大數(shù)據(jù)時代：要知道what，不是why

徐仁全

當(dāng)我們知道了大數(shù)據(jù)的特性，也找到了相關(guān)性，接下來就是靠著它創(chuàng)造出價值來。

“什么是大數(shù)據(jù)？”、“跟我有什么關(guān)系？”很多人第一次聽到大數(shù)據(jù)，心中一定會有這樣的疑問。

據(jù)《30雜志》報道，麥爾·荀伯格在千余名想了解未來趨勢的觀眾面前，做了一場精彩易懂的演說，告訴了企業(yè)及民眾，什么是大數(shù)據(jù)。

大數(shù)據(jù)找出相關(guān)性

2009年，全球出現(xiàn)一種新的流感病毒H1N1，當(dāng)時美國也無法幸免，疾病管制局（CDC）要求第一線的醫(yī)師遇到H1N1流感病例，必須立刻通報。即使如此，通報速度仍總是慢一步，會晚1到2個星期。這樣的時效讓疾管局無法掌握真實情況，對癥下藥。

當(dāng)時有幾位Google 工程師在著名的《自然》科學(xué)期刊中發(fā)表了一篇論文。他們透過美國最常使用的前5000萬個搜尋關(guān)鍵字，再與疾管局2003-2008年間的流感傳播資料加以比對，用高達(dá)4.5億種不同的數(shù)學(xué)模型，找出這些字出現(xiàn)的頻率、時間及地點(diǎn)，有沒有統(tǒng)計上的相關(guān)性（correlation）。最后被他們挖到寶了，這套軟件找出了45個流感關(guān)鍵字眼，放進(jìn)數(shù)學(xué)模型之后，預(yù)測結(jié)果與官方公布的真實資料吻合，有強(qiáng)烈的相關(guān)性。

Google 運(yùn)用這套數(shù)學(xué)模型，再一次精準(zhǔn)地掌握了流感發(fā)生的高峰及地區(qū)，讓防疫工作同步進(jìn)行，不落后。

再說另一例子，天文學(xué)來說，美國太空總署執(zhí)行一項叫史隆數(shù)碼巡天計劃（Sloan Digital Sky Survey），從2000年開始，他們用位于美國新墨西哥州的天文望遠(yuǎn)鏡去收集資料，計劃開始不過幾星期，收到的天文資料量就已超過了過去所有天文學(xué)歷史的總和。到了2010年，這個計劃收到了140TB 的資料量。但是接續(xù)的新計劃，預(yù)計2016年登場，未來的巡天望遠(yuǎn)鏡在5天內(nèi)，就可收到這些資料量。

荀伯格說，當(dāng)資料進(jìn)入天文數(shù)字時代，荀伯格提醒：到底大數(shù)據(jù)有多大？其實不是那么重要，重點(diǎn)是在放大，擴(kuò)大資料量等級，就能做出少量資料做不到的事。

舉例來說，畫一張馬的圖畫，不是太難的事，但如果畫了很多張馬的圖畫，再以每秒24幀來呈現(xiàn)這些圖畫，就成了動畫。這里要強(qiáng)調(diào)的是“量變”產(chǎn)生了“質(zhì)變”，巨量就是這個道理，量的不同，也改變了本質(zhì)。

what比why重要

量增加了，就出現(xiàn)另一項大數(shù)據(jù)的特色：亂（messy）。巨量資料的內(nèi)容常是混亂不齊，質(zhì)量不一。這是因為，巨量資料的收集過程中，它只要一個大方向即可，不需要講究到一寸、一分。“這并不是說我們放棄了精準(zhǔn)這件事，只是不再將精準(zhǔn)奉為圭臬，”荀伯格說。

舉例來說，我們要測量某個葡萄園的溫度，如果整片葡萄園只有一支溫度計，那這支溫度計就要十分精準(zhǔn)，不能故障，但也意味著它會很貴。換句話說，就是不能有任何雜亂或出錯；相反的，如果我們今天在葡萄園里放了100支溫度計去測溫度，就可以用便宜一些，簡單的溫度計測出很精準(zhǔn)的溫度。

100支溫度計代表的是量大，盡管其中幾支可能不那么精準(zhǔn)，但卻可以收集到大量數(shù)據(jù)。比起只靠一支溫度計來說，更可看到全貌，代表全體。那此時，一點(diǎn)雜亂就顯得微不足道。

重點(diǎn)又來了，荀伯格忽然站起來向所有在場的觀眾說，大數(shù)據(jù)時代，資料數(shù)量比資料質(zhì)量更重要。更不要為了一點(diǎn)點(diǎn)信息的偏差而影響了整體分析，想處理掉不精準(zhǔn)的信息，成本會很高，也沒有必要！

另一個有趣的例子是沃爾瑪（Walmart），他們從龐大的交易記錄上發(fā)現(xiàn)，在颶風(fēng)來襲前，銷量大增的不只是手電筒，還有一種美國小甜點(diǎn) Top-Tarts，店家會在每次颶風(fēng)來臨前，把一盒一盒的 Top-Tarts放在風(fēng)災(zāi)的必需品架上，方便急忙的顧客一次滿足，“特別是草莓口味的，賣得最好?！?/p>

請注意，這里Walmart不去弄清楚為什么颶風(fēng)時人們特別想吃Top-Tarts，而是把這個相關(guān)性找出來，直接采取更有利的營銷動作。

荀伯格特別強(qiáng)調(diào)，大數(shù)據(jù)時代，what比why重要。

再舉一個例子，發(fā)生在他朋友，也是大數(shù)據(jù)專家，任教于華盛頓大學(xué)的教授伊茲奧尼（Oren Etzioni）身上。2003 年時他想從西雅圖塔機(jī)到洛杉磯參加弟弟的婚禮，他想愈早訂票愈能買到便宜，幾個月前他就買好了機(jī)票，也覺得買得很便宜。沒想到他在航程中，出于好奇問了隔壁乘客買多少錢，何時買的。結(jié)果，一問之下，都回答最近才買，且都比他買得便宜，他十分生氣。

下了飛機(jī)后，他決定去好好研究一下購買機(jī)票這件事。他發(fā)現(xiàn)，如果平均票價呈現(xiàn)下跌，買票就可以慢慢來；如果價格上揚(yáng)中，你就要先訂票，以免它水漲船高。

伊茲奧尼花了41天的時間去比對一旅游網(wǎng)站中超過12000筆的票價資料，他建立了一個模型，讓模擬的消費(fèi)者都省下了大筆的機(jī)票錢。在這模型里，消費(fèi)者不懂“為什么（why）”，只知道“正是如此（what）”，消費(fèi)者要決定現(xiàn)在是“買或是不買”。

后來這套模型發(fā)展出創(chuàng)業(yè)計劃，他創(chuàng)了一個Farecast網(wǎng)站，消費(fèi)者可以做出最佳判斷，何時該買，還是不買。

大數(shù)據(jù)與價值

當(dāng)我們知道了大數(shù)據(jù)的特性，也找到了相關(guān)性，接下來就是靠著它創(chuàng)造出價值來。

美國西雅圖有一家專門收集車輛實時定位的資料公司Inrix，它的資料來自上億臺的車輛。同時，它也推出手機(jī) App服務(wù)，通過提供服務(wù)換取特定的司機(jī)資料，包括他們曾開車去的地方、天氣及路況等。他們將收到的資料再出售給一家投資基金，該基金根據(jù)大型零售商場附近的路況推測業(yè)績，在零售商公布季報前，搶先決定該買入或賣出。因為車潮就是錢潮。這就是價值。

英國的羅爾斯羅伊斯是著名的飛機(jī)引擎制造商，它通過在引擎上安裝了一個監(jiān)控器，以掌控引擎是否正常運(yùn)轉(zhuǎn)。結(jié)果隨著他們收集到的資料中發(fā)現(xiàn)，當(dāng)引擎出現(xiàn)哪些信號異常，引擎可能會發(fā)生問題，這個監(jiān)控變成了預(yù)測，大大減少飛安事故。羅爾斯羅伊斯從過去單單的制造引擎公司，轉(zhuǎn)型為服務(wù)咨詢，他們讓數(shù)據(jù)產(chǎn)生出價值。

荀伯格說了許多大數(shù)據(jù)的美好，但他強(qiáng)調(diào)，大數(shù)據(jù)有其黑暗面：隱私當(dāng)然是一個該關(guān)注的焦點(diǎn)，但他強(qiáng)調(diào)，更可怕的是各種算法，去預(yù)測是不是會患心臟??？或你是否會犯罪等。有時，依靠大數(shù)據(jù)做出的演算與預(yù)測，如果與自由意志不符時，孰輕孰重？

同時，我們也擔(dān)心，愈來愈多的企業(yè)會掌握更多資料，但如此龐大的資料為他們所收集，拿去做了什么？什么用途？不一定能受到監(jiān)督與管理，這是重要議題。

“巨量資料是為人類所掌控，而不是被巨量資料所掌控，”這是荀伯格最后的提醒。endprint