[數據分析師]_大數據還有不少潛能

近兩年來，大數據被公眾廣泛討論，甚至成為不少商家宣傳營銷的賣點。毋庸置疑，智能設備的發展和普及，使海量的數據采集成為可能。但大數據并不是單純的“數據大”，它更蘊含著一種計算和思維方式的轉變，想要發揮出大數據的洞察力，還面臨著采集、管理、分析數據的挑戰。這些障礙如何破除？大數據在未來將如何應用，能否創造出更大的價值？這些問題值得我們在大數據熱中，做出冷靜判斷。

　　4月26日，清華大學成立“清華—青島數據科學研究院”，同時召開大數據時代高端論壇。就在此前兩天，百度在第四屆技術開放日上，正式宣布對外開放大數據引擎，提供大數據存儲、分析及挖掘的技術能力。大數據被學界納入研究范疇，商家開放引擎，這是否意味著大數據應用進入了一個新階段？

　　傳統統計方法追求精確，大數據只預測宏觀趨勢

　　本是技術概念的大數據，如今越來越像一種營銷手段。從汽車、化妝品到體育，在營銷人員口中，似乎所有行業都可以借助大數據，精確定位、找到消費者，預測趨勢、贏得未來。

　　中國人民大學新聞學院教授喻國明認為，目前從國內的情況看，真正運用大數據分析成功的案例其實不多，很多公司都是將大數據作為一個營銷噱頭，所做的分析也主要是基于傳統的數據分析方法。

　　事實上，對于數據多大能稱之為“大數據”，業界并沒有統一的認識，通常認為100TB太字節是大數據的門檻。簡而言之，傳統方法無法處理的數據即為大數據。

　　大數據的產生得益于移動互聯網以及智能手機、各種智能穿戴產品的發展，人們行為、位置，甚至身體的生理特征等數據都可以便捷地被記錄，這使海量數據采集成為可能。事實上，目前數據采集量正呈現快速的增長趨勢。一家國際數據統計機構最新預測指出，2020年，全世界產生的數據量有望達到40ZB澤字節，1澤字節等于10億太字節。

　　但大數據不能單純理解為數據大。大數據研究專家、北京航空航天大學校長懷進鵬表示，大數據具有“規模大、變化快、種類雜、價值密度低”四個特征，是對傳統計算和思維方式的一種挑戰。

　　首先，因為幾乎每個數據點都可以采集，全面數據代替了抽樣、片面、局部的數據?！澳贸床舜虮确?，傳統的抽樣，我們需要在開始和中間時候‘嘗一嘗’，‘嘗一嘗’就是抽樣數據，但在大數據時代，隨機抽樣的方式可能就失效了?！睉堰M鵬說。

　　懷進鵬認為，因為抽樣分析時數據測量能力有限，統計追求的是精確，希望用最少數據獲得最多的信息。而大數據比較雜亂，完整的精確不存在，也不再是追求的絕對目標，大數據只需對宏觀趨勢給出快速預測。

　　另一個改變是，從關注因果轉向數據之間關聯。在大數據時代，“數據背后的原因不再重要，人們只需要知道數據之間有統計相關性就行。僅需知其然，無需知其所以然?！睉堰M鵬說。

　　在大數據的支持者看來，數據已經能夠自己說話，傳統的科學統計模型已經過時，理論也可能被終結。

　　大數據營銷大多是噱頭，一些機構甚至無法收集海量數據

　　被譽為開大數據系統研究先河之作的《大數據時代》作者指出，大數據是社會的一種新型能力：以一種前所未有的方式，通過對海量數據進行分析，獲得巨大價值的產品和服務，或深刻的洞見。

　　大數據蘊含的發現事實、挖掘價值、預測未來的洞察力，也是各色大數據營銷的理論出發點。實際上，大數據洞察力確實在公共衛生、交通運輸等行業開始發揮。

　　中國疾病預防控制中心副主任、中科院院士高福也認同大數據在公共衛生預防控制上的作用。他說，通過大數據，可以在流感到來之前為人們提供一些解釋性信息，為流感的預防提供緩沖時間。

　　同樣，在智能交通時代，海量車輛信息沒法通過傳統方式分析，但借助大數據，則可能提前預測未來的車流量、行進路線等信息，從而為改善城市交通狀況提出優化方案。

　　然而，“自己能夠講話的大數據”，是否真如營銷人員暢想得那么美好？

　　分析人士指出，數據存儲和搬運雖然越來越便利，但目前大數據應用面臨著數據收集，管理、分析海量數據并創造價值的挑戰。

　　“如果將數據比作書，書增多后，首先要找到儲存大數據的‘大圖書館’，下一步則要解決數據查詢問題，沒有好的查詢引擎，書找不到，數據也就很難利用?！?百度大數據總監李鋼江說。而現實是，大部分機構和企業都沒有海量數據收集存儲以及分析管理的能力。

　　業內人士指出，大數據在一些領域的營銷還只是噱頭，先不論大數據分析結果是否有效，有些行業連基本的大數據采集和管理條件還不具備，更談不上精確定位和預測。

　　百度高級副總裁王勁也表示，傳統的數據庫沒有管理大數據的能力，傳統行業如何進入大數據時代，利用大數據價值，是擺在很多行業面前的新課題。

　　提升計算能力和降低云存儲成本，將有利于大數據技術變革

　　百度首席執行官李彥宏認為，隨著計算能力的提升和云存儲等技術產品成本的不斷降低，大數據走到了技術變革的臨界點。不久前，百度就推出了“百度大數據引擎”，百度希望借助該工具，對大數據進行收集、存儲、計算、挖掘和管理，并通過深度學習技術和數據建模技術，使數據具有“智能”的技術能力，服務傳統行業。

　　據了解，百度大數據引擎包括開放云、數據工廠、百度大腦三大組件。其中，開放云解決的是數據存儲和計算問題；“數據工廠”則對行業數據進行規范化處理，提供數據管理和分析；而“百度大腦”則讓機器和人腦一樣思考，分析處理數據。

　　不過，分析人士指出，雖然各方面為挖掘大數據開發了很多工具，但大數據的成熟應用還有很長一段時間。首先，數據雜亂，價值密度低，如何有效的收集數據信息仍沒有成熟的方案。同時，數據的規模并不能決定一切，不論是那種數據分析方式，都可能存在統計上的缺陷，不能說數據更大、更新、更快就沒有問題。

　　英特爾中國研究院首席工程師吳甘沙表示，大數據作為一種新的數據形態和實踐，它將豐富數據應用方法，卻不能取代傳統統計分析方法，更不能神化大數據。