大資料價值：決策支援系統

2012年秋天，全球廣告巨頭WPP集團首席執行官蘇銘天爵士約訪谷歌首席執行官拉裡·佩奇時，佩奇派出無人駕駛汽車去接他。 這是一輛集大量高科技設備、自動駕駛的雷克薩斯SUV汽車，車上配有雷達、感應器和每秒可測量超過150萬次的鐳射掃描器。 它自助行進了20分鐘，駛過280號州際公里和繁忙的85號州公路。 汽車通過自動駕駛儀進行自動巡航，自行校正路線，在前方出現車輛和行人時減速，然後又加速駛出臨近車輛的盲區，最後來到距谷歌公司約32公里外的瑰麗酒店。 （根據《財富》中文版2013年3月號整理）

這是谷歌正在研發的一種未來交通工具。 這種無人駕駛汽車不僅借助對路況歷史和即時的計算智慧地制動、並線和超車，而且做到了節約能源（因為它使交通的運行更暢通）、提高生產力（可以減少數小時通勤時間用於其他事務）。 在你到達目的地之後，汽車甚至可以自動駛向通過大資料導航的停車位。 如果你還需要出行，只需借助手機等移動終端就能指揮汽車達到預定地點。

這就是大資料的神奇之處。 通過對過去和現在的資料進行分析，它能夠精確預測未來；通過對組織內部的和外部的資料整合，它能夠洞察事物之間的相關關係；通過對海量資料的挖掘，它能夠代替人腦，承擔起社會管理的職責。

社會化決策的智慧寶藏

2007年，諾貝爾獎獲得者吉姆·格雷提到，資料密集型科學正在從計算科學中分離出來，成為科學研究的第四范式。 而此時，一切跨國企業已經關注到資料密集型科學的到來。 比如，微軟研究院出版了《第四范式：資料密集型科學發現》一書，並延伸出「用海量資料重新定義生態科學」、「讓我們更接近太空：海量資料中的發現」、「地球科學的研究工具：下一代感應器網路和環境科學」等相關科研課題。

像經典力學、量子力學和計算科學一樣，資料密集型科學必將影響到社會科學研究方式。 《大資料時代：生活、工作與思維的大變革》提出了相關關係的大資料思維。 即人們可以駕馭所有資料，而不是僅僅抽取小樣本；人們可以挖掘更具混雜性的資料，而不用苛求資料的精准性；人們只需知道「知其然」的相關關係，而不需深究「知其所以然」的因果關係。

科研范式的轉變最終回饋到人們思維模式和決策模式的轉變。 谷歌的無人駕駛汽車就是基於大資料的分析，借助計算技術和人工智慧實現了交通引導和控制功能。 通過無處不在的計算和感應器，大資料能夠解析存在於現實世界、虛擬世界以及虛實融合世界的複雜網路關係，並適時做出判斷和決策。 這種決策模式遵循資料轉變為資訊、資訊轉變為知識、知識湧現出智慧的流程。 區別于此前專家、精英、權威主導的戰略決策，大資料決策讓行業專家和技術專家的光芒因為統計學家和資料分析家的出現而變暗淡，一個非線性的、去中心化的、自下而上的、發現群體智慧的決策模式逐步成型。

大資料所具有的在區域之間、行業之間和企業部門之間的穿透性，正在顛覆傳統的、線性的、自上而下的精英決策模型，正在形成非線性的、面向不確定性的、自下而上的決策基礎。

非競爭性生產要素

在人們熱炒大資料的時候，合作型消費或分享型經濟正在興起。 分享型經濟是社交網路、移動互聯網和節約型社會建設等共同作用的結果，也是大資料在現實生活中、分散式共用中的典型應用。 分享型經濟和大資料應用的交互關係，揭示出大資料的三個屬性。

一是生產要素屬性。 對於谷歌、亞馬遜這樣的大資料掌控公司而言，資料已經被視為一種新的生產要素，不僅決定著其銷量和個人化服務，也回饋到生產和研發環節，形成更加精准的供應鏈管理機制。 作為大資料技術公司，IBM將大資料的生產要素功能概括為留住客戶、IT與業務融合、財務流程轉型、風險預測與規避等四個方面。

二是資料的恒溫性。 儘管IBM將真實性和準確性（Veracity）視為大資料的第4個V，微軟、Oracle等大資料技術公司都將資料清洗作為大資料分析的重要一步，甚至Teradata推出了多溫度的資料管理技術， 但是借助過去和現在的資料來預測未來的特性，讓大資料的取捨甚是艱難。

三是價值潛在性。 不同于物質性資源，大資料的價值不會隨著它的被使用而減少，而是可以不斷被處理，不斷被發現新的價值。 這就產生的新的問題，資料擁有者可能借助傳統的資料採礦方法，實現了大資料的第一次價值釋放，而價值鏈上諸多非擁有者，可能通過重組資料和擴展資料，挖掘出二次乃至多次價值。

總之，以分散式、交互性為特徵的大資料呈現出明顯的「非競爭性」資源的特徵，更多的資料整合方式、更開放的資料共用平臺，才有利於資料潛在價值的發掘。

(責任編輯：呂光)