近日，兩則關于大數(shù)據(jù)的新聞令人關注。其一，國務院印發(fā)《促進大數(shù)據(jù)發(fā)展行動綱要》，為我國大數(shù)據(jù)發(fā)展進行頂層設計和統(tǒng)籌部署；其二，我國正在制定《大數(shù)據(jù)產(chǎn)業(yè)“十三五”發(fā)展規(guī)劃》，支持大數(shù)據(jù)技術和產(chǎn)業(yè)創(chuàng)新發(fā)展。

正如谷歌公司憑借對搜索數(shù)據(jù)的分析，成功預測2013年美國流感爆發(fā)，大數(shù)據(jù)這一全新數(shù)據(jù)科學發(fā)展至今，已被公認為全球各行業(yè)提升能級的要素之一。然而，在這股洶涌熱潮中，新技術難免被誤讀、炒作，甚至可能陷入“從概念到概念”的封閉圈，而阻礙其良性發(fā)展。

大數(shù)據(jù)，如何避免成為“概念股”？

大數(shù)據(jù)也可能出錯結果

“大數(shù)據(jù)是一座信息富礦，通過有效提取方式，相較小數(shù)據(jù)樣本研究可以獲得更多以往看不見的寶藏。”復旦大學大數(shù)據(jù)學院院長、教授范劍青坦言。大數(shù)據(jù)有多大？假設個人電腦的硬盤容量是1TB，2003年全世界數(shù)據(jù)大約可裝滿500萬臺電腦，現(xiàn)在能裝滿80億臺，到2020年，全世界數(shù)據(jù)預計能裝滿400億臺電腦。

如此巨大的“礦山”中，許多不可能正在發(fā)生。微軟公司通過大數(shù)據(jù)分析處理，對奧斯卡金像獎作出“預言”，結果除“最佳導演”外，其余13項大獎全部命中。而今，大數(shù)據(jù)技術已進入金融、科研等領域。國內外均有企業(yè)通過分析社會人群對股票的關注熱度，做出在證券市場的買賣決定，獲得高額回報。范劍青說，當過去不曾被關注的信息在大數(shù)據(jù)推動下被妥善應用，就成為了獨一無二的“盈利點”。

“但必須強調的是，它并不是萬能的，也可能帶來錯誤的結果。”范劍青說。

首先，是“假相關”問題。他舉例，若在一個小村莊里，兩個人面貌相似，那么判斷其兩者具有血緣關系的準確性就較高。但若在幾千萬人口的大城市，做出這一判斷，其可信度就大大降低了。在大數(shù)據(jù)分析中，由于信息海量且多元異構，影響結果的要素繁多，若不能精準驗證，往往會誤解兩個參數(shù)之間具有相關性，而影響整個結論。

另一個問題，是誤差疊加。大數(shù)據(jù)涉及幾萬個、幾百萬個乃至數(shù)百億個變量，這意味著如果每一個變量都造成一點點誤差，最后的預測會是很多誤差的疊加，失之毫厘，差之千里。

在他看來，理性看待這一新技術、新學科，是其發(fā)展的基礎，通過技術創(chuàng)新，更科學地抽取樣本、解讀數(shù)據(jù)，更好地解決先天軟肋，也是大數(shù)據(jù)技術向更高層次發(fā)展的驅動力之一。

急需更多數(shù)據(jù)科學家

以往談到大數(shù)據(jù)發(fā)展，存在兩大瓶頸。

其一，數(shù)據(jù)價值的體現(xiàn)，離不開共享，但由于相當一部分數(shù)據(jù)涉及普通人隱私，因此數(shù)據(jù)的使用尤其是商業(yè)使用，應有權益邊界。在大數(shù)據(jù)更好地服務生活的同時，如何兼顧個人隱私安全，成為重要課題。其二，可公開信息尚存諸多屏障。多位信息技術研究者發(fā)現(xiàn)，他們最大的苦惱在于獲取信息不易。大數(shù)據(jù)分析處理過程中，有相當一部分數(shù)據(jù)來源于政府部門可公開信息，然而，有時部分條塊部門不愿提供，令研究者難為無米之炊。

不過，范劍青認為，當前最重要的難點，在于人才緊缺，缺乏人才支撐，新技術帶來的新產(chǎn)業(yè)往往難以真正落地。

上海市數(shù)據(jù)科學重點實驗室主任朱揚勇在近日發(fā)表的《大數(shù)據(jù)時代的數(shù)據(jù)科學家培養(yǎng)實踐》 一文中透露：國外有機構預測到2018年，僅美國本土就可能面臨缺乏19萬名具備深入分析數(shù)據(jù)能力人才的情況，同時具備通過分析大數(shù)據(jù)并為企業(yè)作出有效決策的數(shù)據(jù)管理人員和分析師也有150萬人的缺口。大數(shù)據(jù)時代，最熱門的職業(yè)是數(shù)據(jù)科學家。

與此同時，大數(shù)據(jù)技術所涉及的知識體系的復雜性，給人才培養(yǎng)帶來新挑戰(zhàn)。事實上，全球的大學開始探索培養(yǎng)數(shù)據(jù)科學研究人才，至今僅有5年。普林斯頓大學去年開始有統(tǒng)計與機器學習（大數(shù)據(jù)方向）的輔修課程，今年開始正式招生。清華大學去年成立數(shù)據(jù)科學研究院，推出大數(shù)據(jù)碩士項目。昨天，復旦大學大數(shù)據(jù)學院、大數(shù)據(jù)研究院正式成立。由于大數(shù)據(jù)本身是統(tǒng)計學、計算機科學以及多種學科的交叉新興學科，在這些高校中傳統(tǒng)的按學科分類培養(yǎng)人才的模式“被迫”創(chuàng)新。

范劍青如今同時任美國普林斯頓大學統(tǒng)計委員會主任，他說，“如何設計課程，全世界都在摸索，我們也一樣，初步考慮，統(tǒng)計學和計算機數(shù)據(jù)處理，將成為構成課程體系的核心。”課程體系將融匯經(jīng)濟管理、生命科學、醫(yī)療衛(wèi)生、能源環(huán)境、社會統(tǒng)計和新聞傳播等眾多學科，打造跨學科的創(chuàng)新性人才培養(yǎng)平臺。

大數(shù)據(jù)應用“創(chuàng)意為王”

在大數(shù)據(jù)處理的軟硬件領域，國外已相繼推出成熟產(chǎn)品。SAP公司的HANA系統(tǒng)、EMC 公司的 reenplumUAP 系統(tǒng)、微軟公司的AzureHadoop系統(tǒng)等多個商用或半商用產(chǎn)品強勢投入市場，爭奪份額。在推出單一功能產(chǎn)品的同時，海外IT巨頭還推出一體化服務，以數(shù)據(jù)處理技術為核心，將存儲、數(shù)據(jù)庫維護等打包出售。這些基礎工具令大數(shù)據(jù)處理、分析更為便捷，門檻也更低。

但問題同時出現(xiàn)。復旦大學能源經(jīng)濟與戰(zhàn)略研究中心常務副主任吳力波坦言，在當前大數(shù)據(jù)領域中，流傳著一句話，說明專業(yè)發(fā)展中的“可怕陷阱”：“garbage in，garbage out(廢料進廢料出)。”簡而言之，就是在大數(shù)據(jù)處理過程中，往往過度依賴基本工具，而忽視了所在專業(yè)領域的特殊性，隨之而來的是，輸入海量數(shù)據(jù)后，處理獲得的數(shù)據(jù)也是無效的，為數(shù)據(jù)而數(shù)據(jù)，難以真正服務于社會實際。

作為投身能源大數(shù)據(jù)分析的專家，吳力波認為，在大數(shù)據(jù)產(chǎn)業(yè)發(fā)展和布局中，應始終強調其“創(chuàng)意為王”的天然屬性，從數(shù)以億萬計的信息中提取關聯(lián)要素，真正為生產(chǎn)、生活提供服務。用她的話來說，就是不再從數(shù)據(jù)到數(shù)據(jù)，而是從數(shù)據(jù)到故事。

舉例來說，她研究的能源大數(shù)據(jù)，企業(yè)、甚至居民每分鐘的用電數(shù)據(jù)是數(shù)據(jù)來源，面對如此高頻海量的信息，首先要將其可視化處理，再清洗、修正、挖掘，找到真正相關聯(lián)的要素，許多意想不到的結論就此產(chǎn)生。例如，分析用電情況發(fā)現(xiàn)，居民對階梯電價敏感程度各異，其中收入、年齡、教育背景等屬性的參差疊加，往往形成一個個特征群體，這些都可以成為今后能源政策制定、節(jié)能措施推廣的有效參考。在國外電網(wǎng)的大數(shù)據(jù)應用中，更是將溫度、濕度、風向、季節(jié)等非結構性因素納入數(shù)據(jù)分析，對電網(wǎng)發(fā)電預測、價格制定、錯峰安排等決策提供重要依據(jù)。