互联网最尖端的竞争集中在大数据

2015中关村大数据日的峰会上，中国科学院院士张平文举了一个有趣例子：前一阵，他有家人甲状腺不适，院士有天晚上查了甲状腺知识，第二天就收到微信好友申请，有专治甲状腺的医生想加他为好友，院士感概说，“没有人怀疑我们就生活在大数据时代，”

2015年以来，从“大众创业、万众创新”，一直到“互联网+”以及大数据发展行动纲要，国家利好政策不断，行业领军者开拓创新，中国大数据产业群正快速形成，大数据在交通、工业、社交等领域的应用也日新月异。大数据，正在开启一个认知的新时代，这是一座新的商业宝藏，也正酝酿着一场全新的较量。

“最尖端的竞争”

过去3年，打车应用真正改变了大众出行，滴滴快的CEO程维在大数据日峰会分享说，“中国80%的出租车司机通过滴滴连接在一起，又顺势推出了滴滴专车、快车、顺风车、巴士等系列新业务，希望将有相同出行需求的人连接在一起，实现任何人在任何时间、任何地点在3分钟内叫到一辆车。”

美好的愿景完全依赖于大数据的支持。直到现在，程维依然清晰地记得一宗“事故”：2013年有一次北京大雨，CBD国贸地区用户打不到车，滴滴技术团队梳理订单后发现，绝大多数的订单根本发不出去，“我们最初德尔大数据算法是将一个订单发给附近1-3公里的司机，在订单非常多的时候，司机信道变成稀缺资源，就无法接到更多的订单。”

程维很快发现，当一个城市日均订单超过1万单后，原始的大数据算法即成为瓶颈，于是，滴滴将建设中国最好的大数据团队当成公司战略，为实现用户和司机的快速匹配，迄今后台已经多个版本的大数据结构和算法。

大数据在交通的应用，并不限于打车。构建了完整大数据产业平台的北京久其软件公司，曾为江苏省提供智能化交通统计监测系统，将所有江苏省内高速出入口的视频以及海运、河运、港口等所有的音视频的数据全部纳入体系，进行实时监控。久其软件副总裁钱晖分享说，“在江苏省内，如果你的车被偷或者号牌模糊，系统在一秒钟之内就能实现号牌识别。”

钱晖表示，智慧交通系统积累的数据，服务范围不限于交通，比如经济学有所谓“克强指数”（即以工业用电量新增、铁路货运量新增和银行中长期贷款新增的数据，评判GDP的增长），利用智能系统可以监测高速公路出入口大货车的运量，分析实体经济状况，用于经济决策。

提供便利的同时，大数据交通云的难度和复杂度，也远超过一般人的想象。以江苏省的智能交通系统为例，实现数据实时入库、动态更新以及查询，数据量非常大，每年要更新12亿条以上的信息量。

程维认为，交通大数据能力的构建，其复杂程度甚至超过搜索，他将其总结为三大特点：实时性，每过1分钟交通情况以及车的位置都会发生变化；双向互动，需求方用户和供给方司机相互影响，除了满足用户，系统要根据司机喜好推荐最好的订单；集群扰动，比如，100个人或10000人搜索，结果不会有什么区别，但是10个人还是200人一起叫车，运算结果完全不同，“滴滴代表的交通云，涉及深度学习、人工智能等技术前沿，令云平台更智能、更高效，这是公司最重要的事情。”

“互联网的竞争，已从早期的产品竞争、营销竞争、资本竞争，实实在在进入云端、大数据端的竞争，”程维表示，“全球大的互联网出行领域，最尖端的竞争就集中在大数据领域。”

占据技术制高点的背后，是顶尖人才的争夺。滴滴的全球竞争对手，几乎早于他们动手前的半年，就开始收罗全球顶尖大学的大数据研究人员，从主任、专家到一线工作人员，几乎一网打尽，甚至有公司专门派一支队伍在MIT实验室旁蹲守两个月，“先从副主任挖起，再找主任，一个带一个把30多个实验室的人彻底挖空。”

关键在顶层设计

6年前即深耕工业大数据，美林数据总裁王璐深有感触，“大数据对整个工业带来的冲击是太大太大了”，而美林只专注两件事：工业大数据中心的建设以及对数据的分析、挖掘、高维可视化。“‘两化融合’核心是什么？我们认为是数据的管理，只有在工业4.0时代，才实现了‘两化’的强连接，代表工业化和信息化高度嵌入到一个整体系统。”

在王璐看来，大数据时代，就是会用数据说话、决策、管理、创新，如今，整体氛围和思维方式的条件已具备，核心在于大数据技术的挑战，其中，首要的挑战在于组织的顶层设计，“美林帮助很多企业进行顶层设计，两化融合和大数据融合的战略需要复杂组织系统的设计，尤其是数据管理的长效机制，其中，流程和组织最直接的挑战，就是寻找一批懂业务、懂数据还懂分析的人才队伍。”

国家电网信通部主任王继业在峰会分享了其基于顶层设计、布实施后的运营实践。在大数据方面，国家电网首先规划建立了企业级大数据平台，通过大数据平台实现数据的采集、传输以及存储和处理；在大数据平台之上建立决策支持类、实施采集类、在线监测类、计算分析类等大数据业务应用，其中分成10大场景，在不同单位进行相应试点工作。

以电力负荷预测为例，国家电网组织了江苏电力、山东电力两家地区公司，利用大数据技术，基于电力负荷用户档案数据，结合气侯、气温变化等数据，建立用电数据分析模型，实现用电负荷特性分析并且预测未来用点负荷曲线。

比如，江苏电力就构建了数百个分析模型，在2015年4月对于全省的电力用电高峰进行了预测，其判断用电高峰出现在8月6号，预测最高电量为8481万千瓦时，结果，真正出现时间是8月5号，仅仅差一天，而实际发生的最高值为8440万千瓦时，误差率非常之低。

王继业表示，基于顶层设计、有序推进，大数据带来的威力十分之大，国家电网也尝到了甜头，“通过前期试点，负荷预测准确率提高到99.5%，最高负荷发生时间偏差1天，峰谷差率下降了5%；对配电网抢修精益化大数据预测，实时监测、故障预测、抢修达标率析，设备故障预测准确率提升40%，抢修达标率达到15%，抢修时长缩短30分钟。”

事实上，不只工业领域，响应整个社会大数据化，凝聚共识，全力推动大数据产业创新发展，形成政府、社会、市场共同推动、联合治理的发展格局，一样需要顶层设计；而商业公司内部的许多数据，若能在一套规则清晰的制度下进行共享，完全可以应用到宏观经济和社会管理，实现数据价值的最大化。

龙信数据董事长李钰就认为，应用是衡量数据价值唯一标准，龙信即将发布的是中关村企业大数据平台，可记录北京市百万家企业每天的动态的经营和税收情况，可以洞悉全国5千万市场主体与宏观经济内在关系，有百亿的节点在秒级可以进行运算，有深度学习能力，是未来企业数据的智慧大脑，这对于宏观经济决策一样极具价值。

LinkedIn全球副总裁Michael Korcuska在峰会分享了过去3年的领英（LinkedIn）数据积累，也有非常有趣的洞察：基于中国强劲的经济增长，越来越多的人才从全球来到中国，其核心技能主要是经济学、统计分析、化学、社交媒体等领域，而部分离开中国的人士，其所擅长的是城市规划、海洋、导航、水库管理以及传统中医等。Michael Korcuska建议，利用领英的职位数据库，政府可以做两件事：为稀缺人才提供激励机制，与大学合作培养针对性的人才。

峰会最后，宽带资本董事长田溯宁以独有的历史视角，对于大数据应用的前景进行了展望。他认为，人类历史上曾有地理大发现的时代，发现新大陆改变了人类的时空观念，开启了工业革命，而现在，人类社会正迈入“一个数据大发现的时代”，将开启无限的新机会。