大數(shù)據(jù)發(fā)展到了什么階段

李榮

大數(shù)據(jù)時代，大數(shù)據(jù)分析與應(yīng)用大肆盛行。越來越多的大公司大企業(yè)大集團(tuán)，都越來越重視大數(shù)據(jù)的影響和作用。可以說，誰搶得大數(shù)據(jù)的一手可靠資料，誰就能在未來的業(yè)務(wù)發(fā)展和拓寬中占據(jù)優(yōu)勢，就能在相關(guān)領(lǐng)域首先拔得頭籌。但是，大數(shù)據(jù)發(fā)展前景現(xiàn)在到底如何，大數(shù)據(jù)的可靠性由誰說了算，大數(shù)據(jù)的真實性有誰可以保證，甚至還可以再倒退一點點來問問，如今的大數(shù)據(jù)究竟發(fā)展到了什么階段？

很少人能夠清楚地知道這一點吧！畢竟在大數(shù)據(jù)分析與應(yīng)用火爆的年代，一般人都只是了解大數(shù)據(jù)的皮毛和表面，而對于大數(shù)據(jù)發(fā)展前景、大數(shù)據(jù)背后的來源及處理分析等精密的工作程序肯定不了解，也不會感興趣。而且對于一般人，也不可能會去真正弄明白大數(shù)據(jù)分析與應(yīng)用背后蘊(yùn)藏的種種可靠性、客觀性、真實性的來源支撐與科學(xué)手段處理。

在日新月異且喜新厭舊的技術(shù)初創(chuàng)企業(yè)界，已有3年歷史的“大數(shù)據(jù)”聽起來似乎已經(jīng)有點過氣。雖然Hadoop在2006年已經(jīng)出來，但“大數(shù)據(jù)”這個概念大概是在2012 - 2015年左右才真正火起來的。也就是在這段時間里，至少是在媒體或者專家眼里，“大數(shù)據(jù)”才開始慢慢成為了新的“金子”或者“石油”。然而，在跟業(yè)界人士交談中，大家越來越感覺到這項技術(shù)已經(jīng)在某種程度上陷入了停滯或迷惑期。2017年可能是數(shù)據(jù)領(lǐng)域的那些一些人轉(zhuǎn)移興趣，開始沉迷于AI以及機(jī)器智能、深度學(xué)習(xí)等許多相關(guān)概念的年份。

拋開不可避免的炒作周期曲線態(tài)勢不管，我們的“大數(shù)據(jù)版圖”已經(jīng)進(jìn)入第4個年頭了，趁這個時候退一步來反思一下去年發(fā)生了什么，思考一下這個行業(yè)的未來會怎樣是很有意義的，看看如今的大數(shù)據(jù)到底發(fā)展到了什么階段。那么2019年大數(shù)據(jù)到底還有多大的發(fā)展和進(jìn)步空間呢？我們不妨探討一下。

企業(yè)技術(shù)=艱苦工作

大數(shù)據(jù)有趣的一點在于，它不再像當(dāng)初經(jīng)歷過那樣有可能成為炒作的題材了。

經(jīng)過炒作周期后仍能引起廣泛興趣的產(chǎn)品和服務(wù)往往是那些大家能夠接觸、可以感知的，或者與大眾相關(guān)聯(lián)的：比如移動應(yīng)用、社交網(wǎng)絡(luò)、可穿戴和虛擬現(xiàn)實等。

但大數(shù)據(jù)基本上就是管道設(shè)施的一種。當(dāng)然，大數(shù)據(jù)為許多消費者或商業(yè)用戶體驗提供了動力，但它的核心是企業(yè)技術(shù)、數(shù)據(jù)庫和分析等，這些東西都是在后端運(yùn)行的，沒幾個人能看得見。就像工作在這一領(lǐng)域的人都知道，用一個晚上的時間就想適應(yīng)企業(yè)端的新技術(shù)是不可能的。

大數(shù)據(jù)現(xiàn)象在早期主要是受到了與一批骨干互聯(lián)網(wǎng)公司（尤其是Google，F(xiàn)acebook，Twitter等）的共生關(guān)系的推動，這些公司既是核心大數(shù)據(jù)技術(shù)的重度用戶，同時也是這些技術(shù)的創(chuàng)造者。這些公司突然間面對著規(guī)模前所未有的龐大數(shù)據(jù)時，由于本身缺乏傳統(tǒng)的（昂貴的）基礎(chǔ)設(shè)施，也沒有辦法招募到一些最好的工程師，所以只好自己動手來開發(fā)所需的技術(shù)，后來隨著開源運(yùn)動的迅速發(fā)展，一大批此類新技術(shù)開始共享到更廣的范圍。然后，一些互聯(lián)網(wǎng)大公司的工程師離職去創(chuàng)辦自己的大數(shù)據(jù)初創(chuàng)企業(yè)。其他的一些“數(shù)字原生”公司，包括嶄露頭角的獨角獸公司，也開始面臨著互聯(lián)網(wǎng)大公司的類似需求，由于它們自身也沒有傳統(tǒng)的基礎(chǔ)設(shè)施，所以自然就成為了那些大數(shù)據(jù)技術(shù)的早期采用者。而早期的成功又導(dǎo)致了更多的創(chuàng)業(yè)活動發(fā)生，并獲得了更多的VC資助，從而帶動了大數(shù)據(jù)的起勢。

快速發(fā)展了幾年之后，現(xiàn)在我們面臨的是更加廣闊但也更加棘手的機(jī)遇：讓中等規(guī)模到跨國公司級別的更大一批企業(yè)采用大數(shù)據(jù)技術(shù)。這些公司跟“數(shù)字原生”公司不一樣的是，他們沒有從零開始的有利條件，而且他們失去的會更多：這些公司絕大部分的現(xiàn)有技術(shù)基礎(chǔ)設(shè)施都是成功的。當(dāng)然那些基礎(chǔ)設(shè)施未必是功能完備的，組織內(nèi)部許多人也意識到對自己的遺留基礎(chǔ)設(shè)施進(jìn)行現(xiàn)代化改良應(yīng)該是早點好過晚點，但他們不會一夜間就把自己的關(guān)鍵業(yè)務(wù)取代掉。任何革命都需要過程、預(yù)算、項目管理、試點、局部部署以及完備的安全審計等。大企業(yè)對由年輕的初創(chuàng)企業(yè)來處理自己基礎(chǔ)設(shè)施的關(guān)鍵部分的謹(jǐn)慎是可以理解的。還有，令創(chuàng)業(yè)者感到絕望的是，許多（還是大多數(shù)？）企業(yè)仍頑固地拒絕把數(shù)據(jù)遷移到云端（至少不愿遷移到公有云）。

還需要理解的另一個關(guān)鍵是：大數(shù)據(jù)的成功不在于實現(xiàn)技術(shù)的某一方面（像Hadoop什么的），而是需要把一連串的技術(shù)、人和流程糅合到一起。你得捕捉數(shù)據(jù)、存儲數(shù)據(jù)、清洗數(shù)據(jù)、查詢數(shù)據(jù)、分析數(shù)據(jù)并對數(shù)據(jù)進(jìn)行可視化。這些工作一部分可以由產(chǎn)品來完成，而有的則需要人來做，一切都需要無縫集成起來。最后，要想讓所有這一切發(fā)揮作用，整個公司從上到下都需要樹立數(shù)據(jù)驅(qū)動的文化，這樣大數(shù)據(jù)才不僅僅是個“東西”，而且還是那關(guān)鍵的“東西”。

部署階段

所以，這就是在經(jīng)過幾年引人矚目的初創(chuàng)企業(yè)如雨后春筍冒頭，VC投資頻登頭條后，我們開始步入大數(shù)據(jù)的部署期和早期成熟期的原因。

更有前瞻性的大公司（姑且稱之為傳統(tǒng)技術(shù)采用周期的“早期采用者”）在2011-2013年間就開始實驗大數(shù)據(jù)技術(shù)，推出了若干的Hadoop試點計劃（往往是因為趕時髦）或者嘗試一些點方案。他們招募了各種各樣此前并不存在的崗位（如“數(shù)據(jù)科學(xué)家”或“首席數(shù)據(jù)官”）；他們進(jìn)行了各種努力，包括把全部數(shù)據(jù)都堆到一個數(shù)據(jù)容器（“data lake”），然后希望緊跟著就會發(fā)生奇跡（往往不會）；他們逐步擴(kuò)大自己的內(nèi)部能力，試驗了各種供應(yīng)商，從試點計劃到生產(chǎn)中的局部部署，然后到現(xiàn)在爭論要不要全企業(yè)鋪開（全范圍鋪開實施的情況還很罕見）。許多情況下，他們正處在這樣一個重要的拐點上，即經(jīng)過大數(shù)據(jù)基礎(chǔ)設(shè)施的數(shù)年建設(shè)后，能夠展示的成果還不多，至少在公司內(nèi)部的商業(yè)用戶看來是這樣的，但是大量吃力不討好的工作已經(jīng)做完了，現(xiàn)在開始進(jìn)入到有影響力的應(yīng)用部署階段了。只是從目前來看，這種建構(gòu)在核心架構(gòu)之上的應(yīng)用數(shù)量還不成比例。

接下來的一波大公司（稱之為傳統(tǒng)技術(shù)采用周期的“早期多數(shù)使用者”）大多數(shù)時候?qū)Υ髷?shù)據(jù)技術(shù)是持觀望態(tài)度的，對于整個大數(shù)據(jù)方面的東西，他們還在心存一定程度的困惑中觀望。直到最近，他們還在指望某個大型供應(yīng)商（比如IBM）會提供一個一站式的解決方案，不過現(xiàn)在看來這種情況近期內(nèi)并不會出現(xiàn)。他們看待這個大數(shù)據(jù)版圖的態(tài)度是心懷恐懼，在想自己是不是真的需要跟這一堆看起來并沒有什么不同的初創(chuàng)企業(yè)合作，然后修補(bǔ)出各種解決方案。

生態(tài)體系正在成熟

與此同時，在初創(chuàng)企業(yè)、供應(yīng)商這一塊，整個第一波的大數(shù)據(jù)公司（2009 - 2013年間成立的那批）現(xiàn)在已經(jīng)融了數(shù)輪的資金，企業(yè)規(guī)模已經(jīng)得到了擴(kuò)大，并且從早期部署的成功或失敗中學(xué)到了東西，現(xiàn)在他們已經(jīng)能夠提供更成熟的、經(jīng)受過考驗的產(chǎn)品了。少數(shù)一些已經(jīng)成為了上市公司（包括2015年上市的HortonWorks和New Relic），而有的（比如Cloudera，MongoDB等）融資已經(jīng)達(dá)上億美元了。

這個領(lǐng)域的VC融資活動仍然很有生氣，2016年的前幾周我們見證好幾輪相當(dāng)可觀的后期階段大數(shù)據(jù)融資事件：Data Dog（9400萬美元）、BloomReach（5600萬美元）、Qubole（3000萬美元）和PlaceIQ（2 500萬美元）等。2015年大數(shù)據(jù)初創(chuàng)企業(yè)拿到的融資額達(dá)到了66.4億美元，占整個技術(shù)VC總?cè)谫Y額11%。

隨著該領(lǐng)域的創(chuàng)業(yè)活動持續(xù)進(jìn)行以及資金的不斷流入，加上適度的少量退出，以及越來越活躍的技術(shù)巨頭（尤其是Amazon，Google，IBM），使得這個領(lǐng)域的公司日益增多。

在基本趨勢方面，行動開始慢慢從左轉(zhuǎn)到右（即創(chuàng)新、推出新產(chǎn)品和新公司），從基礎(chǔ)設(shè)施層（開發(fā)者、工程師）轉(zhuǎn)移到分析層（數(shù)據(jù)科學(xué)家和分析師）乃至應(yīng)用層（商業(yè)用戶和消費者），“大數(shù)據(jù)原生應(yīng)用”已經(jīng)在迅速冒頭———這多少符合了我們原先的一些預(yù)期。

1.大數(shù)據(jù)基礎(chǔ)設(shè)施：仍有大量創(chuàng)新

Google關(guān)于MapReduce和BigTable的論文（Cutting和MikeCafarella因為這個而做出了Hadoop）的誕生問世已有10年了，在這段時間里，大數(shù)據(jù)的基礎(chǔ)設(shè)施層已經(jīng)逐漸成熟，一些關(guān)鍵問題也得到了解決。

但是，基礎(chǔ)設(shè)施領(lǐng)域的創(chuàng)新仍然富有活力，這很大程度上是得益于可觀的開源活動規(guī)模。

2016年無疑是Apache Spark之年。自我們發(fā)布上一版大數(shù)據(jù)版圖以來，這個利用了內(nèi)存處理的開源框架就引發(fā)眾多討論。自那以后，Spark受到了從IBM到Cloudera的各式玩家的擁護(hù)，讓它獲得了可觀的信任度。Spark的出現(xiàn)是很有意義的，因為它解決了一些導(dǎo)致Hadoop采用放緩的關(guān)鍵問題：Spark速度變快了很多（基準(zhǔn)測試表明Spark比Hadoop的MapReduce快10 ～ 100倍），更容易編程，并且跟機(jī)器學(xué)習(xí)能夠很好地搭配。

除了Spark以外，還出現(xiàn)了其他的一些令人興奮的框架，比如Flink，Ignite，Samza，Kudu等，這些框架的發(fā)展勢頭也很好。一些思想領(lǐng)袖認(rèn)為，Mesos（數(shù)據(jù)中心資源管理系統(tǒng)，把數(shù)據(jù)中心當(dāng)作一臺大計算資源池進(jìn)行編程）的出現(xiàn)也刺激了對Hadoop的需求。

即便在數(shù)據(jù)庫的世界里，新興的玩家似乎也越來越多，多到市場已經(jīng)難以承受的地步，這里發(fā)生了很多令人興奮的事情，從圖形數(shù)據(jù)庫（如Neo4j）的成熟，到專門數(shù)據(jù)庫的推出（如統(tǒng)計時序數(shù)據(jù)庫InfluxDB），乃至于CockroachDB的出現(xiàn)（受Google Spanner靈感啟發(fā)誕生的融合了SQL與NoSQL長處的新型數(shù)據(jù)庫），數(shù)據(jù)倉庫也在演變（如云數(shù)據(jù)倉庫Snowflake）。

2.大數(shù)據(jù)分析：現(xiàn)在跟AI結(jié)合了

大數(shù)據(jù)分析過去幾個月出現(xiàn)的一股趨勢是，越來越關(guān)注利用人工智能（形式和風(fēng)格各異）來幫助分析大規(guī)模的數(shù)據(jù)，從而獲得預(yù)測性的洞察。

其實最近出現(xiàn)復(fù)興的AI很大程度上算是大數(shù)據(jù)的產(chǎn)物。深度學(xué)習(xí)（最近受到關(guān)注最多的AI領(lǐng)域）背后的算法基本上是幾十年前就誕生了的，但直到最近能夠以足夠便宜、足夠快速地應(yīng)用到大規(guī)模數(shù)據(jù)之后才發(fā)揮出了它的最大潛能。AI與大數(shù)據(jù)之間的關(guān)系如此緊密，以至于業(yè)界專家現(xiàn)在認(rèn)為AI已經(jīng)令人懊惱地“與大數(shù)據(jù)陷入了熱戀當(dāng)中”。

不過反過來，AI現(xiàn)在也在幫助大數(shù)據(jù)實現(xiàn)后者的承諾。分析對AI、機(jī)器學(xué)習(xí)越來越多的關(guān)注也符合大數(shù)據(jù)下一步演進(jìn)的趨勢：現(xiàn)在數(shù)據(jù)我都有了，但究竟從中能得到什么樣的洞察呢？當(dāng)然，這件事情可以讓數(shù)據(jù)科學(xué)家來解決，從一開始他們的角色就是實現(xiàn)機(jī)器學(xué)習(xí)，否則的話就得想出模型來發(fā)現(xiàn)數(shù)據(jù)的意義。但是機(jī)器智能現(xiàn)在正在逐漸發(fā)揮輔助數(shù)據(jù)科學(xué)家的作用———只需要倒騰數(shù)據(jù)，新興的產(chǎn)品就能從中提煉出數(shù)學(xué)公式（如Context Relevant）或者自動建立和推薦最有可能返回最佳結(jié)果的數(shù)據(jù)科學(xué)模型（如DataRobot）。一批新的AI公司提供的產(chǎn)品能夠自動識別像圖像這樣的復(fù)雜實體（如Clarifai，Dextro）或者提供強(qiáng)大的預(yù)測性分析（如HyperScience）。

同時，隨著基于無監(jiān)督學(xué)習(xí)的產(chǎn)品的傳播和改善，看看它們與數(shù)據(jù)科學(xué)家之間的關(guān)系如何演變將非常有趣———將來這二者是敵還是友呢？AI當(dāng)然不會很快取代數(shù)據(jù)科學(xué)家的位置，但預(yù)計會看到數(shù)據(jù)科學(xué)家通常執(zhí)行的更簡單一點的工作越來越多的自動化，從而可以極大提高生產(chǎn)力。

但不管怎樣，AI、機(jī)器學(xué)習(xí)絕不是大數(shù)據(jù)分析唯一值得關(guān)注的趨勢。大數(shù)據(jù)BI平臺的普遍成熟及其日益增強(qiáng)的實時能力也是一個令人興奮的趨勢（如SiSense、Arcadia Data等）。

3.大數(shù)據(jù)應(yīng)用：真正的加速

隨著一些核心基礎(chǔ)設(shè)施的挑戰(zhàn)得到解決，大數(shù)據(jù)應(yīng)用層正在快速構(gòu)建。

在企業(yè)內(nèi)部，已經(jīng)出現(xiàn)了各種工具來幫助跨多個核心職能的企業(yè)用戶。比方說，銷售和營銷的大數(shù)據(jù)應(yīng)用通過處理大規(guī)模的內(nèi)外部數(shù)據(jù)來幫助找出哪位客戶可能會購買、續(xù)約或者流失，且速度越來越實時化；客服應(yīng)用幫助個性化服務(wù)；人力應(yīng)用幫助找出如何吸引和挽留最好的員工等。

專門的大數(shù)據(jù)應(yīng)用幾乎在任何一個垂直行業(yè)都有出現(xiàn)，從醫(yī)療保?。ㄓ绕涫腔蚪M學(xué)和藥物研究）到金融、時尚乃至于執(zhí)法（如Mark43）。

有兩個趨勢值得強(qiáng)調(diào)一下：

首先，這些應(yīng)用很多都是“大數(shù)據(jù)原生”的，本身都是依托在最新的大數(shù)據(jù)技術(shù)基礎(chǔ)上開發(fā)的，代表了一種客戶無須部署底層大數(shù)據(jù)技術(shù)即可利用大數(shù)據(jù)的有趣方式———因為那些底層技術(shù)已經(jīng)是打包的，至少對于特定功能來說是這樣的。比方說，ActionIQ就是在Spark基礎(chǔ)上開發(fā)的（或者說是Spark的一個派生），所以它的客戶能夠在營銷部門利用Spark而不需要自己部署Spark，這種情況下是沒有“裝配線”的。

其次，AI在應(yīng)用層也有很強(qiáng)大的存在。比方說，在貓捉老鼠的安全領(lǐng)域中，AI被廣泛用來對付黑客、實時識別和對抗網(wǎng)絡(luò)攻擊。去年已經(jīng)出現(xiàn)了一個AI驅(qū)動的數(shù)字助手行業(yè)，支持從任務(wù)自動化到會議安排以及購物等幾乎一切事情。這些解決方案對AI的依賴程度不一，從幾乎100%自動化到“有人參與”等情況各不相同，但是可以明確的是，人的能力在AI的幫助下得到了增強(qiáng)。

從很多方面來看，我們?nèi)匀惶幵诖髷?shù)據(jù)現(xiàn)象的早期發(fā)展階段，盡管已經(jīng)花費了數(shù)年時間，但減少基礎(chǔ)設(shè)施來存儲和處理大規(guī)模數(shù)據(jù)還只是第一階段。AI、機(jī)器學(xué)習(xí)已經(jīng)成為大數(shù)據(jù)應(yīng)用層的一股迅猛趨勢。大數(shù)據(jù)與AI的結(jié)合將會推動很多行業(yè)的驚人創(chuàng)新，從這個角度來說，大數(shù)據(jù)的機(jī)會也許要比大家想象的還要大。

然而，隨著大數(shù)據(jù)繼續(xù)走向成熟，這個術(shù)語本身可能會消失，或者變得太過時以至于沒有人會再使用這個詞，這就是成功賦能技術(shù)令人諷刺的命運(yùn)歸宿———由于技術(shù)的廣泛傳播，然后到達(dá)無所不在的地步，最后被人熟視無睹。