新用戶登錄后自動創(chuàng)建賬號
登錄2009年時,全世界關(guān)于大數(shù)據(jù)的研究項目還非常有限,從2011年開始,越來越多的管理者開始意識到,大數(shù)據(jù)將是未來發(fā)展不可規(guī)避的問題,而到2012年年底,世界財富500 強企業(yè)中90%的企業(yè)都開展了大數(shù)據(jù)的項目。
IDC的研究顯示,到2015年,大數(shù)據(jù)市場前景將達到169億美元的規(guī)模。當(dāng)前所有企業(yè)的商業(yè)數(shù)據(jù)每隔1.2年就將遞增一倍。無疑,數(shù)據(jù)信息的大爆炸不斷提醒著我們,未來將會因大數(shù)據(jù)技術(shù)而改變。
那么,大數(shù)據(jù)為什么成為所有人關(guān)注的焦點?大數(shù)據(jù)帶來了什么樣的本質(zhì)性改變?為此,我們與中國計算機學(xué)會大數(shù)據(jù)學(xué)術(shù)帶頭人、中國人民大學(xué)信息學(xué)院院長杜小勇教授進行了訪談。
杜小勇教授認(rèn)為,大數(shù)據(jù)帶來了三大根本改變:第一、大數(shù)據(jù)讓人們脫離了對算法和模型的依賴,數(shù)據(jù)本身即可幫助人們貼近事情的真相;第二、大數(shù)據(jù)弱化了因果關(guān)系。
大數(shù)據(jù)分析可以挖掘出不同要素之間的相關(guān)關(guān)系。人們不需要知道這些要素為什么相關(guān)就可以利用其結(jié)果,在信息復(fù)雜錯綜的現(xiàn)代社會,這樣的應(yīng)用將大大提高效率;
第三、與之前的數(shù)據(jù)庫相關(guān)技術(shù)相比,大數(shù)據(jù)可以處理半結(jié)構(gòu)化或非結(jié)構(gòu)化的數(shù)據(jù)。這將使計算機能夠分析的數(shù)據(jù)范圍迅速擴大。
杜小勇教授用例子更進一步闡述了上述觀點:
第一、計算機科學(xué)在大數(shù)據(jù)出現(xiàn)之前,非常依賴模型以及算法。
人們?nèi)绻胍玫骄珳?zhǔn)的結(jié)論,需要建立模型來描述問題,同時,需要理順邏輯,理解因果,設(shè)計精妙的算法來得出接近現(xiàn)實的結(jié)論。因此,一個問題,能否得到最好的解決,取決于建模是否合理,各種算法的比拼成為決定成敗的關(guān)鍵。
然而,大數(shù)據(jù)的出現(xiàn)徹底改變了人們對于建模和算法的依賴。舉例來說,假設(shè)解決某一問題有算法A 和算法B。在小量數(shù)據(jù)中運行時,算法A的結(jié)果明顯優(yōu)于算法B。也就是說,就算法本身而言,算法A能夠帶來更好的結(jié)果.
然而,人們發(fā)現(xiàn),當(dāng)數(shù)據(jù)量不斷增大時,算法B在大量數(shù)據(jù)中運行的結(jié)果優(yōu)于算法A在小量數(shù)據(jù)中運行的結(jié)果。這一發(fā)現(xiàn)給計算機學(xué)科及計算機衍生學(xué)科都帶來了里程碑式的啟示:
當(dāng)數(shù)據(jù)越來越大時,數(shù)據(jù)本身(而不是研究數(shù)據(jù)所使用的算法和模型)保證了數(shù)據(jù)分析結(jié)果的有效性。即便缺乏精準(zhǔn)的算法,只要擁有足夠多的數(shù)據(jù),也能得到接近事實的結(jié)論。數(shù)據(jù)因此而被譽為新的生產(chǎn)力。
第二、當(dāng)數(shù)據(jù)足夠多的時候,不需要了解具體的因果關(guān)系就能夠得出結(jié)論。
例如,Google 在幫助用戶翻譯時,并不是設(shè)定各種語法和翻譯規(guī)則。而是利用Google數(shù)據(jù)庫中收集的所有用戶的用詞習(xí)慣進行比較推薦。Google檢查所有用戶的寫作習(xí)慣,將最常用、出現(xiàn)頻率最高的翻譯方式推薦給用戶。
在這一過程中,計算機可以并不了解問題的邏輯,但是當(dāng)用戶行為的記錄數(shù)據(jù)越來越多時,計算機就可以在不了解問題邏輯的情況之下,提供最為可靠的結(jié)果??梢?,海量數(shù)據(jù)和處理這些數(shù)據(jù)的分析工具,為理解世界提供了一條完整的新途徑。
第三、由于能夠處理多種數(shù)據(jù)結(jié)構(gòu),大數(shù)據(jù)能夠在最大程度上利用互聯(lián)網(wǎng)上記錄的人類行為數(shù)據(jù)進行分析。
大數(shù)據(jù)出現(xiàn)之前,計算機所能夠處理的數(shù)據(jù)都需要前期進行結(jié)構(gòu)化處理,并記錄在相應(yīng)的數(shù)據(jù)庫中。
但大數(shù)據(jù)技術(shù)對于數(shù)據(jù)的結(jié)構(gòu)的要求大大降低,互聯(lián)網(wǎng)上人們留下的社交信息、地理位置信息、行為習(xí)慣信息、偏好信息等各種維度的信息都可以實時處理,立體完整地勾勒出每一個個體的各種特征。