1、引言
從人類文明誕生的那一刻起,數(shù)據(jù)就伴隨我們而生——人類交流信息所用的文字和語言,計量距離或數(shù)量使用的記號和圖案,觀察自然所積累和傳承的經(jīng)驗等,都是數(shù)據(jù)構(gòu)成的。這些數(shù)據(jù)在百萬年歷史長河里,為人類文明的發(fā)展進化帶來了難以估量的巨大價值。
自從人類發(fā)明了紙和筆,創(chuàng)造了數(shù)字、文字、幾何技術(shù)后,數(shù)據(jù)有了更精確的描述和記錄的方法,在此基礎(chǔ)上催生出了數(shù)字、物理、化學(xué),以及文學(xué)、藝術(shù)、管理等學(xué)科,我們今天所享受的現(xiàn)代文明,都深深的植根于數(shù)據(jù)技術(shù)。
隨著互聯(lián)網(wǎng)時代的大發(fā)展,數(shù)據(jù)記錄逐步脫離了紙筆的限制,人類發(fā)明了廉價的硅晶半導(dǎo)體所蘊藏的秘密,大量的數(shù)據(jù)可以按0或1的二進制方式存儲半導(dǎo)體材料內(nèi),它們的存儲能力如此巨大,成本如此低廉,以至于以往被輕易忽略的數(shù)據(jù)都能被忠實的保存下來:我們每一下輕微的呼吸、每一次心臟的跳動、每一下鼠標(biāo)的點擊,企業(yè)里員工的每一次出勤、財務(wù)的每一筆賬單、客戶的每一個評論,包羅萬象都能一一記錄。
與此同時,數(shù)據(jù)的概念也在進一步拓寬。傳統(tǒng)的數(shù)據(jù)是指用數(shù)字或文字描述的內(nèi)容,通稱為結(jié)構(gòu)化數(shù)據(jù),而大數(shù)據(jù)時代涌現(xiàn)出了大量新型數(shù)據(jù)的、非結(jié)構(gòu)化的數(shù)據(jù)。例如人群之間看不見的社交關(guān)系(Social Relationships),移動設(shè)備發(fā)射的GPS位置,網(wǎng)絡(luò)傳播的圖像、視頻信號,可穿戴設(shè)備采集的健康數(shù)據(jù)等。對這些各種各樣的數(shù)據(jù)的采集、挖掘、運用,也是現(xiàn)代大數(shù)據(jù)挖掘的重要研究課題。
正在發(fā)生的大數(shù)據(jù)變革,恐怕是人類技術(shù)發(fā)展中最重要的話題之一,它沖擊著許多主要的行業(yè),包括零售業(yè)、服務(wù)業(yè)、電子商務(wù)和金融領(lǐng)域等,同時大數(shù)據(jù)技術(shù)也正在徹底的改變我們的日常生活。如果把數(shù)據(jù)比作是礦石的話,大數(shù)據(jù)挖掘技術(shù)就是要從礦石中提煉出黃金,并形成各種精致的制成品發(fā)揮作用的過程。它既能夠通過移動應(yīng)用和云服務(wù)追蹤和提升個人的生活品質(zhì),也能為現(xiàn)代企業(yè)帶來更高效和穩(wěn)健的管理方式。小到個人,大到企業(yè)和國家,大數(shù)據(jù)均是極度重要的一個議題,需要我們真正的深入理解它,因此本文將對大數(shù)據(jù)挖掘技術(shù)給出全景式的介紹,首先給出大數(shù)據(jù)的背景、原理和概念,然后闡述大數(shù)據(jù)挖掘的方法和步驟,再講解大數(shù)據(jù)在企業(yè)應(yīng)用中的方式和收益,最后分享大數(shù)據(jù)時代的產(chǎn)業(yè)狀況,和我們面臨的挑戰(zhàn)與機遇。
2、大數(shù)據(jù)技術(shù)的背景、概念和意義
2.1大數(shù)據(jù)的產(chǎn)生背景
大數(shù)據(jù)熱潮誕生的先決條件是計算機存儲能力的迅速擴大和成本的一再降低。得益于半導(dǎo)體技術(shù)在過去20年里持續(xù)快速的發(fā)展,今天我們用500元人民幣就能輕松買到一塊能裝得下63萬本《紅樓夢》的1T 容量的移動硬盤;價值2000元的一塊PC硬盤甚至能存儲下全世界迄今為止所有的音樂內(nèi)容。在很多大型互聯(lián)網(wǎng)公司里,拿一臺較好配置的服務(wù)器,就可以一舉裝下美國國家圖書館里所有紙質(zhì)書的內(nèi)容——縱觀整個人類文明發(fā)展史,今天人類擁有了史無前例的海量信息的存儲能力,并且這個能力仍然在日新月異的向前發(fā)展著。
與此同時,人類創(chuàng)造數(shù)據(jù)的能力也同樣在高速增長。傳統(tǒng)社會只有文人墨客、達(dá)官顯貴才能青史上留下只言片語,而互聯(lián)網(wǎng)時代里所有人都能輕松成為數(shù)據(jù)的生產(chǎn)者,例如Facebook上每月被用戶分享500億條新信息,全球的社交網(wǎng)絡(luò)每天產(chǎn)生1億張新照片。能夠產(chǎn)生和采集數(shù)據(jù)的方式也越來越多——電腦、手機、電視、汽車……一切都在大踏步的向“智能化”邁進。
我們對數(shù)據(jù)進行挖掘和處理的能力也遵照著“摩爾定律”在飛速的發(fā)展。這些IT技術(shù)在數(shù)據(jù)產(chǎn)生、存儲、挖掘、運用方面的逐步成熟,讓數(shù)據(jù)驅(qū)動產(chǎn)生價值的門檻越來越低,終于大數(shù)據(jù)時代的腳步匆匆到來了。
2.2大數(shù)據(jù)的“4V”要素
大數(shù)據(jù)(Big Data)概念最早的提出者是麥肯森咨詢公司和IBM公司的科學(xué)家們。在大數(shù)據(jù)的定義中,有如下“4V”要素是必須的:Volume, Variety, Velocity, Value,具體含義如下:
圖1:大數(shù)據(jù)的4V要素
Volume:具備超出典型數(shù)據(jù)庫軟件收集、存儲、管理和分析能力的數(shù)據(jù)集;
Variety:具備多樣性的,結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化等多種類型的數(shù)據(jù)形式;
Velocity:具備快速、實時的數(shù)據(jù)處理能力;
Value:具備從稀疏的數(shù)據(jù)中挖掘高價值內(nèi)容的意義。
4V要素之間存在密切的關(guān)聯(lián)關(guān)系:Volume是所有工作的基礎(chǔ),構(gòu)建一個容量足夠巨大的數(shù)據(jù)處理平臺才能保證其上的應(yīng)用;基于Volume進一步有Variety,用于多樣化數(shù)據(jù)的處理;Velocity保證了系統(tǒng)有實時數(shù)據(jù)處理的能力;最終的Value體現(xiàn)了數(shù)據(jù)所能發(fā)揮的價值,大數(shù)據(jù)最重要的并非“大”,也并非“數(shù)據(jù)”本身,而是人們?nèi)绾握J(rèn)識和使用它,盡最大可能挖掘出其中價值,正所謂吹盡黃沙始見金。
2.3大數(shù)據(jù)價值和企業(yè)信息化
數(shù)據(jù)價值的最直觀應(yīng)用就是在企業(yè)管理里,這個過程和企業(yè)信息化的發(fā)展往往交織在一起。在1980s年代及以前,企業(yè)的各類業(yè)務(wù)、財務(wù)數(shù)據(jù)都是通過賬簿記錄,這種方式查閱和統(tǒng)計的效率都很低,可靠性也不高。從1990s年代末開始,金融業(yè)、電信業(yè)、大型零售等行業(yè)企業(yè)率先將核心交易數(shù)據(jù)電子化,2000年以后隨著IT技術(shù)的進步,越來越多的企業(yè)將信息化納入議程,ERP(Enterprise Resource Planning)、MIS(Management Information System)系統(tǒng)蓬勃發(fā)展,設(shè)計、制造、進存銷等業(yè)務(wù)管理逐步數(shù)據(jù)化,這些數(shù)據(jù)被大家意識到是企業(yè)最寶貴的資產(chǎn),隨之而起的統(tǒng)計報表技術(shù)也漸漸完善。2010年以后,更多種類的數(shù)據(jù),包括客戶的瀏覽數(shù)據(jù)、反饋數(shù)據(jù)等在一些企業(yè)中也都開始記錄并逐步進行個性化建模和分析,數(shù)據(jù)驅(qū)動的CRM(Customer Relationship Management)客戶關(guān)系管理開始在精準(zhǔn)運營和個性化服務(wù)方面嶄露頭角,基于數(shù)據(jù)分析的預(yù)測技術(shù)也逐步開始出現(xiàn)。
圖2:數(shù)據(jù)價值的最直觀應(yīng)用就是在企業(yè)管理里
從過去到未來,數(shù)據(jù)的價值在一點一滴的凸顯,注意這個過程是動態(tài)變化的,十年以前的大數(shù)據(jù)在如今看來根本不算很大;而同樣的,今天的大數(shù)據(jù)在若干年后也將不再被認(rèn)為是大數(shù)據(jù)。數(shù)據(jù)容量、速度、多樣性、復(fù)雜度方面在今天來看無法想象的事情,幾年之后都將完全被顛覆;唯一不變的,是對數(shù)據(jù)的思考和分析的方法,和利用數(shù)據(jù)來產(chǎn)生附加價值的出發(fā)點。
3、大數(shù)據(jù)挖掘的方法、流程和場景
3.1大數(shù)據(jù)采集的特點
大數(shù)據(jù)應(yīng)用的第一步就是采集數(shù)據(jù)。巧婦難為無米之炊,數(shù)據(jù)采集的完整性、準(zhǔn)確性,決定了數(shù)據(jù)應(yīng)用是否能真實可靠的發(fā)揮作用。大數(shù)據(jù)時代的數(shù)據(jù)采集有如下三個特點:
1)數(shù)據(jù)采集以自動化手段為主,要盡量擺脫人工錄入的方式;
2)采集內(nèi)容以全量采集為主,要擺脫對數(shù)據(jù)進行采樣的方式;
3)采集方式多樣化、內(nèi)容豐富化,擺脫以往只采集基本數(shù)據(jù)的方式。
從采集數(shù)據(jù)的類型上看,不僅要涵蓋基礎(chǔ)的結(jié)構(gòu)化交易數(shù)據(jù),還將逐步包括半結(jié)構(gòu)化的用戶行為數(shù)據(jù),網(wǎng)狀的社交關(guān)系數(shù)據(jù),文本或音頻類型的用戶意見和反饋數(shù)據(jù),設(shè)備和傳感器采集的周期性數(shù)據(jù),網(wǎng)絡(luò)爬蟲獲取的互聯(lián)網(wǎng)數(shù)據(jù),以及未來越來越多有潛在意義的各類數(shù)據(jù)。
3.2常見數(shù)據(jù)采集技術(shù)
傳統(tǒng)的數(shù)據(jù)采集方法包括人工錄入、調(diào)查問卷、電話隨訪等方式,大數(shù)據(jù)時代到來后,一個突出的變化是數(shù)據(jù)采集的方法有了質(zhì)的飛躍,下面所介紹的數(shù)據(jù)采集方式的突破直接改變著大數(shù)據(jù)應(yīng)用的場景。
移動互聯(lián)網(wǎng)的興起讓面向移動設(shè)備的數(shù)據(jù)采集技術(shù)有了迅速發(fā)展,目前使用最多的常稱為Android或iOS的采集SDK(Software Develop Kit),這種技術(shù)能幫助統(tǒng)計APP的基礎(chǔ)數(shù)據(jù),包括用戶數(shù)、活躍情況、流失比例、使用時長等;用戶的位置、安裝列表、通訊情況等通過授權(quán)也可以采集。網(wǎng)絡(luò)爬蟲是另一類廣泛使用的互聯(lián)網(wǎng)采集技術(shù),常被用于進行大規(guī)模全網(wǎng)信息采集、輿情監(jiān)控、競品分析等領(lǐng)域。
圖3:移動互聯(lián)網(wǎng)和可穿戴傳感器等新型數(shù)據(jù)采集技術(shù)蓬勃發(fā)展
物聯(lián)網(wǎng)也和大數(shù)據(jù)息息相關(guān),因為物聯(lián)網(wǎng)的關(guān)鍵技術(shù)之一是無線射頻標(biāo)簽(RFID):當(dāng)安裝有RFID微型標(biāo)簽的讀卡器在近距離發(fā)出信號時,帶有RFID的物品能自動返回其唯一的序列號,這樣就能實現(xiàn)自動大批量辨識物品信息的工作。RFID技術(shù)解決了物品信息與互聯(lián)網(wǎng)實現(xiàn)自動連接的問題,結(jié)合后續(xù)的大數(shù)據(jù)挖掘工作,能發(fā)揮其強大的威力。
在工業(yè)制造業(yè)里,傳感器(Sensor)是另一類常見的大數(shù)據(jù)采集裝置,它能將測量到的信息按一定規(guī)律變換為電信號輸出,通常用于自動檢測和控制等環(huán)節(jié)。傳感器的種類極為豐富:大到機械設(shè)備、汽車、飛機、建筑物,小到一部智能手機、一個智能設(shè)備,都可以安裝很多種傳感器,傳遞溫度、壓力、位置、位移、光敏、距離、化學(xué)感應(yīng)、生物、磁場等各類信號。未來攜帶傳感器+大數(shù)據(jù)平臺的智能設(shè)備將越來越多,基于傳感器數(shù)據(jù)的大數(shù)據(jù)應(yīng)用才剛剛起步,如智能醫(yī)療,智慧城市等,這方面有著廣闊的前景。
3.3 數(shù)據(jù)存儲技術(shù)的發(fā)展和演進
傳統(tǒng)企業(yè)信息化系統(tǒng)采用關(guān)系數(shù)據(jù)庫來進行數(shù)據(jù)存儲,其中規(guī)模較大的通常被稱為“數(shù)據(jù)集市”(Data Mart)。隨著采集數(shù)據(jù)的種類越來越多,部分行業(yè)領(lǐng)先的公司看到了把不同數(shù)據(jù)集市集中到一個大系統(tǒng)中的價值,這個大系統(tǒng)稱為企業(yè)級數(shù)據(jù)倉庫(Enterprise Data Warehouse, EDW),由專門的數(shù)據(jù)團隊(或稱為數(shù)據(jù)中心)負(fù)責(zé)集中式的數(shù)據(jù)管理和維護。
圖4:企業(yè)數(shù)據(jù)中心是各類數(shù)據(jù)業(yè)務(wù)的集中管理者
隨著數(shù)據(jù)量的驚人增長,已經(jīng)使用了20余年的傳統(tǒng)數(shù)據(jù)庫再也無法支撐起新的存儲需求了,所以被Google稱為Big Table和GFS的新型存儲技術(shù)在過去的幾年里被發(fā)明出來,并在行業(yè)中廣泛應(yīng)用,這些技術(shù)通過自動調(diào)配上萬臺服務(wù)器協(xié)同工作,能完成高性能和高可靠的數(shù)據(jù)存儲任務(wù),為大數(shù)據(jù)的運用鋪平了道路。
3.4 云計算與大數(shù)據(jù)
云計算可謂是大數(shù)據(jù)的最好載體。由于大數(shù)據(jù)存儲和運算非常復(fù)雜,傳統(tǒng)企業(yè)在運作時需要投入很高的人力物力,因此把涉及存儲運算的基礎(chǔ)設(shè)施抽象和獨立出來,形成的專門性服務(wù)稱為云計算(Cloud Computing)。云計算就好比大數(shù)據(jù)時代的“電”,大數(shù)據(jù)系統(tǒng)則是“家用電器”——云計算注重服務(wù)的通用性,大數(shù)據(jù)關(guān)注實際的用途和效果。
云計算服務(wù)分為兩大類:公有云和私有云。公有云是在開放網(wǎng)絡(luò)中為客戶提供服務(wù),用戶并不完全擁有云資源。私有云是為特定客戶單獨使用而構(gòu)建的,獨占使用的服務(wù)資源。使用公有云,相當(dāng)于通過一根電線接入供電網(wǎng);使用私有云,相當(dāng)于在家里安裝了一臺發(fā)電機。
云計算的出現(xiàn)大大降低了大數(shù)據(jù)應(yīng)用的門檻,未來無論是企業(yè)還是個人應(yīng)用,采用云計算作為載體,大數(shù)據(jù)作為上層應(yīng)用的方式將是最優(yōu)的發(fā)展方向。
3.5 大數(shù)據(jù)挖掘原理和技術(shù)生態(tài)
在解決了大數(shù)據(jù)采集、存儲的問題后,最重要的環(huán)節(jié)是大數(shù)據(jù)挖掘技術(shù)。著名的Map-Reduce的計算框架很好的解決了大數(shù)據(jù)挖掘的性能問題,被產(chǎn)業(yè)界廣泛使用,基于Map-Reduce原理最為知名的開源實現(xiàn)方案稱為Hadoop。
在Map-Reduce基礎(chǔ)上,近1-2年來一些新的流式計算技術(shù)也被國際知名公司和大學(xué)提出,例如twitter提出的Storm,Yahoo的S4,UC Berkeley的Spark,斯坦福大學(xué)的Phoenix等新技術(shù)。圍繞這些核心的挖掘平臺,現(xiàn)在已經(jīng)形成了一整套大數(shù)據(jù)挖掘技術(shù)生態(tài),為上層的數(shù)據(jù)應(yīng)用奠定了基礎(chǔ)。
圖5:大數(shù)據(jù)運算平臺常見的技術(shù)生態(tài)系統(tǒng)
3.6 數(shù)據(jù)類型與常見應(yīng)用
大數(shù)據(jù)挖掘應(yīng)用中最常見的數(shù)據(jù)類型稱為結(jié)構(gòu)化數(shù)據(jù),定義為存儲在數(shù)據(jù)庫里,能用二維表結(jié)構(gòu)來邏輯表達(dá)實現(xiàn)的數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)常用于記錄生產(chǎn)、業(yè)務(wù)、交易、客戶信息等方面的數(shù)據(jù),這些數(shù)據(jù)規(guī)模較小,內(nèi)容規(guī)范,含義明確,處理方式成熟,可以方便的產(chǎn)生各類數(shù)據(jù)報表,為企業(yè)運作提供最直接的依據(jù)。
以典型的制造型企業(yè)運作為例,其資產(chǎn)負(fù)債表、現(xiàn)金流表等核心財務(wù)報表,均出自于結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)計分析;其業(yè)務(wù)相關(guān)的庫存、銷量、分品類貨物流轉(zhuǎn)等數(shù)據(jù),也通過類似的方式來產(chǎn)生。
如果是面向互聯(lián)網(wǎng)業(yè)務(wù)的新型企業(yè),則會更關(guān)注諸如網(wǎng)站的流量、移動APP的日活躍用戶數(shù)(DAU,Daily Active Users)、登錄用戶數(shù)、停留時間等數(shù)據(jù),這類數(shù)據(jù)統(tǒng)計則很多來源于半結(jié)構(gòu)化數(shù)據(jù),網(wǎng)絡(luò)訪問日志就是典型的一種半結(jié)構(gòu)化數(shù)據(jù)。半結(jié)構(gòu)化數(shù)據(jù)具有可被理解的邏輯流程和格式,但這些格式并不是用戶友好的,有價值的信息參雜在大量的噪聲和無用的數(shù)據(jù)中,分析起來比結(jié)構(gòu)化數(shù)據(jù)復(fù)雜。
圖6:大數(shù)據(jù)處理的三類數(shù)據(jù)交叉融合
比半結(jié)構(gòu)化數(shù)據(jù)更復(fù)雜的是非結(jié)構(gòu)化數(shù)據(jù)。文本信息是目前已記錄的數(shù)量最為龐大的數(shù)據(jù)形式,例如網(wǎng)頁中的文字內(nèi)容、聊天記錄、電子郵件,企業(yè)的各類文檔等,它們包含了大量有價值的信息,對它們的分析處理催生出了自然語言處理(NLP , Natural Language Processing)這樣專門的計算機學(xué)科。
大數(shù)據(jù)處理難度最高的是多媒體類的非結(jié)構(gòu)化數(shù)據(jù),包括圖像、語音、視頻等,對這些數(shù)據(jù)的深入挖掘和理解,能產(chǎn)生非常多新穎實用的功能,如自動監(jiān)控、人臉識別、自動駕駛等。近年來Google、Facebook等公司積極進行深度學(xué)習(xí)(Deep Learning)相關(guān)技術(shù)的研發(fā),用大規(guī)模機器學(xué)習(xí)的技術(shù)來解讀多媒體的數(shù)據(jù),已經(jīng)取得了非??捎^的進步。(陳運文博士)
圖7:多媒體類的非結(jié)構(gòu)化數(shù)據(jù)的處理能產(chǎn)生非常多新穎的功能
對各種類似數(shù)據(jù)的挖掘和處理還遠(yuǎn)沒有結(jié)束,存在巨大的應(yīng)用潛力。相信大數(shù)據(jù)系統(tǒng)在不久的將來能產(chǎn)生越來越多令人驚嘆的功能,甚至改變大量產(chǎn)業(yè)的形態(tài)。
4、大數(shù)據(jù)應(yīng)用的策略、方式和收益
4.1數(shù)據(jù)統(tǒng)計是大數(shù)據(jù)的最直接應(yīng)用
數(shù)據(jù)統(tǒng)計是大數(shù)據(jù)應(yīng)用的最直觀的形式,數(shù)據(jù)統(tǒng)計在企業(yè)中常被稱為商業(yè)智能(BI, Business Intelligence)系統(tǒng),使用者們通過觀察數(shù)據(jù)報表來掌握企業(yè)的經(jīng)營狀況,發(fā)現(xiàn)企業(yè)運營的問題。大數(shù)據(jù)技術(shù)利用各種分析方法和工具在大規(guī)模海量數(shù)據(jù)中建立模型和發(fā)現(xiàn)數(shù)據(jù)間的潛在關(guān)系,幫助管理者們發(fā)現(xiàn)著眼點。
圖8:商業(yè)智能(Business Intelligence)系統(tǒng)是最直接的應(yīng)用
隨著技術(shù)的進步,數(shù)據(jù)統(tǒng)計應(yīng)用發(fā)展的越來越迅速,例如傳統(tǒng)按周按天生成的數(shù)據(jù)報表,可以縮短為小時級甚至分鐘級,同時報表的細(xì)分刻畫能力也更強,有助于更及時的掌握業(yè)務(wù)變化情況,更深入了解變化的細(xì)節(jié)。
4.2 個性化技術(shù)蘊藏巨大價值
每個人生來就是與眾不同的,需求也天然是個性化的。以時裝產(chǎn)業(yè)為例,每個用戶穿著打扮的口味、偏好、喜愛的款式是各不相同的,大數(shù)據(jù)能充分發(fā)揮所長,挖掘出用戶的個性化需求并加以滿足。亞馬遜公司(Amazon)通過挖掘用戶在線的瀏覽行為和購買記錄,成功挖掘出了用戶個性化模型并進行針對性商品推薦,極大促進了商品的購買率。目前亞馬遜上超過30%的購買收入由個性化推薦系統(tǒng)所貢獻,是了不起的成就。
圖9:個性化推薦系統(tǒng)幫助人們解決信息過載的困擾
私人訂制就是個性化的一個典型案例,以往私人訂制是高端人群獨有的服務(wù),價格昂貴,耗時耗力,而大數(shù)據(jù)技術(shù)能將定制過程自動化,降低成本,讓普羅大眾享受到個性化服務(wù)的優(yōu)勢。亞馬遜(Amazon)總裁杰夫·貝佐斯曾說過:“如果我的網(wǎng)站有一百萬個顧客,我就應(yīng)該有一百萬個商店”。
個性化數(shù)據(jù)技術(shù)對合理調(diào)配企業(yè)資源也有積極的意義,例如美國的Dunnhumby Shop公司通過分析消費者來訪問超市的時間和消費明細(xì),對不同顧客群體采取針對性的促銷手段,同時幫助供應(yīng)商對不同區(qū)域制訂合理有效的價格和庫存和配送方案,合理的節(jié)約了運營成本。
4.3 最有吸引力的應(yīng)用:預(yù)測技術(shù)
我們每天都在進行著大大小小的預(yù)測:如預(yù)測從家里出發(fā)到工作地點所需要的時間;預(yù)測某款產(chǎn)品發(fā)布以后一個月內(nèi)的訂單量。預(yù)測的愈準(zhǔn)確,則成功的把握愈大。如果我們擁有百分之百準(zhǔn)確的預(yù)測能力,像先知穆罕默德那樣,就會變得無往不利。
圖10:隨著技術(shù)的進步,大數(shù)據(jù)正在賦予我們更強的洞察未來的能力
誰能預(yù)知未來?——大數(shù)據(jù)技術(shù)能幫你做到,因為它熟知過去。隨著技術(shù)的進步,借助時間序列分析技術(shù),·通過對趨勢、季節(jié)變動、循環(huán)波動和不規(guī)則波動的因素的細(xì)致把握,大數(shù)據(jù)正在賦予我們更強的洞察未來的能力。
美國第二大連鎖超市Target,通過大數(shù)據(jù)技術(shù)分析顧客的詳細(xì)購買記錄,判斷出某位還在讀書的年輕女孩已經(jīng)懷孕了,并給她寄去了大量嬰兒用品的優(yōu)惠券,這位女孩的父親收到優(yōu)惠券后極為驚訝,經(jīng)過和女兒的進一步溝通才發(fā)現(xiàn)真的已經(jīng)有孕在身了。大數(shù)據(jù)技術(shù)比父親更早預(yù)測出了真相,這個真實的
4.4 分類和回歸技術(shù)
如同諺語“朝霞不出門,晚霞行千里”所說的,我們常常通過經(jīng)驗來分析不同現(xiàn)象之間存在的潛在關(guān)聯(lián)和因果關(guān)系。而如今大數(shù)據(jù)技術(shù)能代替人工經(jīng)驗來更好的分析數(shù)據(jù)間的關(guān)聯(lián)關(guān)系,幫助找出規(guī)律。常見的包括兩類技術(shù),一類稱為回歸分析技術(shù)(Regression Analysis),它通過統(tǒng)計科學(xué)來把握兩個或多個變量間相關(guān)關(guān)系的強度。另一類稱為分類技術(shù)(Classification),分類是指通過分析已標(biāo)注好的訓(xùn)練數(shù)據(jù),來自動的將新的未知數(shù)據(jù)按種類、等級或性質(zhì)分別歸類的過程。
分類和回歸是人腦最常進行的操作,現(xiàn)在計算機也能逐步代替人類完成這樣的操作,且效率是人類的數(shù)萬倍。典型的應(yīng)用是英國Adzuna公司根據(jù)積累的海量職位薪酬數(shù)據(jù),自動為招聘雙方提供薪酬制定的科學(xué)依據(jù),其最優(yōu)的預(yù)測算法非常精確,生成的預(yù)測值和實際薪水值誤差不到10%。Adzuna已成為英國內(nèi)閣高官“幕后智囊團”,幫助英國政府了解失業(yè)率、職位空缺、薪資水平等經(jīng)濟發(fā)展情況,制定國策。
4.5 輔助決策系統(tǒng)
企業(yè)戰(zhàn)略決策往往決定了企業(yè)的生死存亡,怎樣才能更科學(xué)合理進行決策?華為公司總裁任正非曾說過“要讓聽得見炮火的人來決策”,提出了要從實際數(shù)據(jù)中產(chǎn)生科學(xué)決策結(jié)果。
大數(shù)據(jù)技術(shù)基于海量一線數(shù)據(jù),能讓決策更科學(xué),降低誤判的風(fēng)險。其中大數(shù)據(jù)輔助分析有一個稱為GREAT的原則:Guided, Relevant, Explainable, Actionable, Timely,基于GREAT原則越來越多的企業(yè)將會用好大數(shù)據(jù),發(fā)揮智囊團的作用。
圖11:大數(shù)據(jù)輔助分析的GREAT原則
5、大數(shù)據(jù)時代的探索、機遇和挑戰(zhàn)
5.1 國內(nèi)外大數(shù)據(jù)行業(yè)發(fā)展態(tài)勢
在上述大數(shù)據(jù)技術(shù)上,通過串聯(lián)起特定的數(shù)據(jù)采集、存儲、挖掘、應(yīng)用的機制,就能誕生出一個個具體的創(chuàng)新應(yīng)用。例如通過RFID技術(shù)采集倉儲信息,在云端存儲數(shù)據(jù)并加上預(yù)測技術(shù),能實現(xiàn)一個智能的物流管理系統(tǒng);通過可穿戴感知器設(shè)備,加上私有云、個性化、社交網(wǎng)絡(luò)等技術(shù),則可以實現(xiàn)一個智能健康管理系統(tǒng)等等,可供拓展的機會有很多。
近年來大數(shù)據(jù)行業(yè)發(fā)展極為熱烈:2009年美國政府啟動Data.gov網(wǎng)站開放了社會公共數(shù)據(jù)的大門,向公眾提供各種各樣的政府?dāng)?shù)據(jù)。2009年歐洲一些研究型圖書館和科技信息研究機構(gòu)建立了伙伴關(guān)系,致力于改善在互聯(lián)網(wǎng)上獲取科學(xué)數(shù)據(jù)的簡易性。2011年中國工信部發(fā)布了物聯(lián)網(wǎng)十二五規(guī)劃,將信息處理技術(shù)作為4 項關(guān)鍵技術(shù)創(chuàng)新工程提出,包括了海量數(shù)據(jù)存儲、數(shù)據(jù)挖掘、圖像視頻智能分析,都是大數(shù)據(jù)的重要組成部分。2012年瑞士達(dá)沃斯世界經(jīng)濟論壇上,大數(shù)據(jù)是主題之一,會上發(fā)布的報告《大數(shù)據(jù),大影響B(tài)ig Data, Big Impact》 宣稱,數(shù)據(jù)已經(jīng)成為一種新的經(jīng)濟資產(chǎn),就像貨幣或黃金。近年來大數(shù)據(jù)行業(yè)的投資并購,新興企業(yè)發(fā)展等,更是呈現(xiàn)出如火如荼的發(fā)展態(tài)勢。
5.2 大數(shù)據(jù)時代面臨的風(fēng)險挑戰(zhàn)
大數(shù)據(jù)時代所面臨的重大風(fēng)險之一是用戶的隱私保護問題。近年來國內(nèi)外多起的密碼泄漏、隱私侵權(quán)等事件,暴露了這方面存在的問題。一方面我們需要對用戶數(shù)據(jù)進行創(chuàng)新性的挖掘,另一方面還需要兼顧用戶隱私的保護,兩者是硬幣的正反兩面,其平衡和博弈的問題會始終存在。
大數(shù)據(jù)思維則是面臨的更嚴(yán)峻挑戰(zhàn),則來自思維方式的轉(zhuǎn)變。在企業(yè)經(jīng)營逐步從傳統(tǒng)粗放式向大數(shù)據(jù)精細(xì)化轉(zhuǎn)向時,以往“差不多”、“還可以”、“領(lǐng)導(dǎo)說”等拍腦袋決策的方式要逐步讓位于精確的數(shù)據(jù)分析、統(tǒng)計、預(yù)測系統(tǒng),從“行或不行,官大的說了算”轉(zhuǎn)變?yōu)?ldquo;行或不行,數(shù)據(jù)說了算”,從“事后統(tǒng)計”轉(zhuǎn)變?yōu)?ldquo;事前預(yù)測”,是大數(shù)據(jù)思維方式的落實和轉(zhuǎn)變。
5.3 大數(shù)據(jù)時代的創(chuàng)新機遇
圖12:大數(shù)據(jù)時代的創(chuàng)新機遇
信息技術(shù)正在以突飛猛進的速度向前進步,包括新傳感器采集技術(shù)、移動互聯(lián)網(wǎng)技術(shù)、社交網(wǎng)絡(luò)技術(shù)的蓬勃發(fā)展,將帶來大量的創(chuàng)新性應(yīng)用。大數(shù)據(jù)是新時代的石油,通過研發(fā)分析各種多元結(jié)構(gòu)化數(shù)據(jù)的高效技術(shù),提高數(shù)據(jù)產(chǎn)品的易用性,讓數(shù)據(jù)分析實現(xiàn)“開箱即用”,其蘊藏的巨大能量將使數(shù)據(jù)成為政府和企業(yè)建立核心競爭力的關(guān)鍵途徑,甚至能夠顛覆很多傳統(tǒng)行業(yè)的運作方式,帶領(lǐng)我們進入信息革命的新時代。
對我們每個人而言,跟隨大數(shù)據(jù)的浪潮,把握機遇,投身其中,在大數(shù)據(jù)創(chuàng)新的浪潮之巔定能一展身手。