正确借助大数据 避免走向误区

    “大数据”是当今最热的概念之一，有人把大数据形容为未来世界的石油，有人宣称掌握大数据的人可以像上帝一样俯瞰整个世界，美国政府甚至已经把对大数据的研究上升为国家战略。喧哗的背后，实际上，随着信息与通讯技术的发展，“大数据”正进入与我们息息相关的每一个角落。近日，记者参加中国科协主办的第36期科学家与媒体面对面活动，采访相关专家，请他们畅谈了大数据时代的技术特色与隐私保护。

    大数据是什么

    故事一：无法完成的任务

    大数据是一个时髦的新词，也是一个古老的现象。因为，对某个时代来说，超出当时社会信息处理能力的数据，就可以说是大数据。

    以人类遇到的第一个大数据人口普查为例。中国在公元2年就有史书记载的人口普查数据（《汉书 地理志》）：全国103个郡国，人口是59594978人。对当时的古代中国来说，近六千万人口的普查无疑就是一个难以处理的大数据。美国宪法曾规定，美国人口普查十年一次。1880年开始，美国人花8年完成了一次人口普查，并预计1890年做下一次人口普查大概需要13年时间。也就是说，人口普查成为当时一项无法完成的任务。不过，危机常常带来新的技术革命。有人发明了穿孔卡片制表机，使得这个任务仅用一年时间就可以完成。穿孔卡片制表机就是今天计算机的前身。

    “大数据不是今天就出现的，你对付不了的就是大数据。”工业和信息化部电信研究院互联网中心主任何宝宏说：“今天所说的大数据革命也是2008年之后，这5年来信息发生了翻天覆地的变化。大数据让物质世界变得可计算，这是整个人类的目标。”

    无法完成的任务，带来的是前所未有的技术突破。如今，移动互联网、物联网、基因测序等采集数据的工具越来越多样化，使我们对物质世界的描述越来越精确，拥有的数据量越来越大；云计算等处理数据的工具越来越经济，又使得大数据的应用走入百姓身边，对我们的生产和生活方式产生深远的影响。

    目前大数据最成熟的应用是互联网广告营销。近一年中，老百姓在搜索或者浏览网页时会发现，网上推出的广告越来越精确。这是因为互联网广告已经进入到完全自动、实时竞价的状态，通过对个人上网行为的分析，推导出这个人的性格特征和可能需要，并有针对性地投放广告。广告请求、竞价邀请、受众筛选、申请出价、中标投放的全过程，仅需120毫秒也就是0.12秒即可完成，而在传统媒体完成这样的工作，很可能需要几个月的时间。

    互联网金融也是近一年的大热点，根基就是由于大数据技术的成熟。互联网金融在面对中小企业的贷款业务中，拥有独特的优势。据一份对中国互联网金融的调查报告显示，互联网金融对小微企业贷款时，不良贷款率仅为1.02%，单笔放款成本为2.3元；而传统银行对小微企业的贷款不良率为5.5%至6%，单笔成本达800元至2000元。这种低成本、低坏账率、全时服务（机器可以全天候开启）的金融服务，使广大中小企业变成了互联网金融的客户，可以解决小微企业贷款难的问题——这其实也是一个过去无法完成的任务。

    大数据怎么用

    故事二：不懂外语的翻译

    百度公司发展研究中心副主任率鹏给记者讲了一个有趣的故事。“百度翻译”这个工具，目前已经提供了24种语言的自动翻译服务，翻译质量在行业中领先。“但这24种语言中有12种语言，整个百度翻译的团队没有人能懂。”率鹏说，“大数据的技术使我们完全在不了解、不懂得、不能够理解这种语言的情况下，仅仅靠技术本身就开发出一个非常好的翻译工具，这在以往的时代是难以想象的。”

    不懂外语的外语翻译，这个听起来很天方夜谭的故事，其实精准反映了如今大数据技术的一大特点——不需要知道为什么，只需要知道是什么。

    这个技术特点，是由如今大数据本身的特点决定的。中国通信学会副理事长兼秘书长张新生表示，大数据有四大特点：一是海量，大到“以目前的技术无法管理的数据量”；二是多样，数据种类复杂，非结构数据占到所存储数据总量的75%—95%，这些非结构数据无法以现在的技术手段与关系分析的数据库来处理；三是速度，数据产生的频率和传送频率非常快，需要进行实时处理；四是价值密度低，需从大量的低质量、低价值的数据中获取知识，犹如大海捞针，获取数据成本很高。

    事实上，大数据还将越来越大。在过去两年中，全球产生的信息占到人类整体掌握信息总量的90%，现在每天全球产生的数据相当于国家图书馆馆藏总量的1500倍。而互联网数据中心IDC预测，到2020年全世界将有300亿个物联网终端。中国在这一市场上将占据至关重要地位，届时中国普通家庭将拥有40个到50个智能设备或传感器，每年创造出20TB的数据。而中国国家图书馆藏书是2631万册，信息量相当于41TB。也就是说，届时一个普通中国家庭每年产生的数据，就相当于半个国家图书馆。

    我们如何才能不被大数据所淹没？

    “大数据的核心重点在于深度挖掘，通过挖掘产生新的应用。”张新生表示，大数据的处理技术是一个工具，它有几个新特色：不再是小样本、随机样本，而要全体数据；接收数据有混杂性，不再追求精确性；关注事物之间的相关性，可以只知道是什么，不知道为什么；对所获数据可多次、反复利用，并可扩展，具有互用性，也就是未来可能知道为什么。

（编辑：ASP站长网）