《浙商》杂志 牛金霞

中国唐宋时期的思维方法毫不过时，如今中国在“大数据时代”寻求一种全新的“大数据思维”时不妨回溯历史，重新发现自己独有的处理复杂社会问题的方法。

全球范围内都在掀起一股大数据应用的热潮。在过去的一年中国出现了一股“大数据热”，以阿里巴巴为首的企业提出了“从IT时代到DT时代”以及“一切业务数据化、一切数据业务化”的口号。相关机构预测，到2020年世界将有200亿到300亿个网络连接装置，这意味着每年都会产生比之前20万年积累的更多的数据。

“杀手级”应用还未出现

《浙商》：是否可以说，大数据应用全面商业化时代已经来临？

皮埃罗：其实，大数据也在硅谷掀起了热潮，如今的硅谷甚至应该被重新命名为“数据谷”。在硅谷，人们将数据称之为“新的石油”。石油可以提炼汽油和其他化工产品，而“数据石油”一旦被提炼出来，将会产生无人驾驶汽车、无人机、可穿戴设备等。更重要的是，石油的产品无法再产出更多石油，而数据的产品却能产出更多的数据。

然而，颇让人失望的是，我们并不知道该拿这些正在大爆炸的数据怎么办。大多数情况下我们会做数据分析，但数据分析至少从上世纪60年代就开始了，这有什么新鲜呢？不过是通过对数据的分析试图发现事物之间隐藏的规律或潜在的问题，然后优化整个流程，最终赚更多的钱而已。

自计算机被发明迄今，让人汗颜的是，数据分析最主要的应用还是使大公司利润最大化。比如，大数据最有名的应用案例，亚马逊和阿里巴巴的“推荐引擎”，即通过分析其他消费者的数据来建议你该买什么。再比如，美国最大零售连锁店之一的塔吉特（Target），曾让一个父亲意外地发现自己还是高中生的女儿怀孕了，因为塔吉特的算法识别购买系统特别关注准妈妈们，会给她们推送特别促销广告，而这无意中让她父亲看到了。这个故事曾让数据分析的威力名噪一时，但这就是我们能用大数据对孕妇做的事情吗？

《浙商》：中国也有服装企业用数据分析实现了个性化生产和销售，还有制造水杯的企业考虑将杯子内置传感器，再增加一个APP，将其变成智能水杯。

皮埃罗：没错，但这些商家用数据分析做的也只是销售更多的产品，或者决定到底该发布哪种广告。这难道就是我们能用海量数据做的事情？太有限了吧！可以说，大数据真正伟大的“杀手级”应用还没有被发明出来。

谁在产生大部分数据？机器。又是谁在阅读大数据？不管你相信与否，网上大约30%的“读者”都是机器，而非人类，甚至连世界新闻大多数是被机器阅读的。

未来，数据的主要读者将是机器。大数据世界的真实图景是：机器产生数据，机器阅读数据，并带来一个以机器为中心的数据世界。这也是为什么大数据迄今为止唯一有用的应用是数据分析，因为机器最擅长数学和统计，却不擅长理解人类世界。我们还没有“杀手级”应用正是因为是机器而非人类在阅读这些数据。

《浙商》：确实如此，制造业企业纷纷建立了智能工厂，机器与机器的连接产生并收集了大量的数据，但到底能用这些数据做什么依旧让很多人困惑。那么我们如何提升数据分析的能力？

皮埃罗：大数据时代必然要求数据分析能力不断提高。很多大学的计算和统计方法、可视化分析方法等都在不断改善和提升。但这些复杂的方法只是为了一个简单的目的，即让快速计算变得更便宜，因为大数据分析通常费用昂贵。

数据分析能力的快速提升确实让人惊叹，起初人们破译人类基因组需要花上十年时间，现在却有创业者能在不到一天的时间里就完成。这种能力也受到越来越多的重视，比如，斯坦福大学最受计算机系本科生欢迎的教材是《大规模数据挖掘》。也就是说，任何人都可以使用书中的方法来分析大数据，没有任何秘密。

但是，一种新的数学方法并不能给我们带来更有用的大数据应用，最多只能带来更便宜的数据分析。原因很简单：数学家们并不了解世界上的重大问题。要解决大的问题，仍然需要一种跨学科的方法，需要一种不仅仅只有数据分析的应用。

数据分析会存在哪些问题呢？数个世纪以来，人们早就发现，在大量数据中发现相关性并不难，难的是理解其中的因果关系。比如，有人发现昨天在意大利都灵所有患上流感的人都穿着黑白相间的球服，这并不意味着这种球服引发了流感，很有可能意味着这些患上流感的人都是尤文图斯足球俱乐部的球迷，因为这个俱乐部的官方球服就是黑白相间的，而都灵一半的人口是尤文图斯球迷。从来不踢足球也对足球毫不了解的数学家们很可能会得出错误的结论，一个对足球一无所知的机器分析出来的结果很可能错得更离谱。相反，一位了解都灵的人会很快意识到这种数据上的相关性并不直接包含因果关系，而会推测这场流感是在尤文图斯队昨天踢球的体育场爆发的。

大数据时代我们当然需要更好的数学家，但我们同样需要来自各个学科的学者们。毕竟，解决人类社会的问题并不是一场简单的数学竞赛。

 大数据在医药生物领域尤其有用

《浙商》：那您认为大数据应该关注和解决哪些“大问题”？您更看好它在哪个领域的应用？

皮埃罗：大数据最让人津津乐道的是预测未来。比如，可以预测大气污染什么时候会到达一个危险的水平，使人们在那之前就采取措施；可以预测犯罪活动最有可能在哪里、在什么时候集中爆发，进而提前部署警力；也有不少银行已经在使用一种类似大数据分析的系统来决定是否要给顾客贷款。

总的来说，我认为，大数据预测在医药生物领域特别有用。因为这个领域的数据实际上是无穷尽的，可惜的是我们甚至都没有将已有数据储存下来。人类基因组包含数十亿碱基对，我们目前对这些碱基对到底发挥什么作用，又是如何相互作用导致了疾病实在是所知甚少。大数据预测可以帮助我们找到哪些基因组合会带来疾病，而哪些组合又会带来强大的免疫力，这样我们就可以专门研究人体基因组中碱基对的分布情况，找出其中的奥秘。

斯坦福大学曾举行过一次名为“生物医学领域的大数据”年度峰会，峰会提出的口号就是“数据科学将重塑21世纪人类健康”。谷歌也曾按照地区搜索预测流感的爆发，它还发起了一个研究世界范围内基因数据分布情况、进而预测疾病的项目。非常可惜的是，很多项目需要一些特定的大数据才能给公众提供有用的应用，但这些数据却掌握在一些不愿意向研究者开放的公司手里。

 中国有潜力创造全新的大数据思维

《浙商》：大数据解决大问题确实需要广泛的合作，这是否意味着大数据领域的“杀手级应用”也会在合作中诞生，而不仅仅是几个大公司之间的游戏？

皮埃罗：确实如此。大公司确实对大数据的应用作出了很大的贡献，谷歌和Facebook作为世界上屈指可数的两个大数据公司，其贡献主要是实现了实时处理海量数据的能力。谷歌开发了并行、分布式算法MapReduce，可以对大量、多种类的服务器机群提供极大的扩展能力，解决了公司管理数十亿搜索查询数据以及与其他用户交互的实际问题。Facebook的团队则开发了一套开源分布式非关系型数据库系统Cassandra。DataStax公司使用Cassandra并把它发展成能够与甲骨文竞争的关键任务数据库管理系统，在业内数一数二。

目前，我们确实还没有大数据领域的“苹果手机”或“Facebook”之类的杀手级应用，但切记，相关的软件已经有了，而且是免费的。谷歌和Facebook已经将他们的大数据基础设施做成了面向公众的开源软件。此外，其他不少由美国高校或政府研发的大数据分析软件也都是开源的。

为什么呢？因为业界想要越来越多的创业者能在大数据领域进行探索和试验，甚至连大公司也希望更多的小公司参与进来。大公司将它们的大数据服务作为开源平台面向公众释放的信号是，即便竞争最激烈的商业领域也更看重合作而非竞争，这也是未来商业的大势所趋。

《浙商》：中国能在其中发挥什么样的作用？

皮埃罗：毫无疑问，大数据时代确实需要一种全新的思维方式。因为数据有着多种多样的来源，任何一个专家，包括人类与机器，都不可能吸收所有的数据，这仍旧要求具有跨学科的方法。

十九世纪30年代，有两个人在美国开创了“大科学”——麻省理工学院的范内瓦·布什和欧内斯特·劳伦斯。他们意识到，解决大问题需要很多不同的头脑，“大科学”正是将不同学科的科学家们聚集在一起。这种“大科学”方法给人们带来了很多影响深远的发明，比如核能和互联网。可以说，“大科学”就是大数据的最早应用，区别是数据当时都存在于不同科学家的大脑里，但当时和现在使用的方法是相似的，即为了能用大数据解决大问题，我们需要一种跨学科的方法来创造、创新。

用大数据解决大问题实际上还有更早的例子，那就是古代中国。我认为，当今中国也最有潜力创造全新的大数据思维模型，因为中国人几百年前就已经发明并使用了这种思维。唐宋时期，理想的“君子”一定是一位跨学科的学者，他必须同时是政治家、历史家、作家、画家、诗人、书法家……他需要学习所有的经典书籍。可以说，中国早就创造了一种“多任务处理思维”，古时理想的读书人能够肩负起解决社会大问题的责任，正是由于他从不同的领域吸收了足够多的知识。

有人会问，书法到底跟解决社会大问题有什么关系？当然有，它在无形中塑造着你的头脑和精神，使你更加富有智慧。而只要拥有一个足够智慧的大脑，不管面临什么问题，你总能找到正确的解决方案。

我认为，中国唐宋时期的思维方法毫不过时，如今中国在“大数据时代”寻求一种全新的“大数据思维”时不妨回溯历史，重新发现自己独有的处理复杂社会问题的方法。