这是最好的时代，也是最坏的时代，让我们拥抱大数据时代。----题记
这几天拜读了维克托·迈尔的《大数据时代》，感慨颇多，技术引领我们进入数据时代。数据存储、分析能力的提高大大改变，基于大数据的分析结果已经完完全全改变了我们的生活，如便捷的翻译、便捷的输入、新产品的推荐等。大数据已经成为学术界、业界关心的热切关心的问题，大数据时代的技术模式、管理模式都尚且未知。本文在梳理大数据的学术研究脉络的基础上，分析大数据和云计算的关系，大数据内涵及与信息技术发展的关系，并尝试对大数据在学术界和业界的发展进行预测。
实验室今年申请的自科基金，或多或少与大数据相关，虽然从技术角度刻意削弱了大数据的内涵，但是从评审意见看出大数据作为亮点被指出，说明学术界对大数据的重视。大数据虽然在互联网行业中如火如荼的被讨论着，基于笔者的既有知识，大数据原本是描述生物学领域下对于基因序列检测所获取的大量的、高速数据，《Nature》在08年发表专刊对大数据进行讨论，而Lynch则从高校科研数据管理中提出科学数据是大数据的一种，提出了数据价值的时间耗散现象。由此看书，大数据起于生物科学，而兴于互联网。无论是Google，还是亚马逊，都记录了大量广大网民日常行为，构成大量数据。对于大数据应用的文章，<哈佛商业评论>上的文章为大数据的商业变革进行了深入分析，认为大数据将互联网的个性化商业服务向个人化推送，企业将能更有效的刻画用户偏好，为客户管理管理、产品推荐都提供较好的数据支撑。然而，就目前为止，学术上对大数据的研究更多停留在定性分析角度，尚且缺乏实证和计算科学上的研究，大数据的关键属性尚未可知，笔者认为学术界满意开展对大数据的研究原因有二：首先，满足大数据的特性的数据集难以获取，既有定量研究都是基于样本数据;然而，学术界实验的计算能力不够，面向大数据的算法以及应用更多出于企业摸索阶段。《大数据时代》给出的多个案例都证明了大数据的可用性，但是这些案例也都是利用大数据去解释企业行为及得到的效果，直接基于大数据概念下的应用尚未可见，其根本原因是满意界定何为大数据。笔者较为同意维克多在《大数据时代》的定义，大数据不在于数据之大，而在数据的总体，其本质在于利用数据总体而非数据样本去分析数据。大数据带来三个方面的改变：追求总体数据、追求相关关系而非因果关系、追求混杂行而非精确性。对于大数据特征的分析，笔者非常同意清华大学陈国青教授提出的4V，规模巨大(Volumn)，形式多样(vary)，高速产生(V??),以及潜在价值(Value).大数据提供了从个人化层次以及宏观层次两个层面的数据描述。
笔者认为大数据是对云计算的延伸，云计算是大数据简单地应用，前几天关于云计算的多见于云存储以及云音乐等简单应用，但云计算为大数据准备好了技术，实现数据统一，数据共享，而大数据是云计算的进一步延伸，更加关注数据分析技术和数据应用思维。笔者同意《大数据时代》中认为大数据是数据、技术和思维三国鼎立的时代，而大数据时代催生出新的商业模式，数据拥有者、数据中间商等成为新的商业宠儿，对商业模式的巨大冲击，利用大数据预测消费者行为都是大数据的商业内涵，企业有机会更为准确的服务消费者。虽然《大数据时代》提出相关关系在大数据的重要性，但将相关关系至于大数据内涵尚需要深入分析，笔者认为因果关系仍然处于数据分析的核心，大数据概莫如是，原因有二：相关关系的本质是因果关系链;二，人类的逻辑推理能力是基于因果关系的积累，而非相关关系的发现。当然，书中对于是什么的观点无可厚非，问题解决只需要知道是什么即可，对于为什么可以因为效率而暂放一边，但是因此放弃因果关系还是不妥当。
由《大数据时代》，大数据的发展的关键在两个方面：首先是数据的获取，如何合理、有效、快捷、有柔性的获取支持现在以及未来大数据分析的数据集仍然是问题，其中包括，数据获取的合法性以及数据设计问题，获取之后的存储相信在存储成本下降，非关系型存储技术的发展将不是问题。然后是大数据的分析问题，有效的分析技术仍然是大数据应用的关键，虽然google利用检索词预测流感爆发是大数据的成功应用，但是通用的分析技术，降低分析硬件需求仍然值得讨论，SaaS可能是解决这一问题的可能渠道，但是如何实现数据分析仍然是个问题，现有MapReduce，hadoop等系统本质上是治标不治本，大数据碎片化的过程中必然数据大量数据关联。笔者认为大数据分析技术的关键在于如何将现有分析技术应用在大数据集，使之能够处理大数据。而《大数据时代》中提出的简单算法在大数据集下显示出比复杂算法较优的效果的现象，笔者更多认为是复杂算法在现有硬件条件下无法有效进行计算，信息技术的发展必然要解决这个问题。
最后，推荐《黑镜》给大家去看，这里有对于大数据道德的深入思考，不再赘述。
您可能还喜欢：《大数据时代》免费点击下载([英]维克托·迈尔-舍恩伯格）
