關于大數據的八大熱點問題_數據分析師

1.數據科學與大數據的學科邊界

這一問題綜合了兩個問題，即大數據的基本內涵與數據的科學問題。前者關注的是大數據的基本定義和基本結構。迄今為止，什么是大數據，在產業界、學術界并沒有形成一個公認的科學定義，大數據的內涵與外延也缺乏清晰的說明。大數據區別于其他數據的關鍵特性是什么？IBM提出了3V的說法，即volume（體量大）、variety（模式多）和velocity（速度快）。爾后又有人提出了另一個V，即value（價值），表示大數據雖然價值總量高但其價值密度低。另外，大數據是否就意味著全數據，還有待進一步討論與澄清。最后，還需要為動態、高維、復雜的大數據建立形式化、結構化的描述方法，進而在此基礎上發展大數據處理技術。后者關注的是數據界與物理界、人類社會之間的關聯與差異，探討是否存在獨立于應用領域的數據科學。如果存在數據科學，其學科問題的分類體系又是什么？目前已有的共識是，大數據的復雜性主要來自數據之間的復雜聯系。另外，新型學習理論和認知理論等應當是數據科學的重要組成部分。

2.數據計算的基本模式與范式

大數據的諸多突出特性使得傳統的數據分析、數據挖掘、數據處理的方式方法都不再適用。因此，面對大數據，我們需要有數據密集型計算的基本模式和新型的計算范式，需要提出數據計算的效率評估方法以及研究數據計算復雜性等基本理論。由于數據體量太大，甚至有的數據本身就以分布式的形式存在，難以集中起來處理，因此對于大數據的計算需要從中心化的、自頂向下的模式轉為去中心化的、自底向上、自組織的計算模式。另外，面對大數據將形成基于數據的智能，我們可能需要尋找類似“數據的體量+簡單的邏輯”的方法去解決復雜問題。

3.大數據特性與數據態

這一問題綜合了三個候選問題，即大數據的關系維復雜性、大數據的空間維復雜性和大數據的時間維復雜性問題。大數據往往由大量源頭產生，而且常包含圖像、視頻、音頻、數據流、文本、網頁等等不同的數據格式，因此其模態是多種多樣的。主要來源于多模態的大數據之間存在著錯綜復雜的關聯關系，這種異質的關聯關系有時還動態變化，互為因果，因此導致其關聯模式也非常復雜。大數據的空間維問題主要關注人、機、物三元世界中大數據的產生、感知與采集，以及不同粒度下數據的傳輸、移動、存儲與計算。另外，還需研究大數據在空間與密度的非均衡態對其分析與處理所帶來的理論與技術挑戰。而大數據的時間維問題意圖在時間維度上研究大數據的生命周期、狀態與特征，并探索大數據的流化分析、增量式的學習方法與在線推薦。最后，研究大數據的離線與在線處理對時效性要求。

4.大數據的數據變換與價值提煉

這一問題主要由“如何將大數據變小”與“如何進行大數據的價值提煉”兩個問題組成，前者要在不改變數據基本屬性的前提下對數據進行清洗，在盡量不損失價值的條件下減小數據規模。為此，需要研究大數據的抽樣、去重、過濾、篩選、壓縮、索引、提取元數據等數據變換方法，直接將大數據變小，這可以看作是大數據的“物理變化”。后者可看作是大數據的“化學反應”，對大數據的探索式考察與可視化將發揮作用，人機的交互分析可以將人的智慧融入這一過程，通過群體智慧、社會計算、認知計算對數據的價值進行發酵和提煉，實現從數據分析到數據價值判定和數據制造的價值飛躍。

5.大數據的安全和隱私問題

只要有數據，就必然存在安全與隱私的問題。隨著數據的增多，大數據面臨著重大的風險和威脅，需要遵守更多更合理的規定，傳統的數據保護方法無法滿足這一要求。因此，面對大數據的安全與隱私保護，有大量的挑戰急需得到解決，具體包括：大數據計算倫理學、大數據密碼學、分布式編程框架中的安全計算、遠程數據計算的可信任度、數據存儲和日志管理的安全性、基于隱私和商業利益保護的數據挖掘與分析、強制的訪問控制和安全通信、多粒度訪問控制以及數據來源和數據通道的可信等。

6.大數據對IT技術架構的挑戰

這一問題是對熱點問題“大數據對于系統的要求”的新解讀。大數據對于系統，不管是存儲系統、傳輸系統還是計算系統都提出了很多非?？量痰囊?，而現有的數據中心技術難以滿足大數據的需求。譬如，存儲能力的增長遠遠趕不上數據的增長，設計最合理的分層存儲架構已成為信息系統的關鍵。分布式存儲架構不僅需要scale-up式的可擴展性，也需要scale-out式的可擴展性。因此對整個IT架構進行革命性地重構勢在必行。此外，大數據平臺（包括計算平臺、傳輸平臺、存儲平臺等）是大數據技術鏈條中的瓶頸，特別是大數據的高速傳輸，需要革命性的新技術。

7.大數據的應用及產業鏈

大部分大數據專家委員會的委員都認為，大數據的研究與應用一定要與領域知識相結合，尤其在開展大數據研究的初期，計算機領域的科技工作者一定要虛心向各領域的科技人員請教，真正了解和熟悉各領域發生數據的特點。針對不同的領域環境和不同的應用需求，大數據的獲取、分析、反饋的方式有所不同。為此，針對不同行業與領域業務需求，我們需要展開數據特征與業務特征的研究，進行大數據應用分類與技術需求分析，構建從需求分析與業務模型，到數據建模、數據采集和總結反饋，最后到數據分析的全生命周期應用模型。其實，不同的應用環境和應用目標代表了不同的價值導向，這對于大數據的價值密度有很大的影響。

8.大數據的生態環境問題

大數據作為21世紀的“新石油”，是一種寶貴的戰略資源，因此對大數據的共享與管理無疑是其生態環境的一部分。對于大數據的共享與管理，其中所有權是基礎，這既是技術問題，也是法理問題。對數據的權益需要進行具體認定并進行保護，進而在保護好多方利益的前提下解決數據共享問題。為此，可能會遇到不少的障礙，包括人們對法律或信譽的顧慮，保護競爭力的需要，以及數據存儲的位置和方式不利于數據的訪問和傳輸等。此外，生態環境問題還涉及與政治、經濟、社會、法律、科學等等的交叉影響問題。因為大數據將對國家治理模式、企業的決策、組織和業務流程、個人生活方式都將產生巨大的影響，所以這種影響模式值得深入研究。