嘉賓介紹：朱林，一個開發(fā)了17年程序的老程序員，熱愛開發(fā)，有11年的安全開發(fā)經驗，現(xiàn)任賽克藍德公司技術總監(jiān)，從事數(shù)據分析領域相關產品的研發(fā)，公司現(xiàn)已開發(fā)一款日志分析產品(SeciLog)。
精彩觀點
在大數(shù)據時代已經到來的時候要用大數(shù)據思維去發(fā)掘大數(shù)據的潛在價值
在中國，絕大多數(shù)的公司是沒有太多數(shù)據的
現(xiàn)實的情況往往是數(shù)據只能驗證現(xiàn)在，數(shù)據無法預見未來
一切不以解決業(yè)務為出發(fā)點的技術都是耍流氓
很多時候數(shù)據并沒有我們想象的這么值錢，尤其是互聯(lián)網上很容易采集到的數(shù)據
大數(shù)據應該是從小數(shù)據逐漸演變上去的，是一個正常的生態(tài)，而不是瞬間變化的
聲明
個人言論，本文僅從另一個視角看待大數(shù)據，如不能理解請一笑而過，勿做無謂的拍磚，僅此而已。
引言
現(xiàn)在很多人都熱衷于把大數(shù)據放在嘴邊，但你要問一下什么是大數(shù)據，大數(shù)據和你有什么關系?估計很少人能說出個一二三來。
究其原因，一是因為大家對新技術有著很深的原始渴求，至少在聊天時不會顯得很“土鱉”;二是在工作和生活環(huán)境中真正能參與實踐大數(shù)據的案例實在太少了。
一、什么是大數(shù)據
最早提出大數(shù)據時代到來的是麥肯錫，他說：
“數(shù)據，已經滲透到當今每一個行業(yè)和業(yè)務職能領域，成為重要的生產因素。人們對于海量數(shù)據的挖掘和運用，預示著新一波生產率增長和消費者盈余浪潮的到來。”
IBM 最早將大數(shù)據的特征歸納為4個“V”，即：
體量Volume，數(shù)據體量巨大。大數(shù)據的起始計量單位至少是P(1000個T)、E(100萬個T)或Z(10億個T)
多樣Variety，數(shù)據類型繁多。比如，網絡日志、視頻、圖片、地理位置信息等等。
價值Value，價值密度低，商業(yè)價值高。
快速Velocity，處理速度快。這一點也是和傳統(tǒng)的數(shù)據挖掘技術有著本質的不同。
其實這些V并不能真正說清楚大數(shù)據的所有特征，下面這張圖對大數(shù)據的一些相關特性做出了有效的說明。
維克托·邁爾-舍恩伯格在《大數(shù)據時代》一書中舉了百般例證，都是為了說明一個道理
在大數(shù)據時代已經到來的時候要用大數(shù)據思維去發(fā)掘大數(shù)據的潛在價值
書中，作者提及最多的是Google如何利用人們的搜索記錄挖掘數(shù)據二次利用價值，比如預測某地流感爆發(fā)的趨勢;
Amazon如何利用用戶的購買和瀏覽歷史數(shù)據進行有針對性的書籍購買推薦，以此有效提升銷售量;
Farecast如何利用過去十年所有的航線機票價格打折數(shù)據，來預測用戶購買機票的時機是否合適。
書中提到大數(shù)據的核心是預測。有三個思路的轉變：
不是隨機樣本，而是全量數(shù)據;
不是精確性，而是混雜型;
不是因果關系，而是相關關系。
二、現(xiàn)狀分析
根據國家統(tǒng)計局2014年12月16日發(fā)布的《第三次全國經濟普查主要數(shù)據公報》中顯示：
全國共有從事第二產業(yè)和第三產業(yè)活動的法人單位1085.7萬個，占全部企業(yè)法人單位95.6%。從業(yè)人員35602.3萬人，平均每個單位32.8人。
這個數(shù)據說明了中國絕大多數(shù)的企業(yè)都是中小企業(yè)，在這種情況下，有多少企業(yè)有海量數(shù)據呢?
我們換個角度再看看以下數(shù)據，我們搜索一下國內幾個典型客戶的網站排名情況(查詢網站是alexa)。
用友：
東軟：
綠盟：
從中可以看出用友的PV最大，也就是一天75000個，一年的數(shù)據量也就是2300萬，在加上別的數(shù)據，數(shù)據的量級也就是G級別的，還遠未到T級，更別說P級了。
在這個量級上，一臺好點的 PC Server 就可以處理完成大部分的需求，如果考慮到可靠性最多需要兩臺。
通過上面的分析，我們可以發(fā)現(xiàn)在中國，絕大多數(shù)的公司是沒有太多數(shù)據的。
三、大數(shù)據的核心價值
《大數(shù)據時代》中提到的大數(shù)據的核心價值是預測，但我們提到大數(shù)據時，往往提到的都是大數(shù)據技術，比如Hadoop、Spark、Storm、Hbase、Hive等等，人們對此的討論總是樂此不彼。
但現(xiàn)實的情況往往是數(shù)據只能驗證現(xiàn)在，數(shù)據無法預見未來!
舉個最近的例子：
大數(shù)據告訴我們股市暴跌后必然有反彈。于是6.25大跌后，大家都認為周五必然有一個反彈。結果周五就被*們狠狠的教育了一把。
6.28的雙降(降息，降準)，所有都說周一6.29會上漲，可周一中國的*讓散戶們明白，數(shù)據和經驗只是你的一廂情愿，他不會給你一絲的喘息機會。
一切不以解決業(yè)務為出發(fā)點的技術都是耍流氓，計算機技術的發(fā)展是非常迅速的，往往一個技術可能沒有多長時間就會被淘汰或者升級。
如果沒有業(yè)務場景作為支持，存粹的學習大數(shù)據的技術是沒有太大價值的，筆者崇尚的是學以致用。
因為大腦有個很明顯的特征是健忘，如果用不到，學這些技術過一段時間就會忘記，還不如暫時不學，等后面需要用到的時候在學(原理基礎知識等除外)。
四、數(shù)據真的值錢嗎
很多時候數(shù)據并沒有我們想象的這么值錢，尤其是互聯(lián)網上很容易采集到的數(shù)據，比如：爬蟲這個東西。
我一開始不是太懂，但是花點時間，基本上通了，無論是用Python自己寫一個，還是直接用現(xiàn)成的各種軟件，都是很快就可以部署并開始采集。
中國有大量的程序員，還有的稍微懂點編程的計算機愛好者，另外爬蟲軟件的出現(xiàn)可以讓一個新手隨便花點時間就可以學會采集。所以采集的門檻在降低。
另外，數(shù)據的可復制性導致其廉價，尤其是非結構性的數(shù)據，從現(xiàn)在互聯(lián)網上大量的轉載文章就可以看出知識的傳播復制是非常廉價的。
數(shù)據的利用才是有價值的。比如：
一個老板，他每天看幾十個零散數(shù)據放到他面前，但是卻沒有把行為數(shù)據和商業(yè)數(shù)據的關系告訴他，有什么用呢?
一個公司CEO，每天看到幾十個數(shù)據，什么PV、PU、UV等等是沒有意義的。
對于他們來說，只需要知道有問題嗎?問題是什么?有新的發(fā)現(xiàn)嗎?需要做什么?這就行了。
五、大數(shù)據的泡沫
伯克利的Jordan教授給出了答案，他是機器學習世界范圍內最被尊敬的專家之一(下面的翻譯來自知乎上的作者Quinn Sure)。
目前的大數(shù)據給出的結果可靠性太低，如果急于應用到實際中，就好比是土木工程都沒學好就開始造橋，結果只能造出“*工程”。
一大波“false positive”(假陽性)正在接近，因為數(shù)據增長的速度不夠支撐我們把大數(shù)據到處亂用的欲望。作為一個科學，不夠嚴謹(原文是“沒有error bar”)。
不像造橋的土木工程，經過多年的積累，明確地能告訴我們什么樣的情況可以造，什么不可以。而大數(shù)據沒有。
目前在computer vision領域進展還很小，只能在非常有限的范圍內識別，比如人臉識別這樣非常具體的引用(雖然這個不是直接說大數(shù)據，但是可以看出，作者認為真正做到萬物都sensor還很遠，大數(shù)據的采集能力終究還是有限的)
neural network根本和人腦的neural network不是一回兒事，我們對大腦的理解根本沒到可以引用到計算機科學的程度。
現(xiàn)在deep learning所采用的back propagation技巧，明顯不是大腦的運作方式，network的結構都完全不同，什么對數(shù)據的模糊性處理已經達到人腦的境界云云，主要是媒體扯談。
對他觀點的總結：
有些媒體為了讓公眾容易理解，打了些比方，但是這種比方造成了太多誤解，進而造成了太多hype(夸張的大肆宣傳)。
大數(shù)據還是一個沒有足夠嚴謹程度的科學，可能有一定的概率做出一些有用的預測，但是使用不當，過分過早地依賴，則會造成災難性的后果。
很多時候大家過早對一個技術爆發(fā)熱情，寄希望它可以改變世界，如果短時間沒有成果，有可能熱情一下子轉冷又覺得這是個錯誤，加速抽離給這個技術的資源。
顯然Michael很擔心現(xiàn)在公眾對這個技術的熱情，并不是基于對這個技術的理解，從而有可能會經歷這樣的態(tài)度轉變。但是他認為這個領域是現(xiàn)實存在的，很多重要的應用，假以時日，是會創(chuàng)造價值的。但是現(xiàn)在很多媒體宣傳，甚至投資行為，都是泡沫。
六、從小數(shù)據開始
那怎么做的呢?
從小數(shù)據開始，小數(shù)據就是個體化的數(shù)據，是我們每個個體或組織的數(shù)字化信息。
比如我天天都喝一兩酒，突然有天喝完酒了胃疼，我就想了，這天和之前有何不同?原來，這天喝的酒是個新牌子，可能就是喝了這個新牌子的酒讓我胃疼。
這就是我生活中的“小數(shù)據”，它不比大數(shù)據那樣浩瀚繁雜，卻對我自己至關重要。
現(xiàn)在很多企業(yè)面臨的最大問題不是怎么用大數(shù)據，而是小數(shù)據都沒用好的情況下怎么用大數(shù)據。
大數(shù)據應該是從小數(shù)據逐漸演變上去的，是一個正常的生態(tài)，而不是瞬間變化的。
首先，要了解自己的企業(yè)，自己所在的行業(yè)的核心是什么。有很多企業(yè)在競爭的過程中，最終不是被現(xiàn)在的競爭對手打敗，而是被很多不是你的競爭對手所打敗。
很簡單的一個例子，大家都認為亞馬遜是做電商的，但這是錯的，它現(xiàn)在最主要的收入來自于云服務。
所以要找到企業(yè)的核心數(shù)據，這個是最關鍵的。只有在這個基礎上，利用分析好這些數(shù)據，然后在做一些延伸。
其次，再找與內部相關的一些數(shù)據，去慢慢地成長它。有點像滾雪球，第一層是核心，第二層是外圍相關的數(shù)據。第三層是外部機構的一些結構化數(shù)據。第四層是社會化的，以及各種現(xiàn)在所謂的非結構化的數(shù)據。
這幾層要一層一層地找到它，而且要找到與自己相關的有價值的東西。這樣你的數(shù)據才能利用起來。
更多內容請關注微信公眾號：secisland,產品QQ*流：317896151
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
