張開秋 段雪蓮

2012年，Twitter上每天發(fā)布超過4億條微博，F(xiàn)acebook上每天更新的照片超過1000萬張，F(xiàn)arecast公司用將近10萬億條價(jià)格記錄來預(yù)測機(jī)票價(jià)格，準(zhǔn)確率高達(dá)75%，采用該系統(tǒng)購票，平均每張機(jī)票可節(jié)省50美元。2011年，麥肯錫公司對(duì)全世界大數(shù)據(jù)的分布作了一個(gè)研究和統(tǒng)計(jì)，中國2010年新增的數(shù)據(jù)量約為250PB，而歐洲約為2000PB，美國約為3500PB，大數(shù)據(jù)已經(jīng)滲透到了人類經(jīng)濟(jì)社會(huì)生活的各個(gè)方面。如何獲取、聚集、分析大數(shù)據(jù)成為廣泛關(guān)注的熱點(diǎn)問題。

一、大數(shù)據(jù)的概念與特點(diǎn)

大數(shù)據(jù)是一個(gè)較為抽象的概念，至今尚無確切、統(tǒng)一的定義。在維基百科中關(guān)于大數(shù)據(jù)的定義為：大數(shù)據(jù)是指利用常用軟件工具來獲取、管理和處理數(shù)據(jù)所耗時(shí)間超過可容忍時(shí)間的數(shù)據(jù)集。

（一）數(shù)據(jù)量大

數(shù)據(jù)量大是大數(shù)據(jù)的基本屬性。首先，隨著互聯(lián)網(wǎng)的廣泛運(yùn)用，數(shù)據(jù)獲取、分享變得相對(duì)容易。其次，隨著各種傳感器數(shù)據(jù)獲取能力的大幅提高，人們獲取的數(shù)據(jù)越來越接近原始事物本身，描述同一事物的數(shù)據(jù)量激增。此外，數(shù)據(jù)量大還體現(xiàn)在人們處理數(shù)據(jù)的方法和理念發(fā)生了根本的改變。

（二）數(shù)據(jù)類型多樣

數(shù)據(jù)類型繁多，復(fù)雜多變是大數(shù)據(jù)的重要特性。大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)處理最大的不同就是重點(diǎn)關(guān)注非結(jié)構(gòu)化信息，大數(shù)據(jù)關(guān)注包含大量細(xì)節(jié)信息的非結(jié)構(gòu)化數(shù)據(jù)，強(qiáng)調(diào)小眾化、體驗(yàn)化的特性使得傳統(tǒng)的數(shù)據(jù)處理方式面臨巨大的挑戰(zhàn)。

（三）數(shù)據(jù)處理速度快

要求數(shù)據(jù)的快速處理，是大數(shù)據(jù)區(qū)別于傳統(tǒng)海量數(shù)據(jù)處理的重要特性之一?？焖僭鲩L的數(shù)據(jù)量要求數(shù)據(jù)處理的速度必須相應(yīng)的提升，才能使得大量的數(shù)據(jù)得到有效的利用，否則不斷激增的數(shù)據(jù)不但不能為解決問題帶來優(yōu)勢，反而成了快速解決問題的負(fù)擔(dān)。對(duì)不斷激增的海量數(shù)據(jù)的實(shí)時(shí)處理要求，是大數(shù)據(jù)與傳統(tǒng)海量數(shù)據(jù)處理技術(shù)的關(guān)鍵差別之一。

二、大數(shù)據(jù)要解決的核心問題

大數(shù)據(jù)的處理包括：獲取與特定的應(yīng)用相關(guān)的有用數(shù)據(jù)，并將數(shù)據(jù)聚合成便于存儲(chǔ)、分析、查詢的形式；分析數(shù)據(jù)的相關(guān)性，得出相關(guān)屬性；采用合適的方式將數(shù)據(jù)分析的結(jié)果展示出來等過程。

（一）獲取有用數(shù)據(jù)

對(duì)于實(shí)際應(yīng)用來說，并不是數(shù)據(jù)越多越好，獲取大量數(shù)據(jù)的目的是盡可能準(zhǔn)確、詳盡的描述事物的屬性，對(duì)于特定的應(yīng)用數(shù)據(jù)必須包含有用的信息，擁有包含足夠信息的有效數(shù)據(jù)才是大數(shù)據(jù)的關(guān)鍵。

（二）數(shù)據(jù)分析

數(shù)據(jù)分析是大數(shù)據(jù)處理的關(guān)鍵，大量的數(shù)據(jù)本身并沒有實(shí)際意義，只有針對(duì)特定的應(yīng)用分析這些數(shù)據(jù)，使之轉(zhuǎn)化成有用的結(jié)果，海量的數(shù)據(jù)才能發(fā)揮作用。

（三）數(shù)據(jù)顯示

數(shù)據(jù)顯示是將數(shù)據(jù)經(jīng)過分析得到的結(jié)果以可見或可讀形式輸出，以方便用戶獲取相關(guān)信息。將用戶與數(shù)據(jù)融合在一起，使用戶直接與繪制結(jié)果交互，便于用戶認(rèn)識(shí)、理解數(shù)據(jù)。數(shù)據(jù)顯示以準(zhǔn)確、方便地向用戶傳遞有效信息為目標(biāo)，顯示方法可以根據(jù)具體應(yīng)用需要來選擇。

三、大數(shù)據(jù)面臨的挑戰(zhàn)

實(shí)際上，大數(shù)據(jù)是一種新興的理論，大數(shù)據(jù)的概念、技術(shù)、方法還遠(yuǎn)不成熟，在其發(fā)展的過程中還將面臨多種挑戰(zhàn)，不應(yīng)過分夸大其先進(jìn)性，我們還應(yīng)看到其存在的不足。

（一）不能完全代替?zhèn)鹘y(tǒng)數(shù)據(jù)

當(dāng)前大數(shù)據(jù)尚不能完全取代傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)，盡管大數(shù)據(jù)關(guān)注的非結(jié)構(gòu)化數(shù)據(jù)的絕對(duì)數(shù)據(jù)量占總數(shù)據(jù)量的75%，但由于非結(jié)構(gòu)化數(shù)據(jù)的價(jià)值偏低，有效的非結(jié)構(gòu)化數(shù)據(jù)與結(jié)構(gòu)化數(shù)據(jù)相比并不占絕對(duì)優(yōu)勢，對(duì)于某些特定的應(yīng)用，結(jié)構(gòu)化數(shù)據(jù)仍然占據(jù)主導(dǎo)地位。

（二）數(shù)據(jù)保護(hù)

互聯(lián)網(wǎng)的發(fā)展使得獲取數(shù)據(jù)雖然十分便利，但也給信息安全帶來了巨大的挑戰(zhàn)。當(dāng)前，數(shù)據(jù)安全形勢不容樂觀，需要保護(hù)的數(shù)據(jù)量增長已超過了數(shù)據(jù)總量的增長。首先，個(gè)人隱私更容易通過網(wǎng)絡(luò)泄露；其次，在國家層面大數(shù)據(jù)可能給國家安全帶來隱患，如果在大數(shù)據(jù)處理方面落后，就可能導(dǎo)致數(shù)據(jù)的單向透明。美國發(fā)布大數(shù)據(jù)研發(fā)計(jì)劃，大力發(fā)展大數(shù)據(jù)技術(shù)就有增強(qiáng)國家安全方面的戰(zhàn)略布置。

（三）相關(guān)性預(yù)知

大數(shù)據(jù)時(shí)代，數(shù)據(jù)不再是靜止和陳舊的，而是流動(dòng)的、不斷更新的。大數(shù)據(jù)是人們獲得新的認(rèn)知、創(chuàng)造新的價(jià)值的源泉，通過分析數(shù)據(jù)的相關(guān)性可能預(yù)知事物的發(fā)展方向，但不能希望通過大數(shù)據(jù)可以預(yù)知一切。

四、結(jié)語

隨著社交網(wǎng)絡(luò)、物聯(lián)網(wǎng)、云計(jì)算的飛速發(fā)展，大量非結(jié)構(gòu)化數(shù)據(jù)呈指數(shù)級(jí)快速增長，數(shù)據(jù)樣式高度復(fù)雜，為人類認(rèn)識(shí)世界、改造世界提供了重要資源。然而大數(shù)據(jù)的概念和相關(guān)技術(shù)還遠(yuǎn)未成熟，尚存在著一定的爭議，面臨著諸多挑戰(zhàn)。我國是僅次于美國的數(shù)據(jù)大國，而我國大數(shù)據(jù)方面的研究尚處在起步階段，如何開發(fā)、利用保護(hù)好大數(shù)據(jù)這一重要的戰(zhàn)略資源，是我國當(dāng)前亟待解決的問題。

（作者單位：西華大學(xué)經(jīng)濟(jì)學(xué)院）