真假大資料（一）

10月24日，中國TMT國際商會在北京華彬中心舉辦了一場主題為「大資料  大影響」的論壇，會上知名IT評論人謝文就當前熱炒的大資料話題，做了精彩演講，引起全場熱烈反應。 中國寬頻產業基金董事長對此現場點評到，「這是我半年來聽到最好的關於大資料的演講」。 中雲網特將演講整理，全文如下：

知名IT評論人謝文

我從大概過去半年左右時間寫了十篇關於大資料的文章，雜誌上也發表了，這只是出於我的嗜好，關於互聯網，關於大資料的發展，沒想到這次的反響遠遠高於以往的經歷。 應該說大資料這個概念剛開始出來，但是從我最近這一段常常被各種機構、各種部門、企業叫去參會，做演講，最重要的困惑就是大家對大資料都有興趣。 一張嘴，南轅北轍，完全不在一個興趣點上。 所以我想站在互聯網發展的歷史，和投資的角度向各位介紹一下我想理解的真的大資料，或者半真半假，或者是大資料的環節，或者是假的大資料。

在互聯網在中國開始初期，1999年到2010年我管它叫做互聯網爭論，1999年參加券商和投資領域的會，當時有人能一口數出中國有80個是互聯網概念股，非常嚇人，其結果不言自明。 2003年到2005年是互聯網真正見真錢的時候，靠電信公司的寬大政策，我們大家都活下來了。 但是當時ISP這個概念下，魚龍混雜，最終混亂了這個行當，也是概念上的混亂。 2007年到2009年是WEB2.0，最後塵埃落定，中國竟然沒有一家像Facebook的公司能夠脫穎而出，我早期做的校內，現在流量排第12。 其實後面還有關于真假新媒體，真假團購，現在餘震未平，大概上萬個團購投了前後二三十億，現在一地雞毛，所以我覺得今年，包括下面兩三年大資料會捲入一種混戰。

因為我們無論從投資者、創業者、經營者還是媒體推波助瀾，大家喜歡看宏觀、微觀、局部，這是好事，怕的是你摸著石頭過河，一路摸下去，越摸越慘。 討論大資料用的「時態」還是不一樣的，易觀的朋友用的是現代時、更在進行時。 過去時，大資料古已有之，在物理學、生物學、醫藥業等領域已經搞了幾十年了。 這個概念本身聽著就懸乎，大資料，形容詞，不是嚴格的定義，喜歡說過去時的多數是學術界的人，知識界、學術界，他們有純粹的討論資料大的怎麼辦？

完成時的，「我們能夠提供從硬體到軟體再到方法的完整大資料解決方案」他說隨便來，我早準備好了，你提供錢就是，我不是說這個路就錯了。 或者我討論問題也是這麼討論，我從來不把創新和技術障礙作為前提放在前面，我假定技術條件是具備的，我們回想幾次互聯網大創新，技術條件都在那。 那麼多互聯網公司只有你有好主意，他們一定能跟上。

進行時：我們正在加大投入，在資料獲取、存儲、整合、挖掘等方面發奮努力。 說這種話的都是互聯網公司，或者電信公司，他的意思是這點事盡在囊中。 這些都是互聯網公司的，但是這三種我個人都是不同意的，我使用的是將來時，大資料不僅是網路業的未來，而且是整個社會和經濟發展的未來，現在應該開始討論、研究、嘗試這個方向的問題了。

我就把它作為未知，作為努力的方向，作為未來來討論的。 我不敢絕對的說我是對的其他三種是錯的，但是相互之間有關系，我個人認為至少過去是完成時肯定是錯的。 我們TMT商會不會以考古為興趣，不是以研究歷史為興趣，我們是研究未來的。 還有一個觀察點是討論大資料的時點，這是我們在第三篇文章裡面講過的，非常巧合，1996年雅虎上市，2004年谷歌上市，2012年Facebook上市，間隔都是八年。 雅虎在我看來解決的網頁聚合問題，漫山遍野的網頁，他想到了一個辦法，門戶解決方案可以分門別類，你就不用去找了，靠我們的專家隊伍把它編輯成為一種分門別類的，無所不包的門戶，這個時代回過頭去， 我把它叫做Weo1.0時代，到谷歌，他說我管你什麼網頁，我把它細分一個層次，直接抓主題詞，把主題詞按照一種演算法，聚合起來，讓人們高效的獲取，這個比網頁聚合的方式高效得多，但是從本質上是和網頁是一樣，從內容方面找路子。 所以叫做WEB1.5。 FaceBook就換了一個角度，叫消費者聚合，從獲取者角度搞聯繫，搞關係，按照資訊真實的傳播管道找出路，這是就是我稱之為WEB2.0，它又代表了一個時代。 再過八年，我現在基本肯定，我們將進入下一個階段：資料聚合，我從資料入手就可以把已經在網上的東西，包括比如物質的東西，世界上的萬事萬物都可以資料化，我們把它弄起來，我認為下一個大創新應該是這樣。 另外，2008年的經濟大危機，現在回想起來正好是FackBook創造了平臺分離，應用平臺。 是不是預示著現在大家做常規性的小動作肯定不是好時機了？ 而想辦法參與目前一次大創新才是生路，所以我覺得最近討論大資料很熱，各行各業的人都來了，甚至政府高官都很關注。

1996年雅虎上市的時候，谷歌還沒成立，谷歌上市的時候FaceBook還沒有成立，所以我們可以推測FaceBook今年上市了，帶領大資料創新的公司還沒有成立。

演講PPT大資料的創新難點

什麼不是大資料？ 我可以斬釘截鐵的說，資料大不等於大資料，大多數人把資料大稱之為大資料，過去多少K，後來多少兆，現在用T了。 人家早等著呢，後面還有20多個名字呢，這種簡單的數量的增長真的是量變和質變嗎？ 量本身有差距嗎？ 現有的設備、技術方法所能處理的多數是資料大，不是大資料。 資料採礦、精細化運營、精准廣告、個人化服務、推廣這些不是未來大資料服務商業模式的主要部分。 你可以想像他做的精細化運營的成本，大概能夠抵消精細化行銷的收入，基本上是零。 不會產生推倒重來，重新玩的效果。 這是現在最常見的大資料定義，三V定義，多樣性、體量、速度。 我按照那個邏輯先給一個操作化定義，比如說多樣性，什麼叫做多樣性，姓名、身高，這是不斷描述一個人的精細化而已，「多」不是多樣，所以我說第一個資料來源多樣，剛才我們領導也專門講過這個問題。 大資料必然是開放式的，必然是公共的。 一家公司不管多大，我們騰訊算中國最大的，你還得知道，他的資料有相當的同質性。 有相當的局限性，有相當一個角度下的介入，如果跨出去會好很多，比如說騰訊和百度，現在兩大公司，你們兩家公司資料百分之百兌換、共用，那就有意思了。

現在美國政府搞的資料開放政策，40幾個國家了，美國和英國非常有意思，都反映了僅自己們在現實世界打不破的界限，在資料層面我們打破了。 大的資料來源才可能多樣性，我後面會仔細講這件事情，資料種類的多樣性，資料形式在變，有文字、語音、圖表、圖片、視頻，資訊和資料是有差別的，有定義的資訊是資料，但是有相當我們現在不可解的東西，不能稱之為資料，只是資訊而已。 資料物件的多樣性，個人資訊、個人資料，商務服務資料，社會公共資料，還有自然界的，物質世界的資料，只有考察多樣性是從這個意義上理解，而不是自己一家一戶的事越搗越細，這個資料才有生命性。 大資料的多樣性越高，潛在的價值就越大。

體量很簡單，我們現在討論大資料，起碼是以TB為基本計量單位，我在美國上學的時候，打工、吃飯做資料分析，那個時候基本上一個G就束手無策了，現在TB是一個可以做的，成本也不是那麼高，現有很多廠商都有解決方案了， 是不是再過一段要PB，說不定。 現在你看FaceBook一張嘴就說每天500T的資料，谷歌說我是三個P的資料，就是體量的概念。 還有一個概念我是很看重的，資料之間的關係和複雜性，這種極其複雜的做建模的，做資料採礦的應該有體會，有一陣子谷歌找我希望我去，當時2008年底，他們的模型是模型群了，大模型矩陣，62000個，之間可以任意聯繫，張三、 李四建無數的模，這個概念應該放在體量的概念上，關係複雜性這個也放在體量之下。 大資料體量越大，潛在的價值越大。

還有一個速度，我寫的兩篇都用到摩爾定律，其實摩爾定律在大資料上仍然有效，一個方向是資料種類每年翻番，資料體量每年翻番。 後面基本上就是摩爾定律的變種了，單位資料獲取的成本每年減半，單位資料每年存儲的成本每年減半，單位資料利用的成本每年減半，如果那邊也翻番，成本也翻番，那個是不可能的。 大資料增長速度越高，潛在價值就越大。

大資料認識有幾個誤區，第一個只是從量上說，你看資料增長了，這樣說你是沒法劃線的，沒法說清楚普通資料和大資料的區別哪，一個T和一個P資料本質有什麼差別？ 僅僅因為大？ 惠普說沒有問題，我這出了一個P和一個T一樣，解決了。

脫離產業發展和社會進步的大背景，討論大資料無法說明其重要性。 只要你幹這件事，技術可以作為已知，總有人給你找到辦法，隱私權啊，演算法啊，一定有辦法。 把大資料這個事情作為技術問題來探討，很難證明它有投資價值。 我們互聯網歷史上第一波的明星，即使現在活著的公司，也比不上真正挖金子的。 所以不能脫離產業發展，不能脫離社會進步，尤其是這次大資料有點像互聯網剛開始，互聯網很多年了，互聯真正啟動是美國戈爾帶頭。 去年美國政府出了大資料國家戰略，美國政府帶頭先搞，凡是用了聯邦政府一分錢的，單位必須公佈資料，推廣到所有的發達國家，現在推廣到相當一部分不發達國家，肯雅、菲律賓這樣的國家都開始搞這一套， 所以我們必須開始考慮大資料背後的社會、經濟、更加廣泛的利益。

(責任編輯：施柏鵬)