再识大数据

如果说在工业时代，生产原料是基于大自然馈赠的各种原子的产物，那么在信息时代，最基本的生产原料就是比特。而在比特之上，是承载各种信息价值的数据。对于信息时代的人们来说，没有什么比获得数据、拥有数据、分析数据和利用数据更重要的事情了。
    近日，《CIOInsight/信息方略》记者就有关大数据与互联网的关系、大数据对业态的影响、成功利用大数据的商业模式等话题，采访了中国通信协会副理事长、国家信息化专家组咨询委员会委员、光纤传送网与宽带信息网专家邬贺铨先生。以下是经过编辑的对话。
    被访者简介：邬贺铨，光纤传送网与宽带信息网专家，曾任信息产业部电信科学技术研究院副院长兼总工程师。现任国务院物联网领导小组组长、电信科学技术研究院副院长兼总工程师。国内最早从事数字通信技术研究的骨干之一。

相辅相成的大数据与互联网
   CIOI：先来简单聊聊大数据吧。这是个持续发热的东西，特别是在今天这个信息消费的大背景刺激之下。那么在您看来，大数据有哪些具象的表现？
    邬贺铨：我们的城市都有摄像头，一个小时产生很多的数据，几十万个摄像头，数据达到数百个TB，是很正常的事情，所以这个数据总量是非常大的。除了政府及公共机构以外，企业也产生大数据。比如说波音飞机，每个飞机的每趟航程，来回都会产生TB量级的数据。波音公司现在拥有的技术，可以做到每几毫秒都测一个数据，这样每年的数据有多大，可以想象。
    中国联通对每个上网用户都有记录，一个月记录一万多条，对应的数据量是几百个TB。除此之外，国家电网公司、医疗单位也都是数据产生的大户。我们从医院的病例可以看到，一个大脑的CT扫描图，要让它分辨率很高，微米的数据量产生是4.5TB的数据。同时按照医疗规定，一个患者的数据要保存50年。像301医院，门诊量一万人；广州中山大学医院，2008年的数据是100个TB，到2013年是1000个TB。
    还有大家都知道的淘宝网。去年光棍节每分钟几十个TB的数据。腾讯每天有5万次计算等。所以说，互联网上有很多大数据，每天都有更多的数据量产生。我这里还有一个国外的数据，美国的网站每分钟有72小时时长的视频监控上载，相当于全世界有6亿人同时看不同的高清电影。到了2016年，互联网可以在3分钟之内，传收300万小时的视频。这个数字相当于全世界生产34年不吃饭不睡觉才可以看完的电影。
    现在全世界新产生的数据量每年增加14%，也就是说互联网每两年翻一番。2012年和2013年互联网所产生的流量，等于人们有意识以来，一直到2011年所产生的数据量总和，两年等于一万年。2011年全世界互联网总量1.8个GB。2020年，全世界的数据将达到40个GB。
    CIOI：刚才您谈了很多互联网对大数据的影响。那么反过来，大数据的产生，又使互联网有了那些改变？
    邬贺铨：大数据的出现，对互联网有很大的影响。就以传统路由器为例。路由器有传送功能，也有控制功能，还有业务功能。大数据出现后，我们发现网络上存在时空不对应的问题，很难判断哪个地方的流量最高。因此，现在可以把路由器的网络控制功能抽出来，形成一个网络控制系统；把业务功能抽出来形成业务系统。灵活实现控制平面的建构，对于大数据流量是一种改型。随着流量增大，大部分流量过路多，落地少。凡是在光强上做的，就别在电厂做，凡是在IP上可以做的，就不在IPO上做。另外，就是传统互联网IP地址表示主机的身份，这个很正常。但移动互联网的出现，使这个计算机从这里到那里，位置变了，用户的身份没有变——完成身份和位置的分离。
    另外，现在被讨论很多的，IPV4向IPV6迁徙的话题，也是大数据对互联网的另一个影响。目前为止，必须要解决地址短缺问题，一些人不考虑跟互联网兼容的问题，甚至提出“后IP”概念。一般大家认为，“革命性”路线发展需要很长时间，10到15年，甚至更长。从这个意义上来说，我们现在的网络等不及，不可能15年以后再解决地址问题，因此，IPV6是一个必须然的选择。至于说未来，谁也不能保证任何一个技术是万全的。看到十几年之内，我们没有别的解决办法，就只能往这方面走。现在，IPV6有利于对地址真实身份的认知，对网络安全性有好处的。但过度到IPV6是一个长期过程，这个需要整个产业链方面的配合。
   公共领域：未开采的大数据富矿
   CIOI：还有一个跟大数据挖掘密切相关的话题，就是公共信息平台的建立。这也是信息消费的热点之一，您怎么看这个问题？
    邬贺铨：我们北京的公交有一卡通，如果把这里面的数据收集起来，我们就能知道北京多少人从哪里换车，每天是个怎样的流向。
    还有一个例子，上海的所有路口都有摄像头，每个摄像头后面都有电视屏，放在交通管理中心。一个交通管理中心再大也放不下这么多屏，因此10秒钟一轮换。通过大数据挖掘，可以把一条马路的交通组成一个视频，把整个上海交通组织像一张图，就像从直升飞机上俯视上海一样。
    我这里还有一个以色列的例子。以色列首都的交通流量，不同颜色表示不同的事件，有些表示事故等。政府统计出来这些数据以后，通过广播告诉给所有开车的人。我们现在虽然有交通屏，但仅能看到堵车显示。但是却无法前进和后退。然而，在非常实时的提供到开车的每个人，这才是很好的服务。我们现在的问题是，有很多地方有很多有用的数据没有被挖掘，会挖掘的人却没有数据可挖。因此我说，公共领域的大数据挖掘，还是要把网络和生活结合起来。
    另外，快到国庆了。国庆之前很多人在网上搜索旅游点，还有酒店信息，私家车的路线等。根据你的搜索，我们知道哪个旅游点最热，那条路会堵，真正发生在黄金周的情况，我提前就可以知道。因此，基于在这一点，地图服务，包括基于LBS的数据挖掘、信息开发，都很有可为。我了解的情况，百度成立了定位事业部，以地图为载体，覆盖到餐饮、KTV、上商场等。阿里有保护中心，在移动端加强与高德地图合作。腾讯推出会员卡，加上财富通和搜搜地图，你可以看到现在我们所有网络都要跟地图结合。要跟位置结合，要跟本地生活结合。
    利用短信、微博、微信，我们可以收集热点和舆情。腾讯对每个用户都建档案，一个老头注册的时候说是18岁少女，无论用什么假名，你在网上时间长了一定露出你的本性。说的夸张一些，不但知道你是男是女，是老是少，还知道你是不是神经病。如果公安局要查，腾讯可以提供一堆神经病的IP地址。
   大数据引发行业新业态
   CIOI：您在一开始讲到大数据伴生的分离作用，这一点很关键，使得之前混在一起的功能，渐渐清晰起来。那么，随之而来会对数据中心会有哪些影响？
    邬贺铨：信源中心和信息中心的分离，是信息技术走到今天，一个很重要的发展。到2015年，世界上的数据中心中，有一半多以上都会是云计算中心，且都是大容量的。云计算中心一般考虑放在什么地方？一般考虑气候、能源工业。我们国家云计算中心会向高纬度地区集中，比如说内蒙一些凉快的地方迁徙。像谷歌把它的云计算中心放在摩洛哥，因为那比较凉快。
    现在，我们的数据中心大部分在北京、上海、广州；而未来，数据中心会放在内蒙偏远的地方。此外，将来云计算的出现会把用户以信息源为中心，向以能源为中心改变，也就是说，中心节点将发生变化。过去，上海、北京、广州是中心，现在随着大数据出现发现了不能这样做，我们需要增加这个数据和中心。美国网建互联中心有八个，我们现在有三个，中信部有计划增加这个中心。
    还有一个影响，就是大数据的出现，会导致全球互联网的去中心化。现在，像谷歌这样的全球化公司，都纷纷在中国香港等地方上节点。这时候，对外的访问就没必要跨洋过海到美国去了。从这个意义上说，国际互连网流量比例必将下降，全球互联网呈现去中心化。
    另外，大数据还会导致区域网络扁平化。随着大数据的出现，所有省之间都可以实现直连。而且，不这样安排，根本没有办法支持这么大的流量。
    此外，还有一个影响，就是内容分配网络化。为了让用户更好更快的接收信息内容，我们要做内容分配网。国家电信运营商在靠近用户的地方建了很多CDN，这样可以适应大家更快访问视频。CDN的部署对互联网流量流向产生了影响，我们国家的国际互联网占比是降低的，我们的网间流量比例也是降低的；但同时绝对值增加，本地化的访问更多了，远端的访问降下来了。
   CIOI：刚才讲的这些影响和改变，是不是在移动互联网也会有相似的问题？
    邬贺铨：移动网络也一样。2009年，我国所有的移动通讯呼叫发生率，室内是63%，家里29%，办公室占14%。越是大数据时代这个比例会越高，室内转到WIFI，WIFI多了互相干扰，使用小蜂窝的技术，可以范围很小，损耗很小，因此调试率可以增加。一个蜂窝分成多个分布式的天线，这样有些蜂窝加上基站，但是蜂窝之间是统筹的，干扰统筹来解决数据量的传输问题。
   CIOI：有关大数据的众多讨论中，一个很重要的话题就是数据价值的挖掘。有了那么多的数据资源，如何加以分析、加以利用，您有哪些好的例子可以分享？
    邬贺铨：淘宝的CPI和国家统计的CPI不一样，但是淘宝的CPI更能反映我们的物价波动。国家统计局的CPI主要参数是食品。但除非是经济情况太差了，人们才会把食品开支省下来，否则不会省吃饭的钱。淘宝的数据中，包括了很多买服装首饰的部分。如果经济不好，就会反映出来。人人网通过客户关系的分析，游戏业务取得100%的增长。大家淘宝上买东西，阿里巴巴把你的IP地址记下来，拿出来让卖化妆品和卖服装人竞价买这个IP地址。百度搜索排名优先推荐，央视广告效果谁知道怎么样？央视去年的广告收入269亿人民币，百度广告收入229亿人民币，百度广告连增50%以上，央视才增多少？现在他们终于发现，原来百度是我的竞争对手。
    另外，大数据还推动视频与互联网的融合。乐视网买到《甄传》的网络播出独家权，搜狐视频拿下了《中国好声音》的版权，还有腾讯视频参与《快乐男声》的选拔过程，有一些快男被淘汰了，还可以复活，靠在YY上买东西复活选手。
    现在，基于大数据的互联网，已经变成一个新媒体的融合平台。大数据提供集资服务，阿里根据中小企业在平台上的表现，选出放心的中小企业，放贷一千多个亿，坏账率只有1.3%。2013年7月份的统计，阿里靠贷款每天利息一百万。京东收购了网民在线，从信用卡分期贷款，你在京东买东西留地址什么，他提供贷款。苏宁建立小贷公司解决贷款问题，为它的营销创造很好的条件。
   CIOI：最后一个问题，是有关互联网企业的。您怎么看待在这场大融合中，互联网企业的角色？
    邬贺铨：现在的互联网企业应该当轻运营商。我们看到，现在互联网企业除了管道需要运营商，其他东西都不需要依靠运营商，都需要独立判断。公安局有微信公众号，招商银行也有，这些都可以很好开发的，各种各样的增值服务在这里都可以出现。
    电信运营商开展互联网活动，银行做电商，互联网企业做金融，阿里控制电商的入口，腾讯主刀线交入口，大家都希望到对方的业务领域做拓展。固定想做移动，移动想做固定，广播做电信，电信想做广播，运营的卖手机，手机的想做运营，现在很难区分大家的业务。我们看到自留地要种，别的也要搞。在这里，电商和搜索会产生新的业态。
   互联网产生大数据，移动互联网和物联网进一步推动数据的暴涨。网络中心体现去中心化，大数据促进了信息融合和产业跨界结合。大数据引发更多新业态出现，这对互联网发展是机遇也是挑战，是对我们国家互联网创新能力的一次大考。