大數據：熱潮中切忌一哄而上科學規劃很重要

　　“通過大數據的挖掘，從資料完整度、交友真誠度及賬號安全度評定用戶‘靠譜度’。”一家著名婚戀介紹網站最近打出廣告，聲稱可用“大數據”技術打擊相親騙子。

　　如今，“大數據”是一個時髦的詞匯，很多商家紛紛推出“大數據”服務。全世界的大數據技術研發機構都吸引了眾多風投和眼球。

　　大數據讓人眼前一亮，也讓人兩眼一黑。9月，著名信息技術分析公司Gartner發布《2013年大數據普及程度背后的炒作》報告，指出2013年30%的企業已開始大數據工作，而另外34%的企業有計劃在兩年內開始。但這些企業大多告訴調查者，不知道自己在做什么，也不知道為什么要做大數據工作。

　　根據這一報告，半數以上企業不知道如何從數據中獲取價值;三分之一的企業缺乏大數據處理能力;甚至還有超過五分之一的公司不知大數據究竟為何物。

　　如果連嗅覺靈敏的企業家們都不真正理解大數據，其他人就更是難窺其全貌。大數據時代還在雛形，它會變成什么樣子沒人能說準。

　　起源于科學界的商業熱詞

　　盡管商界對大數據帶來的商機津津樂道，但一開始討論大數據時代的是科學家。“生命與醫療、粒子物理、天氣預報、基因學、地震預報等已經是數據密集型應用了。”清華大學自動化系教授肖田元說，“典型的例子是美國氣象預報局年數據量達 30PB(1PB=100萬GB)，每日觀察資料超過35億份。DNA序列分析使用網絡大數據分析工具進行億萬次DNA短鏈分析，制造基于DNA的分子物質。科學家還推出大尺度數據管理架構與可視化方法，讓解碼人類基因組這種原先花費10年的工作可以在一周內完成。”

　　上海大學教授費敏銳介紹道：“像華大基因，分析的數據量有幾百PB。他們在全世界找到了25種栽培稻和24種野生稻，正因為有大數據分析能力，他們掃描了這些水稻的全基因圖，找到了162個決定水稻產量的基因。”

　　大型強子對撞機(LHC)的例子更是常被提及，LHC每秒鐘生成1PB的數據，要用4.5萬個磁帶機做存檔，是目前世界上最大的數據生產者。

　　在此背景下，2008年9月，《自然》雜志推出大數據專刊，探討科研形態變化;《科學》雜志2011年也推出大數據專刊，將大數據深度分析看成未來研究的突破點。

　　“真正開始討論大數據，大家都公認是《自然》雜志2008年的專輯所帶來的。”電子科學研究院研究員王積鵬說，“計量文獻來看，討論大數據的論文2011年發生井噴。這幾年大家都拿大數據說話，但是主要在于應用，而不是在于理論研究。”

　　科學家們當時的憂慮是大數據難以處理，肖田元說：“計算機已經超過了千萬億次級，‘天河二號’是2000萬億次，未來10年可能達到億億次。但是軟件發展很慢。美國也是這樣，認為高性能計算的算法開發滯后。我們國家高性能計算機為什么利用率不高，原因就在這里。”

　　典型的數據管理困境，如國內一位信息技術工作者所說：“我做過某衛星的信息資源管理，衛星每天產生上百GB的數據量。處理完之后，文件都存在相應的磁盤、磁帶等，通過幾個系統呈現，一年下來數據量相當大，但是并沒有產生大數據的特性。”

　　工業界也提出了類似問題，肖田元舉例說：“有個著名的發動機公司提出設想，把它的航空發動機數據實時傳到總部，結合過去的數據，實時檢測和預報故障。數據量非常大，現在要同時檢測、計算和預報，很難做到。”這一困難，肖田元概括為“科研智能如何趕上感知能力”。

　　在科研界關于大數據挑戰的討論之后，互聯網商業看到了大數據中的“金礦”。這也是被如今大家所熟悉的大數據議題。最典型的例子如宏源證券研究所副所長易歡歡介紹：“阿里巴巴，最早從B2B到B2C，聚集了千萬級的中小微企業，形成了5.4億注冊用戶。這個公司牛在哪？這些數據背后的因素包括什么?銷售數據、產品數據、應收賬款、存貨、資金流向、物業信息等一系列綜合信息，而且是實時的，遠比銀行報表準確得多。它有你的消費偏好、家庭地址、還款卡號等一系列信息，這才叫大數據。”

　　IT業研究公司M&M發布的一份最新報告指出，全球大數據市場將在未來5年內迎來高達26%的年復合增長率——即從今年的148.7億美元增長到2018年的463.4億美元。膨脹速度如此快，可見市場對大數據概念響應的熱烈。

　　不同行業從不同角度發現了數據爆炸的挑戰和機會。最終，大數據頻頻見諸媒體，成為達沃斯等國際峰會上的熱詞，但就如前述報告所顯示的，企業家對這一概念并無把握。

　　數據公開讓美國占得先機

　　大數據商機顯現后，2012年3月，奧巴馬政府發布《大數據研究與發展倡議》，同時組建“大數據高級指導小組”，標志著美國把大數據提高到國家戰略層面。

　　國防大學教授胡曉峰說：“我認為奧巴馬試圖通過大數據發展計劃，再次重復信息高速公路計劃帶來的互聯網霸權。美國人已經把目光瞄準到大數據的未來領域，我覺得是為了創造未來的大數據霸權奠定基礎。”

　　“美國政府提出大數據計劃的根源，在于有十幾年以上數據公開的基礎。”北京理工大學教授丁剛毅說，美國的DATA.GOV網站就體現了政府公開數據的力度，“大家可以上網看，DATA.GOV的數據量非常大，和世界銀行、聯合國的數據都可以媲美。里面很多都是敏感數據，但它就是敢公布，認為只有公布這樣的數據，才能有更好的國際合作去應對危機。歐盟、英國，包括巴西這樣的發展中國家，都已經加入了DATA.GOV”。

　　丁剛毅說，在數據公開上，聯合國組織和美國的一些研究機構在全力以赴，已經有10年了。每年還有各式各樣的活動促進數據公開。

　　美國數據開放，使不少基于政府數據的服務，創造了巨大效益。比如硅谷有一家“氣候公司”，利用美國氣象局數據庫中幾十年的天氣數據，研究各地降雨、氣溫、土壤狀況與歷年農作物產量的相關度，預測農場下一年的產量，以出售保險。這家公司由于前景光明，最近被農業巨頭孟山都公司收購。

　　還有利用氣象信息和航班誤點信息來預測航班誤點幾率的服務，可以推動航空公司提高正點率。再如城市治堵，政府的數據也排上了用場——美國和英國最早利用大數據管理交通，給出交通預測，讓公私車輛適時出行。

　　對于政府數據公開的益處，美國商務部首席信息官西克曼在一次IT會議上說：“政府實現預期目標的真正障礙不僅在于收集數據，更在于如何將數據轉化為切實可用的信息產品以及開發知識。”

　　“畢竟很多有能力提出好點子的人才分散在各個私有組織，他們也許會提出一些關于數據利用的優秀方案。”西克曼說，“分享我們的數據，并不只是為了追求所謂政府事務的透明度，這真的有可能以全新方式，讓我們產生并傳播的數據迸發出別樣的力量—— 而這一切在我們現有的規劃及有限的資源面前根本無法實現。”

　　丁剛毅說，他曾跟國內一些著名的互聯網公司接觸過，申請共享其數據，公司表示“給你一段可以，幾百個TB也好，幾個PB也可以，但連續的數據絕對不可以”。他認為，對于研究者，長期不斷、隨時隨地都可以接觸的數據，才是大數據。

　　“政府和行業共享數據應該是大數據的基礎，離開共享政策，根本就沒有大數據。”丁剛毅說。

　　大數據繁榮需共享+立法

　　中國人對大數據的關注并不晚。2012年7月，我國《“十二五”國家戰略性新興產業發展規劃》明確提出，要“加強以海量數據處理軟件等為代表的基礎軟件的開發”。2012年12月，中關村大數據產業聯盟宣布成立。

　　根據IT分析公司IDC預測，中國大數據技術與服務市場將快速增長到2016年的6.16億美元。但這一數額僅僅是世界市場的一個零頭。

　　網絡研究專家秦安在接受媒體訪問時表示，中國設立大數據機構從時間上看，似乎并不落后于美國，但大數據應用涉及整個以互聯網為核心的產業鏈，美國在大數據應用上的領先程度由思科、微軟、谷歌等跨國IT公司的實力所決定，恐怕中國幾十年內難以完全超越。

　　9月30日，中共中央政治局在中關村調研時，百度公司CEO李彥宏就宣講了大數據的題目。他認為大數據在兩方面最有價值，一是促進信息消費，加快經濟轉型升級;二是關注社會民生，帶動社會管理創新。李彥宏同時表示，國家層面要發展大數據，就要促進數據開放，扶持科研、培育人才。

　　這種“數據開放”的觀點，代表了中國大數據行業觀察者的共識。互聯網評論家葛甲指出：“數據開放在割據狀態的互聯網上靠企業的力量是完不成的，只有從政府層面去進行推動。現在做大數據的公司這么多，其實多數只有個殼子，沒有實際內容。大數據的基礎是巨量數據，不具備一定程度的數據量，是做不成的。于是，李彥宏提出了數據開放這個概念。”

　　葛甲認為，數據開放“這里面的難處，在于配套的管理制度和法律法規，政府的作用就是維護其公平性，堅決維護小企業的商業利益，扮演好管理者和仲裁者的角色，不要讓自身經濟利益牽涉其間”。

　　信息產業專家、中國工程院院士鄔賀銓今年在一篇名為《大數據時代的機遇與挑戰》的文章中也寫道：“中國人口居世界首位，將會成為產生數據量最多的國家，但我們對數據保存不夠重視，對存儲數據的利用率也不高。此外，我國一些部門和機構擁有大量數據卻不愿與其他部門共享，導致信息不完整或重復投資。政府應通過體制機制改革打破數據割據與封鎖。”

　　還有一位業界專家告訴記者，政府對大數據行業的扶持，除促進數據公開外，應采用購買服務的方式，而非越俎代庖，設立不必要的政府項目。

　　另外，鄔賀銓還指出應盡快制定《信息公開法》。“現在很多機構和企業擁有大量客戶信息。應當既鼓勵面向群體、服務社會的數據挖掘，又要防止侵犯個體隱私;既提倡數據共享，又要防止數據被濫用。”他認為，需要界定數據挖掘、利用的權限和范圍，防止信息被損壞、篡改、泄露或被竊，保護公民的信息安全。

　　“(大數據)標準和產業格局尚未形成，是我國實現跨越式發展的寶貴機會。”鄔賀銓說，“要注意科學規劃，切忌一哄而上。”