值在多次的重復利用中愈來愈多地被挖掘出來；世界被解構為全數據模式，使得傳統的關系型數據庫的數據聚集方式也就是結構化數據失去了繼續存在的合理性，因為更具優勢且有效的數據形式就是半結構或者非結構化的數據呈現方式，這才是價值本位使命的真正需要，“要想獲得大規模數據帶來的好處，混雜應該是一種標準途徑，而不應是竭力避免的”。[2]

（二）大數據的精確化發展要求

然而，客觀存在的混雜性卻不應該成為主觀上放任無度地對精確性一再妥協的理由，“數據的質量可能會很差；可能是不客觀的；可能存在分析錯誤或者具有誤導性；更糟糕的是，數據可能根本達不到量化它的目的”。[2]可以說在半結構或非結構化的數據中必然存在著多重價值賴以生成的強相干關系和弱相干關系，當作為數據節點的具有弱相關性質的數據被忽略時，強相關關系就會失去其價值延展的可能性，直接的結果就是潛在價值很難或者再也不可能被挖掘出來，這無疑是對價值的巨大浪費。值得注意的是，混雜性中很可能存有不少錯誤信息數據，當這些錯誤的信息數據恰巧就處在相關關系連接的數據節點上時，就會發生錯誤的價值延展，這樣不僅導致已獲取價值的功虧一簣，更會造成負價值的肆意橫行，這樣得不償失的結果十分嚴重，所以對混雜性的篩選和清洗工作就顯得尤為必要。

（三）人文要素的全面考量

數據化的世界不僅僅只有冷冰冰的數字，作為數據主體的人的意志、信仰、情感、直覺、不確定性和創意等又該以何種身份同理性元素相處呢？一方面，人類無法預知的意外、靈感等恰恰就是創造新世界的源泉，在靈感和意外等的交互作用下，價值的創造顯示出生活可以更加豐富多彩，而不僅僅只有單調的數據表證，如若人的情感要素被數據禁錮起來，這世界也會失去人的主體性價值。與此相應，人所固有的情感、意志具有很大的不穩定性，因此變得難以處理也就是數據達不到可用于分析的條件，這樣的數據在相關關系的建構過程中加大了難度，很可能會讓價值聚合的努力分崩離析，破壞數據價值。

（四）大數據深化發展建議

面對諸多此類難題，“我們希望能夠通過大數據分析直接告訴我們結果，告訴我們該怎么做。而事實上，我們的判斷變得越來越不可或缺”，[5]所以，人的判斷和行為應該擔起維護數據價值的重擔，主要可以從以下幾點入手：第一，大數據和小數據的結合。大數據具有龐大的數據規模，但其紛繁蕪雜，甚至潛藏著一些錯誤的信息數據，“我們不認為準確性是大數據的一個決定性特征，但我們認識到準確性是大數據的內在挑戰”，[6]只有準確的數據信息才具有挖掘價值的能力，才能完成大數據預測的任務，而成功的預測是提取數據價值的重要保證。所以，在大數據采集信息的基礎上，還需要傳統具有價值目標的數據采集，大數據和小數據協同運作，盡量保證價值目標所需數據與實際采集數據的一致。第二，軟計算和硬計算的結合。由機器自動采集的數據具有理性和受動性，而人的意志和靈感具有感性和主動性，理性數據為感性主體提供判斷和行動的客觀依據，感性因素激發創造客觀數據巨大的潛在價值，理性和感性的融合相得益彰，最大可能的實現價值追求。第三，應用與采集的雙向互動。大數據具有動態屬性，它不是一個靜止孤立的數據集，價值發現的整個過程以不斷地更新與反饋、糾錯與重構的方式運動，只有這樣，數據才能建立廣泛的聯系，刪除錯誤信息和過時數據，保持數據的活力以便重新產生價值。

四、結束語

大數據時代的到來引發了一場顛覆歷史的思維變革，從一次利用到多次重復利用，從樣本數據到全數據，從因果關系到相關關系，不管哪一方面都為數據價值的重新審視提供了良好的角度，大數據的4V價值作用要素更是為數據價值的挖掘奠定了堅實的基礎；同時，我們也應該看到，大數據剛剛興起所帶有的混雜性和不精確性，除此之外人的感性因素對數據價值挖掘也有著亦正亦邪的雙重影響。所以，我們把大數據作為價值目標實現的工具時，應該明白，它只給出了它所能給出的最好答案，而作為行為主體的我們還應該繼續努力，作出正確的價值判斷與價值選擇。

[參考文獻]

[1]黃欣榮.大數據的語義、特征與本質[J].長沙理工大學學報（社會科學版），2015（6）：7，11.

[2][英]維克托·邁爾-舍恩伯格，肯尼思·庫克耶/盛楊燕，周濤.大數據時代[M].杭州：浙江人民出版社，2013：1，60，210，247.

[3]Son K. Lam， Stefan Sleep， Thorsten Hennig-Thurau， Shrihari Sridhar， Alok R. Saboo.Leveraging Frontline Employees' Small Data and Firm-Level Big Data in Frontline Management[J].Journal of Service Research，2016：14.

[4]康路晨.一本書讀懂大數據時代[M].北京：民主與建設出版社，2015：139.

[5] Scott Tonidandel，Eden B. King，Jose M. Cortina.Big Data Methods： LeveragingModern Data AnalyticTechniques to BuildOrganizational Science[J]. Organizational Research Methods，2016：2.

[責任編輯：史樸]