信息哲学之父：大数据的价值在于“小模式”

本文的作者是被誉为“信息哲学之父”的牛津互联网研究院研究总监、教授卢西亚诺· 弗洛里迪(Luciano Floridi)，他认为，大数据之所以被视为新石油，是由其“5R”理论决定的。从大数据中获取价值，关键是要找到应用大数据的“小模式”，我们可以将这种“小模式”理解为大数据的应用场景，因而在大数据时代，发现问题比解决问题更重要。

 

大数据的5R特性

关于大数据最常见、而且也是最佳的理解，是其4V特性，即规模庞大的数据集合(volume)、高速(velocity) 的累积和变化、广泛(variety) 的来源种类，以及价值(value)，将大数据视为一种新的经济资产。

现在没有人怀疑，大数据对任何组织来说都是非常宝贵的资产。正如那句被用滥的比喻，许多重要特征让大数据成为新的石油。其中5个特征非常重要。为了让它们好记，我用5个R 开头的单词来表示。它们并非按照重要性排列。

1.与其他许多无形资产一样，大数据是非竞争性（non-Rival）的。它可以被许多消费者同时使用和重复使用，这与一桶石油不同。更确切地说，这意味着向个人提供大数据的边际成本是零。

2.与包括石油在内的其他资源不同的是，大数据还呈现指数级增长（Rising）。易安信(EMC Corporation) 的数据显示，90% 的数据产生于过去两年，而在2015 年产生的数据超过了过去5000 年的总和。此外，这种增长的唯一限制是物理学、人工智能和内存支持。现在对大数据的利用率只有1%，部分原因在于一些往往被大数据支持者遗忘或者忽略的成本，此类成本涉及获取和存储、可用性和处理模式、防护和安全、可及性、分析以及法律费用。

3.得益于信息革命，人类成功发明了以极低成本产生巨量数据的技术。这些海量数据很容易处理和精炼（Renabl）——精炼是大数据的第三个“R”特征。这意味着，在某些情况下，大数据可能是反竞争的：一家公司越使用大数据，数据的质量和价值就越高。

4.大数据还是可再生的（Renewable），与太阳能一样。

5.大数据是可延展和转变用途的（Repurposable）。这是大数据伟大但也令人沮丧的一个特征：出于某一目的收集的大型数据库可能被用于完全不同的另一个目的，只要你有这样做的正确的远见。然而，正是因为无法预见大数据有哪些新的应用，因此很难完全明白你应该如何处理获得的数据财富。实际上，一开始你很难规划应该记录和处理何种大数据。

 

大数据的商业价值

 

作为一种资源，大数据是非竞争性、不断增长、可精炼、可再生以及可转变用途的。这5个R 让大数据在至少6个任何企业都非常关键的主要应用领域成为一项伟大的资产。大数据可以被用于：

 

1. 改善服务、产品或者流程（比如公司后勤），因为大数据可以帮助找到低效的地方；

2. 为用户或客户量身打造或定制产品或服务，因为大数据让公司更了解他们；

3. 预测趋势发展方向，因为大数据可以表明历史如何塑造未来；

4. 激发可能的战略，比如新产品的设计和发行、时间、方式、目标人口等等，因为大数据能够让公司用电脑模拟实验，看到在“如果”出现虚拟场景的情况下会发生什么；

5. 规划并决定替代计划，因为大数据支持实证选择；

6. 最后，对产品或服务进行创新或者革新，因为大数据可以帮助公司预测或者只是找出新的、未被发现或者以其他方式无法察觉的需要、愿望和需求。

 

显然大数据的价值极大。问题在于，当人们谈论大数据的实际价值的时候，事情变得混乱起来。这是因为无形资产的市场价值和市场价格很难确定。人们不可能对一家公司的大数据的价值本身给出一个合理的近似值，这并非是因为缺乏度量工具，而是因为其前提必须明确知道大数据的用途以及如何成功运用。因此合理的方法是谈论大数据的经济价值，并在公司自己准备为从大数据中获取的信息付费时采用这种做法。这种新古典主义方法有助于我们聚焦于大数据的真正用途，也就是人们准备付费的东西：小模式。

 

提出问题比解决问题更重要

 

大数据的作用，简单来说，就是大海里捞针，如果可以轻易发现一种模式或者趋势，你就不需要大数据了。只有当模式或趋势很小的时候，你才需要海量的数据来发现它。因此大数据就像是一个显微镜：一个分析企业中细小但非常重要的特征的伟工具，只要你知道自己在找什么。由于如此多的数据现在可以如此迅速而低成本地产生和处理，因此无论是亚马逊(Amazon)、Facebook 或者谷歌(Google) 等数据新贵，还是银行、石油公司或者超市等老牌数据巨头，它们的压力是在庞大的数据库里找到具有真正附加值的新模式，以及如何才能最大程度利用这些模式创造财富。

一家公司需要的是，前瞻性地深入理解哪些数据首先值得存储和处理。这就得明白现在或未来哪些问题会引起关注，从而找出相关的小模式。大数据提供答案，但它们对该问的问题保持缄默。这些问题来自负责人的智慧。也就是说，由于大数据的价值是小模式，最终获胜的将是那些“知道如何问问题的”人。