[数据分析师]_大数据还有不少潜能

近两年来，大数据被公众广泛讨论，甚至成为不少商家宣传营销的卖点。毋庸置疑，智能设备的发展和普及，使海量的数据采集成为可能。但大数据并不是单纯的“数据大”，它更蕴含着一种计算和思维方式的转变，想要发挥出大数据的洞察力，还面临着采集、管理、分析数据的挑战。这些障碍如何破除？大数据在未来将如何应用，能否创造出更大的价值？这些问题值得我们在大数据热中，做出冷静判断。

　　4月26日，清华大学成立“清华—青岛数据科学研究院”，同时召开大数据时代高端论坛。就在此前两天，百度在第四届技术开放日上，正式宣布对外开放大数据引擎，提供大数据存储、分析及挖掘的技术能力。大数据被学界纳入研究范畴，商家开放引擎，这是否意味着大数据应用进入了一个新阶段？

　　传统统计方法追求精确，大数据只预测宏观趋势

　　本是技术概念的大数据，如今越来越像一种营销手段。从汽车、化妆品到体育，在营销人员口中，似乎所有行业都可以借助大数据，精确定位、找到消费者，预测趋势、赢得未来。

　　中国人民大学新闻学院教授喻国明认为，目前从国内的情况看，真正运用大数据分析成功的案例其实不多，很多公司都是将大数据作为一个营销噱头，所做的分析也主要是基于传统的数据分析方法。

　　事实上，对于数据多大能称之为“大数据”，业界并没有统一的认识，通常认为100TB太字节是大数据的门槛。简而言之，传统方法无法处理的数据即为大数据。

　　大数据的产生得益于移动互联网以及智能手机、各种智能穿戴产品的发展，人们行为、位置，甚至身体的生理特征等数据都可以便捷地被记录，这使海量数据采集成为可能。事实上，目前数据采集量正呈现快速的增长趋势。一家国际数据统计机构最新预测指出，2020年，全世界产生的数据量有望达到40ZB泽字节，1泽字节等于10亿太字节。

　　但大数据不能单纯理解为数据大。大数据研究专家、北京航空航天大学校长怀进鹏表示，大数据具有“规模大、变化快、种类杂、价值密度低”四个特征，是对传统计算和思维方式的一种挑战。

　　首先，因为几乎每个数据点都可以采集，全面数据代替了抽样、片面、局部的数据。“拿炒菜打比方，传统的抽样，我们需要在开始和中间时候‘尝一尝’，‘尝一尝’就是抽样数据，但在大数据时代，随机抽样的方式可能就失效了。”怀进鹏说。

　　怀进鹏认为，因为抽样分析时数据测量能力有限，统计追求的是精确，希望用最少数据获得最多的信息。而大数据比较杂乱，完整的精确不存在，也不再是追求的绝对目标，大数据只需对宏观趋势给出快速预测。

　　另一个改变是，从关注因果转向数据之间关联。在大数据时代，“数据背后的原因不再重要，人们只需要知道数据之间有统计相关性就行。仅需知其然，无需知其所以然。”怀进鹏说。

　　在大数据的支持者看来，数据已经能够自己说话，传统的科学统计模型已经过时，理论也可能被终结。

　　大数据营销大多是噱头，一些机构甚至无法收集海量数据

　　被誉为开大数据系统研究先河之作的《大数据时代》作者指出，大数据是社会的一种新型能力：以一种前所未有的方式，通过对海量数据进行分析，获得巨大价值的产品和服务，或深刻的洞见。

　　大数据蕴含的发现事实、挖掘价值、预测未来的洞察力，也是各色大数据营销的理论出发点。实际上，大数据洞察力确实在公共卫生、交通运输等行业开始发挥。

　　中国疾病预防控制中心副主任、中科院院士高福也认同大数据在公共卫生预防控制上的作用。他说，通过大数据，可以在流感到来之前为人们提供一些解释性信息，为流感的预防提供缓冲时间。

　　同样，在智能交通时代，海量车辆信息没法通过传统方式分析，但借助大数据，则可能提前预测未来的车流量、行进路线等信息，从而为改善城市交通状况提出优化方案。

　　然而，“自己能够讲话的大数据”，是否真如营销人员畅想得那么美好？

　　分析人士指出，数据存储和搬运虽然越来越便利，但目前大数据应用面临着数据收集，管理、分析海量数据并创造价值的挑战。

　　“如果将数据比作书，书增多后，首先要找到储存大数据的‘大图书馆’，下一步则要解决数据查询问题，没有好的查询引擎，书找不到，数据也就很难利用。” 百度大数据总监李钢江说。而现实是，大部分机构和企业都没有海量数据收集存储以及分析管理的能力。

　　业内人士指出，大数据在一些领域的营销还只是噱头，先不论大数据分析结果是否有效，有些行业连基本的大数据采集和管理条件还不具备，更谈不上精确定位和预测。

　　百度高级副总裁王劲也表示，传统的数据库没有管理大数据的能力，传统行业如何进入大数据时代，利用大数据价值，是摆在很多行业面前的新课题。

　　提升计算能力和降低云存储成本，将有利于大数据技术变革

　　百度首席执行官李彦宏认为，随着计算能力的提升和云存储等技术产品成本的不断降低，大数据走到了技术变革的临界点。不久前，百度就推出了“百度大数据引擎”，百度希望借助该工具，对大数据进行收集、存储、计算、挖掘和管理，并通过深度学习技术和数据建模技术，使数据具有“智能”的技术能力，服务传统行业。

　　据了解，百度大数据引擎包括开放云、数据工厂、百度大脑三大组件。其中，开放云解决的是数据存储和计算问题；“数据工厂”则对行业数据进行规范化处理，提供数据管理和分析；而“百度大脑”则让机器和人脑一样思考，分析处理数据。

　　不过，分析人士指出，虽然各方面为挖掘大数据开发了很多工具，但大数据的成熟应用还有很长一段时间。首先，数据杂乱，价值密度低，如何有效的收集数据信息仍没有成熟的方案。同时，数据的规模并不能决定一切，不论是那种数据分析方式，都可能存在统计上的缺陷，不能说数据更大、更新、更快就没有问题。

　　英特尔中国研究院首席工程师吴甘沙表示，大数据作为一种新的数据形态和实践，它将丰富数据应用方法，却不能取代传统统计分析方法，更不能神化大数据。