百度能知道我们在关注什么，淘宝能洞察我们喜欢什么，这是喜还是忧？大数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。《自然与科技》杂志最近刊文研判，人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。
没有最大，只有更大
维基百科这样定义大数据(Big data)：大数据或巨量数据、海量数据、大资料，指的是所涉及的数据量规模巨大，以至于无法在合理时间内通过人工截取、管理、处理并整理成为人类所能解读的信息。
IBM团队为了让电脑战胜国际象棋冠军卡斯帕罗夫，收集了将近100年来的60万盘高手的棋谱，这个就是大数据，人脑是无法记忆所有这些棋谱并加以有效利用的。1997年，国际象棋特级大师卡斯帕罗夫在《危险边缘》(jeopardy)节目中首次输给了IBM深蓝电脑，成为轰动一时的新闻。电脑能战胜人脑，秘诀就在于存储在深蓝电脑内的棋谱大数据。科学家研制了人工智能博弈软件，能从大量的棋谱中找出最合适的步骤，这是人脑所无法企及的。
有人把大数据的特征归纳为4V：Volume(量大)、Variety(多样)、Velocity(高速)、Value(价值密度低)。让我们来回顾一下去年的“双十一”节，那天淘宝商城达成了1.88亿笔交易，总交易额达到创纪录的350.19亿元。这些交易记录就形成了那天疯狂网购的大数据。
这样的记录首先体现在数据量巨大上。首先，我们知道一部高清电影的容量大约有1GB，而1024个GB就是一个TB，再1024个TB就是一个PB，而大数据往往达到PB数量级，可见数据量大得无法想象；其次，就是数据的多样性，交易的品种、卖家的信息、买家的信息、快递的信息、支付的信息，构成了一个行业多样化的数据链；第三，就是数据产生的速度极快，检索结果的速度也要求快，要在几百万件商品中查找出一类商品，其检索速度只需要1秒，这是传统技术无法达到的。最后，需要说明的是，大数据的内容虽然真实、完整地反映了客观世界，但它的价值密度很低，如果不去研究挖掘，大数据是不会自动产生有用结果的。比如，在街景的海量监控视频中，犯罪分子留下的踪影也许只有几秒钟。
大数据时代
英国的大数据权威专家维克托·迈尔·舍恩伯格(Viktor Mayer-Sch?nberger)写过一本书，书名就叫《大数据时代》，书中首次断言人类已经无可逆转地跨入了大数据时代。据他估算，人类在2000年时大约只有1/4的信息实现了数字化，其他的3/4信息仍然以报纸、书籍、胶片、磁带等形式存在，但到了2007年人类存储的数据超过了300艾字节，相当于3000亿GB的信息量。大数据时代在生活、工作和思维上给人们带来了巨大变革。
首先，是数据的形式由原来的关系型数据(如电子表格形式)更多地表现为非关系型数据(如用户评论、图片等)；数据存储方式也由原来集中式存储变为分布式存储，大型数据不得不存储在不同地方的存储服务器中，通过网络进行互联访问，构成所谓的云存储。
其次，是对数据处理的方式发生了根本变化，人们已无法只用一台电脑处理数据，必须依赖网络后面的云平台，进行云计算，才能有效处理大数据。在对大数据处理上，我们可以看到三个有趣的变化：在小数据时代，人们限于获取数据的困难，只能采用随机抽样的方式获取数据样本，然后根据样本数据进行分析预测。一旦样本出现偏差，那推导出的结果就会产生很大的误差。
而在大数据时代，我们能轻易地得到数据全体，而不再需要样本。譬如，阿里巴巴能得到所有买家的数据，它能轻易地统计“光棍节”那天的交易金额，算出哪个地区交易最活跃，可以通过媒体实时转播交易盛况。这就是大数据的全数据模式，数据处理的范围是全体，而不再是样本。第二个变化，是不再一味地追求数据的精确性。由于大数据的多样性、丰富性、动态性(在处理的同时，数据还在大量产生)，强调数据的精确性是做不到的，也没有必要。纷繁的数据会混杂在一起，看起来好像全无用处，甚至有些还是错误的数据，但没有关系，这就是大数据的本性，看似无关无用的一堆数据却蕴含着无限商机。
想一想，当人们在百度上比以往更多地搜索“感冒”、“发热”等关键字时，往往意味着某地将要爆发流感，甚至还能预测是什么流感，这就是大数据的威力。第三个变化，是关注数据之间的相关性，而不是因果关系。比方说，通过挖掘天猫商城的交易数据，发现购买德龙咖啡机的买家，会有很高的比例购买宠物粮食，那商家会不失时机地推荐你购买皇家狗粮。咖啡机与狗粮没有因果关系，但却有内在的相关性。数据之间的相关性，就是大数据所蕴含的价值，也是商家追求的商机。大数据的相关性，告诉我们在面对错综繁杂的大数据时，我们不需要去研究“为什么”，只要知道“是什么”就足够了。
最后，大数据时代将催生一个数据挖掘行业，出现一批数字科学家。简单地说，数据挖掘就是从收集的数据中用一定的算法分析计算，得到我们所需要信息和知识的过程。传统的统计分析是将数据按已知的类别进行分类统计，然后寻找有价值的数据。如果给定的分类是不合理的或是错误的，那统计出来的结果就不会产生最好的效果。而数据挖掘采用的是一种叫作“聚类”的方法，它事先不需要人工分类，而是由算法分析数据的属性，将数据自动聚集成“类”，使“类”间的相似性尽量小，“类”内的相似性尽量大。比方说，保险业务涵盖各类人群、各种职业，所以设计某个险种潜在的客户目标群，需要对大量数据进行挖掘，才能找出不同的客户群和重要系数，这不是事先人为设定的。要“让数据自己说话”，这样才能因地制宜地制定营销计划，科学测算盈亏平衡，为保险企业创造更多利润。
大数据的红利
有人断言，数据将成为人类的重要资产，成为比石油和黄金更为重要的可重复开发使用的资源。笔者也认同这个观点。最近，媒体报道“三马”联手买保险新闻，这是一个攒取大数据红利的例子。“三马”利用阿里巴巴、腾讯和平安保险三家公司掌握大数据的优势，成立了网络保险公司——众安在线，这是具里程碑的互联网金融创新，旨在利用大数据对保险消费者进行准确定位和精准营销，瞄准的主要是80后、90后消费者。可见，利用大数据技术将是未来各保险公司抢夺市场非常关键的一环。
另一个有益的应用将是利用大数据来防范电信诈骗。电信诈骗是当今社会的一大顽疾，如果电信、银行、互联网、公安等各方摈弃利益纠结，共享各自的大数据，那么最大限度地杜绝电信诈骗是完全可能的。我们只要分析挖掘各方的大数据，找出电信诈骗相关性的数据因数，然后建立动态监控模型，那么一旦相关数据出现，公安就能根据数据链快速找到诈骗犯。
炒股的高手都想赚取大数据概念股的红利。大数据的红利在哪里？存在于大数据的拥有者、大数据技术公司和大数据价值挖掘者(也就是提供思维的数据科学家)。马云说过：未来的世界是数据的世界。大数据时代已经撼动了世界的方方面面，从工业、农业、商业、科技到政府、医疗、教育、文化以及社会的其他各个领域，人们的生活日益被数据所改变。可以说，大数据是一种比石油、黄金还要珍贵的资源，谁掌握了足够多的数据，谁就抢占了制高点，增强了竞争力，也就掌握了未来。
