[ 導讀 ] “大數據”這個新詞，近兩年曝光率頗高。字面意思好像誰都看得懂，卻又似懂非懂。

       “大數據”這個新詞，近兩年曝光率頗高。字面意思好像誰都看得懂，卻又似懂非懂。
       谷歌預測流感趨勢，微軟預言奧斯卡獎，多次成功后，大數據被傳得神乎其神。到底怎么解釋？在社會生活中有哪些應用？我國核心技術研發現狀如何？大數據和保護隱私間怎樣平衡？記者專訪國家特聘專家王曉陽教授。
       王曉陽1992年在美國南加州大學獲得計算機科學博士學位后，留美從事20多年科研工作，曾任美國國家自然科學基金項目主管及佛蒙特大學計算機系Dorothean講席教授，一直在和“數據”打交道，兩年前受聘成為復旦大學計算機科學技術學院院長。
       “大數據的魅力是全面，而非精準”
       記者：能否通俗解釋大數據的概念？
       王曉陽：何為大數據，學界沒有統一定論。按照我的理解，我想了一個比喻。
       以前采集數據像西醫看病，驗血、測心率、查病毒，具體而直接。而大數據的采集方式不同，有點像中醫問診，望聞問切，看面色、舌苔、脈象，全方位觀察病人。大數據涉及更龐雜的數據，不見得精準、專業，但是有用。它的魅力是全面，而非精準。
       傳統的民意調查像西醫，先設計問卷，確定樣本，再抽樣獲得信息。大數據的做法有點像中醫法則，以微博數據為例，成千上萬博主都在表達某些感覺或想法，用微博數據來調查民意就如同整體搭搭脈，雖有些模糊，但能很好把握社會熱點和輿論傾向等。
       精準數據其實是我們向往的，但它有個成本問題，不太可能全面覆蓋。大數據的特征包括數量大、信息雜、傳輸快。在許多情況下，“大”和“雜”提供好的覆蓋性，“快”則使大數據更具適時性。
       大數據固然重要，但過于依賴大數據，肯定也不行，對事物的詳細了解還是需要精準數據。中醫看整體而粗獷，西醫管局部而細致，“中西醫結合”更有效。
       記者：在社會生活應用中，大數據能發揮什么作用？
       王曉陽：許多應用都涉及一個關鍵詞：二次利用。數據采集之初，原為某些特定需求，但二次利用后，又產生新的奇妙結果。
   &nb[FS:PAGE]sp;   搜索引擎起初只是給用戶提供便利，查詢知識。經過巧妙再利用，便能預測流感趨勢，比政府部門的數據更快。
       城市里有很多攝像頭，初衷是為防盜和監控路況。大量視頻數據經過分析，能全面掌握城市脈搏，幫管理者做決策。
       微博一開始只為表達自我，和輿情無關。但后來發現，還能了解輿情。
       交通數據也會透露其他信息——演唱會舉辦期間，可以從場地附近的交通擁堵程度，判斷明星受歡迎程度；微軟中國研究院曾為北京上千輛出租車裝GPS設備，記錄數月行動軌跡。分析這些交通數據，結合人們的交通出行習慣，能發現各城市區域的屬性，是商業區、住宅區還是娛樂區。
       “收斂浮躁，核心技術是長遠之道”
       記者：海量數據與信息爆炸早就存在，大數據的概念為何近兩年才出現？
       王曉陽：海量數據和信息爆炸都與因特網相伴而生。起初我們的網速很快，但沒多少數據在上面跑。
       現在大不一樣，尤其是近十年，制造數據的人和設備大增。電腦的功能越來越強大，價格也日益親民。智能手機、平板電腦等移動終端很容易獲取。
       傳感器、攝像頭、計算機、POS機、天上的衛星、地下的感應線圈，都在采集數據，導致數據量大爆炸，遠超出原來的規模。
       軟件開源運動（開放源代碼）興起后，軟件也越來越便宜，容易得到。
       技術進步還催生了“云計算”，就是把很多便宜的電腦串在一起，大大提高計算能力；和網絡結合后，無需擁有這些機器，也能采集、處理數據。
       社會上各種脈搏跳動近幾年越來越多——發微博，手機簽到，網上搜索，哪怕是網購一件小商品，也能反映某種需求或流行……這些都是催生大數據的因素。
       記者：我國大數據應用領域很熱鬧，技術研發的現狀如何？
       王曉陽：大數據最炫的地方在應用，核心技術往往被忽視。
       采集、存儲和分析等核心技術，主要掌握在美國人手里。國內投資很少，大家都看重結果，所以應用領域很熱鬧[FS:PAGE]，還在國際上發表了不少應用方面的學術論文。
       大數據剛起步，我們完全有機會和美國站上同一起跑線，現在卻只能跟在人家后面跑。等別人研發出新一代技術，我們馬上一窩蜂地拿來用。
       浮躁是原因之一，整個科技創新環境都比較浮躁。從國家層面講，應當重視扶植大數據的核心技術研發。
       我們要收斂浮躁，保持冷靜，認識到核心技術才是長遠之道。不要神化大數據，以為掌握了許多數據，再買來機器，就萬事大吉。這是很不負責任的想法。
       “數據龐雜冰冷，需人的智慧激活”
       記者：谷歌預測流感；微軟預言奧斯卡，都靠大數據，怎么做到的？
       王曉陽：谷歌5年前推出“流感趨勢”服務，通過分析關鍵詞，準確預測美國各地流感爆發情況。
       這是大數據應用的典型案例。谷歌綜合分析大量實時數據和歷史數據，了解不同歷史階段流感爆發情況，以及對應時期的關鍵詞、頻率，判斷哪些因素的相關性大，反復試錯、調整，直到建立可靠模型。
       微軟猜準多項奧斯卡獎，也是相同套路——分析大量歷史數據，找準多個相關因素，不斷調試，建模型。說來簡單，實際操作很復雜。
       記者：最近中國股市行情慘淡，能借大數據之力預測漲跌嗎？
       王曉陽：按我的理解，股市可預測，但有效期很短，超出幾秒甚至幾毫秒，就不準了。天氣預報也類似，報7天后的，基本沒譜；報明天的，命中率相當好；如果報幾分鐘后的，更準。
       華爾街有些公司，專在毫秒間買進賣出。時間短，對機器運行速度要求很高。公司就設在交易所旁邊，以保證數據線盡可能短。
       但對絕大多數股民來說，股市不能預測，因為等你買到手時，早過預測有效期了。
       記者：大數據時代，機器的性能越來越強，人的作用還剩多少？
       王曉陽：業內有觀點認為人不重要，交給機器處理就行。我不贊同。數據龐雜而冰冷，需要人的智慧去激活。
       美國人NateSilver擅長預測，有[FS:PAGE]“大數據時代的巫師”之稱。去年美國總統大選，他預言奧巴馬有90.9%的機會獲勝，對全美50個州投票結果的預測全對。2008年總統大選，他也猜對了。
       Silver不是靠蒙，而是收集眾多民調數據，綜合分析多方面因素。為什么準？因為他有獨特洞察力，在紛繁復雜的數據里，能找準關鍵變量，建立靠譜模型。這是機器不能代替的。
       大數據對人提出了更高要求。以前做抽樣調查，預設問卷，再有針對性地分析結果，套路清楚、易學。現在數據鋪天蓋地，選哪些來支持預測和判斷，如何建模型，都比原來難。
       我想強調“概率”。Silver預測再準，也從不講絕對，而是用百分比說話。有不確定性，所以更需要依靠人的判斷。假如今天降水概率70%，你出門帶不帶傘？
       “要徹底保護隱私，數據就沒用了”
       記者：社交媒體在大數據時代扮演什么角色？是否不可替代？
       王曉陽：微信、微博、論壇等社交媒體，是給社會搭脈的重要途徑。因為在這些地方，人們能充分表達情感。“我在哪，買了一杯咖啡，好不好喝，天氣如何，心情怎樣……”與態度、情緒有關的數據，只有這里能采集到。
       媒體在街頭做民意調查，問路人“你幸福嗎”，獲得的數據可能不準，倒不如去微博里尋找人們自發表達的內容。
       記者：大數據正被越來越多商家利用，對消費者是好是壞？
       王曉陽：如果大數據被商家正確使用，消費者確有需求，當然覺得方便；反之就成了騷擾。一些購物網站常根據消費行為推薦商品。比如有人買了一本孕期保健書，網站幾個月后便頻頻推薦尿布和奶粉。其實她是替朋友買的，與個人需求無關。
       這不是大數據本身的問題，而是對數據的分析出了錯，脈搏沒搭清楚，就會帶來負面影響。這也反映了人的智慧在分析數據時所起的重要作用。
       記者：大數據時代對個人隱私的侵犯似乎防不勝防，如何規避數據開放帶來的風險？
       王曉陽：保護隱私確實是大數據面臨的難題。有人曾想證明一個命題：能否既保護隱私，又保證數據有用？結果發現做不到，要徹底保護[FS:PAGE]隱私，數據大多就沒用了，兩者之間沒有平衡點。如果完全關閉手機位置信息，確實保住了隱私，但導航等軟件就不能用了。
       保護隱私不是不能做，而是要在采集數據的環節及采集到數據后同時做。采集數據時應透明，要讓用戶知道什么數據在被采集，并征得用戶同意。其實最嚴重的問題出在采集數據之后，誰可以用這些數據？如何用？現狀是，采集者掌握眾多隱私數據后，隨意販賣，給許多人帶來困擾，甚至對大數據產生恐慌。
       我國這方面法律不健全，必須加快立法。采集到隱私數據后，誰能用，能怎么用，如何告知消費者，違規了怎么處罰……都需法律規范。

【聲明】物流產品網轉載本文目的在于傳遞信息，并不代表贊同其觀點或對真實性負責，物流產品網倡導尊重與保護知識產權。如發現文章存在版權問題，煩請聯系小編電話：010-82387008，我們將及時進行處理。