谢文：大数据概念混乱 未来或将卷入混战

10月24日消息，今天，“中国TMT国际商会月度英雄汇”在北京召开。知名IT评论人、前雅虎中国总经理谢文(微博)在会上表示，现在人们对于大数据的认识有很多误区，今年甚至是接下来的两三年，大数据将会卷入一种混战。

谢文认为，现在业内针对大数据的概念主要有三种看法：一种认为大数据是过去时，因为大数据古已有之，在物理学、生物学、医药业等领域已经搞了几十年了；第二种是完成时，因为有些公司已经声称，能够提供从硬件到软件再到方法的完整大数据解决方案；第三种是进行时，因为也有很多互联网公司正在加大投入，在数据获取、存储、整合、挖掘等方面发奋努力。谢文则把大数据定义成为未知，作为努力的方向，作为未来讨论的一种概念。

谢文表示，人们在大数据的认识上有几个误区。第一，只是从量上说，光看到数据的增长，没法说清楚普通数据和大数据的区别。数据大绝对不等于大数据。现有的设备、技术方法所能处理的多数是数据大，不是大数据。数据挖掘、精细化运营、精准广告、个性化服务、推广这些不是未来大数据服务商业模式的主要部分。第二，脱离产业发展和社会进步的大背景，单纯地鼓励讨论大数据无法说明其重要性。把大数据这个事情作为技术问题来探讨，很难证明他有投资价值。

谢文称，实现数据的标准化、开放化和通用化，关键在于如何冲破个人隐私、商业利益、行业垄断的限制，实现数据的低成本、高效率、大规模的聚集和整合，而像中国电信(微博)、中国联通(微博)这个级别的公司，必须要扮演相当的角色才有机会。

谢文最后表示，2013年是大数据时代元年。2015年左右大数据必有大创新出现，2020年前后必有大成功公司上市。

以下是知名IT评论人、前雅虎中国总经理谢文演讲实录：

感谢大家，我从大概过去半年左右时间写了十篇关于大数据的文章，杂志上也有，这只是出于我的嗜好，关于互联网，关于大数据的发展。没想到这次的反响远远高于以往的经历，2005年开始我推Web2.0的概念，后来一理就大发了，就乱套了。后来我卷入关于什么是新媒体的争论，最后我得罪了大量传统媒体的朋友。应该说大数据这个概念开始出来，但是从我最近这一段常常被各种机构、各种部门、企业叫去参加会，参加演讲，最重要的困惑就是大家对大数据有兴趣。一张嘴，南辕北辙，完全不在一个兴趣点，完全不在一个点上。所以我想站在互联网发展的历史，和投资的角度向各位介绍一下我想理解的真的大数据，或者半真半假，或者是大数据的环节，或者是假的大数据。

在互联网在中国开始初期，1999年到2010年我管它叫做互联网争论，1999年参加券商和投资金融的会，当时有人能一口数出中国有80个是互联网概念股，非常吓人，其结果不言自鸣。2003年到2005年是互联网真正见真钱的时候，靠电信公司的宽大政策，我们大家都活下来了。但是当时ISP这个概念下，鱼龙混杂，最终混了这个行当，也是概念上的混乱。2007年到2009年是WEB2.0，最后尘埃落定，中国竟然没有一家像Facebook的公司能够脱颖而出。我早期做的校内，现在流量排第12，其实后面还有关于真假新媒体，真假电子商务，去年、今年、现在余震未平，大概上万个团购投了前后二三十亿，现在一地鸡毛，所以我觉得今年，包括下面两三年大数据会卷入一种混战。

因为我们无论从投资者、创业者、经营者还是媒体推波助澜，大家喜欢看宏观、微观、局部，这是好事，怕的是你摸着石头过河，一路摸下去，越摸越惨。讨论大数据用的“时”还是不一样的。

一种认为大数据是过去时，大数据古已有之，在物理学、生物学、医药业等领域已经搞了几十年了。这个概念本身听着就悬乎，大数据，形容词，不是严格的定义，喜欢说过去时的多数是学术界的人，知识界、学术界，他们有纯粹的讨论数据大的怎么办？

另一种认为大数据是完成时，“我们能够提供从硬件到软件再到方法的完整大数据解决方案”，他说随便来，我早准备好了，你提供钱就是。我不是说这个路就错了。或者我讨论问题也是这么讨论，我从来不把创新和技术障碍作为前提放在前面，我假定技术条件是具备的，我们回想几次互联网大创新，技术条件都在那。那么多互联网公司只有你有好主意，他们一定能跟上。

还有一种认为是进行时的。“我们正在加大投入，在数据获取、存储、整合、挖掘等方面发奋努力”，说这种话的都是互联网公司，或者电信公司，他的意思是这点事尽在囊中。这些都是互联网公司的，但是这三种我个人都是不同意的，我使用的是将来时代，大数据不仅是网络业的未来，而且是整个社会和经济发展的未来，现在应该开始讨论、研究、尝试这个方向的问题了。

我就把它作为未知，作为努力的方向，作为未来来讨论的。我不敢绝对的说我是对的其他三位是错的，但是相互之间有关系，我个人认为至少过去是完成时肯定是错的。我们TMT商会不会考古为兴趣，不是以研究历史为兴趣，我们是研究未来的。

还有一个观察点是讨论大数据的时点，这是我们在第三篇文章里面讲过的，非常巧合，1996年雅虎上市，2004年谷歌(微博)上市，2012年Facebook上市，间隔都是八年。雅虎在我看来解决的网页聚合问题，漫山遍野的网页，他想到了一个办法，门户解决方案可以分门别类，你就不用去找了，靠我们的专家队伍把它编辑成为一种分门别类的，无所不包的门户，这个时代回过头去，我把它叫做Weo1.0时代，到谷歌，他说我管你什么网页，我把它细分一个层次，直接抓主题词，把主题词按照一种算法，聚合起来，让人们高效的获取，这个比网页聚合的方式高效得多，但是从本质上是和网页是一样，从内容方面找路子。所以叫做WEB1.5。FackBook就换了一个角度，叫使用者聚合，从获取者角度搞联系，搞关系，按照信息真实的传播渠道找出路，这是就是我称之为WEB2.0，它又代表了一个时代。是不是再过八年，我现在基本肯定，我们将进入下一个阶段讲话数据聚合，我从数据入手就可以把已经在网上的东西，包括比如物质的东西，世界上的万事万物都可以数据化，我们把它弄起来，我认为下一个大创新应该是这样。另外，2008年的经济大危机，现在回想起来正好是FackBook创造了平台分离，应用平台。是不是预示着现在大家做常规性的小动作肯定不是好时机了？而想办法参与目前一次大创新才是生路，所以我觉得最近讨论大数据很热，各行各业的人都来了，甚至*里面的人都很关注。最近汪洋同志都推进了一本书叫做大数据，是不是反映了正好到的时代，要搞一个大创新。

1996年雅虎上市的时候，谷歌还没成立，谷歌上市的时候FackBook还没有成立，所以我们可以推测FackBook今年上市了，带领大数据创新的公司还没有成立。

什么不是大数据？我可以斩钉截铁的说，数据大不等于大数据，大多数人把数据大称之为大数据，过去多少K，后来多少兆，现在用T了。人家早等着呢，后面还有20多个名字呢，这种简单的数量的增长真的是量变和质变吗？量本身有差距吗？现有的设备、技术方法所能处理的多数是数据大，不是大数据。数据挖掘、精细化运营、精准广告、个性化服务、推广这些不是未来大数据服务商业模式的主要部分。你可以想像他做的精细化运营的成本，大概其能够抵消精细化营销的收入，基本上是零。不会产生推倒重来，重新玩的效果。这是现在最常见的大数据定义，三V定义，多样性、体量、速度。我按照那个逻辑先给一个操作化定义，比如说多样性，什么叫做多样性，姓名、身高，这是描述一个人不断的精细化而已，多不是多样，所以我说第一个数据来源多样，刚才我们领导也专门讲过这个问题。大数据必然是开放式的，必然是公共的。一家公司不管多大，我们腾讯算中国最大的，你还得知道，他的数据有相当的同质性。有相当的局限性，有相当一个角度下的介入，如果跨出去会好很多，比如说腾讯和百度，现在两大公司，咱们两家公司数据百分之百兑换、共享，那就有意思了。

现在美国*搞的开放政策联盟，40几个国家了，美国和英国非常有意思，他都反映了只有我们在现实世界打不破的界限，在数据层面我们打破了。大的数据来源才可能多样性，我后面会仔细讲这件事情，数据种类的多样性，数据形式在变，有文字、语音、图表、图片、视频，信息和数据是有差别的，有定义的信息是数据，但是有相当我们现在不可解的东西，不能称之为数据，只是信息而已。数据对象的多样性，个人信息、个人数据，商业服务数据，社会公共数据，还有自然界的，物质世界的数据，只有考察多样性是从这个意义上理解，而不是自己一家一户的事越捣越细，这个数据才有生命性。大数据的多样性越高，潜在的价值就越大。

体量很简单，我们现在讨论大数据，起码是以TB为基本计量单位，我在美国上学的时候，打工、吃饭做数据分析，那个时候基本上一个T就束手无措了，现在TB是一个可以做的，成本也不是那么高，现有很多厂商都有解决方案了，是不是再过一段要PB，说不定。现在你看FackBook一张嘴就说每天500B的数据，谷歌说我是三个P的数据，就是体量的概念。还有一个概念我是很看重的，数据之间的关系和复杂性，这种极其复杂的做建模的，做数据挖掘的应该有体会，有一阵子谷歌找我希望我去，当时2008年底，他们的模型是模型群了，大模型矩阵，62000个，之间的关系可以任意，张三、李四建无数的模，这个概念应该放在体量的概念上，关系复杂性这个也放在体量之下。大数据体量越大，潜在的价值越大。

还有一个所有速度，我写的两篇都用到摩尔定律，其实摩尔定律在大数据上仍然有效，一个方向是数据种类每年翻番，数据体量每年翻番。后面基本上就是摩尔定律的变种了，单位数据获取的成本每年减半，单位数据每年存储的成本每年减半，单位数据利用的成本每年减半，如果那边也翻番，成本也翻番，那个是不可能的。大数据增长速度越高，潜在价值就越大。

大数据认识有几个误区，第一个只是从量上说，你看数据增长了，这样说你是没法划线的，没法说清楚普通数据和大数据的区别哪，一个T和一个P数据本质有什么差别？仅仅因为大？惠普说没有问题，我这出了一个P和一个T一样，解决了。

脱离产业发展和社会进步的大背景，鼓励讨论大数据无法说明其重要性。只要你干这件事，技术作为已知，总有人给你找到办法，隐私权啊，算法啊，都有办法，一定有办法。把大数据这个事情作为技术问题来探讨，很难证明他有投资价值，我们互联网历史上第一波的明星，北电他们，即使活着的公司，现在比不上真正挖金子的。所以不能脱离产业发展，不能脱离社会进步，尤其是这次大数据有点像互联网刚开始，互联网很多年了，互联真正启动是戈尔带头，去年出了大数据国家战略，美国*带头他先搞，凡是用了联邦*一分钱的，单位必须公布你的数据，推广到所有的发达国家，现在推广到相当一部分不发达国家，肯尼亚、菲律宾这样的国家都开始搞这一套，所以我们必须开始考虑大数据背后的社会、经济、广义的利益。啊

只能看到现有产品和服务的改进和完善前景，看不到产业创新的价值链重组的巨大空间。需要重新定义大数据，我不说我是正确版本，但是我这是一个方向。这是互联网服务发展历史上，什么叫做虚假大数据，一维数据都是我们现有技术和现有能力看到的，没什么讨论的，一个G和一个T，一个P、一个Z是一回事，只要你肯放钱都有招，但是增值的前景也极其有限，只是精细化而已。个人数据方面，历史上第一批互联网的服务，Email、博客、照片、行为用户都是围绕着你的用户搞起来的用户之间的事，好像到现在还没有哪一个有商业模式。

物质世界的比如商品，比如地理信息，比如自然的，像美国*花了很多钱搞传感器，可以预知海浪的东西，这些都是对自然的探索，获取自然的数据，应该说迄今为止，商品不是买商品，一维跟人没关系，比如说慧聪引导商情。这类东西，应该说包括前一段搞定位服务的，大家多找不到北，都是就定位谈定位，没有商业模式。只有对社会数据，在我们Web1.0时代，比如法律的、财经、新闻、公共服务，报纸的、媒体，这个东西在互联网产生数据。半真半假的大数据是二类数据，世界两大类信息汇集的时候，互联网业大本世纪以来，我们探索得差不多就是这个事，一维上找不到钱，我们试试别的看法，比如说个人和人会，现在微博电子，网络游戏，甚至搜索，都是社会、个人。比如说搜索凭什么是社会和个人，你想象它的算法就知道了。它是根据一个主题词在某种网页上的权重怎么来的，是根据社会集成数据来的，建立了关系，建立了复杂度，产生了商业模式，同样个人数据和社会数据的结合，产生的微博、电子政务、网络游戏。个人被定了，物理的被捆死了。物质世界和社会数据，像天气预报，像我们前一段时间比较红的物联网、地图服务，我说地图服务就是到谷歌地图级别的服务，这些东西使得互联网到今天是一个朝气蓬勃，相当有杀伤力的。

到现在为止这类东西也扯不上大数据，现在做得挺好，所以它应该说半真半假，它的规模加大了以后也有很多东西和挑战，但是它仍然是现在思考范围内可以做大的。真正的的数据是三维数据，个人数据、社会工具、物质世界数据三者结合在一起。这里面马马虎虎有这个意思，比如说FackBook，FackBook是人，但是他可以高度的互动，形成群组，形成公共空间，获取媒体，他的应用层次可以放入大量物质世界的服务，人、社会、物质有可能联系，移动终端是有机会的，因为移动终端说穿了和我们过去的台式终端就几个差别，第一个人化，第二多了一个定位，固定的东西无所谓定位，第三屏幕小了，屏幕小了需要你把提供的信息精致华、个人化，小的地方才可以容纳它。然后就是谷歌街景DATA.GOV。大数据概念定义：大数据是以TB为基本计量单位的且以年增长量至少翻番的互联网动态三维数据，这三维是个人、社会和物质世界。

回到具体的话，在我看来获取信息的前端不是难点，我们现在有无数各种各样的，花样繁出的东西获取终端，包括传感器，包括苹果又出了新的东西，谷歌也出眼镜了，所以，获取信息的手段、技术方面是一条坦途，后台我个人也认为没有什么了不起的挑战，比如说云计算，数据库技术，各种软件和算法，我觉得都是积累的过程，改进的过程。那么多终端在什么平台上能够汇在一起，变成有序的格式化、公式化类的东西，数据的标准化、开放化和通用化，现在大家都说标准难，但是标准过去真难的是开放和通用，如何冲破个人隐私、商业利益、行业垄断的限制，实现数据的低成本、高效率、大规模的聚集和整合。像电信、联通这个级别的公司，必须要扮演相当的角色才有机会。

问：我们非常赞同你第一个说法，但是苹果所做的恰恰是跟这三个反着来的，但是却得到的巨大的成功。

谢文：这是发展中的现象，乔布斯知道开放通用更好，但是打仗在某一个阶段可能要做封闭，我变成中心以后才开放，这是战术级的，不是原则性的。

如何从现有商业模式的改良和运营精细化转化为商业模式的创新，凡是在以上三个方面具有创新想法和实施能力的公司都有投资价值，如历史上的谷歌、苹果、亚马逊和FackBook。

最后我想举几个我觉得特像大数据，目前我看到的例子，我觉得他跟我定义的大数据有点像。美国宾夕法尼亚大学宣布用改进的3D打印出了鲜肉，这种利用糖、蛋白质、脂肪、肌肉细胞等原材料打印出的肉具有和真正的肉类相似的口感和纹理。这是英国每日邮报报道的。

既然食品可以数据化生产，还有什么不能？大数据的边界被扩大了，主角未必是网络公司。现在有，但是我们用的是其他词，我出来之前还有一个北航版，激光金属熔化精密制造，就是把金属粉打飞机部件，高度复杂，3D打印这个词很俗，但是现在就是这个意思，物质变数据，数据变物质，这是巨大的互联网公司应该彻底把边界打开，在制造成本降低后，大规模推广仍然需要依托互联网进行。比如说我们散会，或者将来有一个服务在这，你拿你的iPhone定一个鱼香肉丝，你家里的打印机就给你打，你回家就吃。传统零售业会消失吗？

大数据雏形的第二个例子，一家名为气侯公司的创业企业，每天都会对美国境内超过100万个地点，未来两年的天气情况进行超过1万次的模拟。随后该公司将根系结构和土壤孔隙度的相关数据，与模拟结果相结合，为成千上万的农民提供农作物保险。这是一个全新的商业模式，他把一桶或者切块的，粗矿式的商业保险个性化了，同时他利用了人、社会、自然三种数据。他需要利用自然的、商业的、个人的、公共的数据，他租房亚马逊的公共云，他自己估算自己建一套是800万的开支，对刚创业的公司肯定是公共云更核算，这就代表了大数据未来的方向，包括操作、产业生态、商业模式和创新的空间，我个人最喜欢的是这个，肉的那个东西稍微有定耸人听闻，弄得再像你敢吃吗？

第三个例子，美国南加大教授成功地在26小时内使用龙门吊式专业3D打印机打出一所可以居住的独立住宅，包括水电管线和内外部基本装修。房屋强度是传统方式的8倍，建造成本是传统方式的60%。既然房屋可以数据建造，还有什么不能？我们听说空客2015年要全面打印出一架飞机，现在空客上12%内部的零件是打印出来的，这已经是现实，不是未来的。远距离个性化设计，无数参考模型，所见即所得。你完全可以进行个性化服务，降低建筑业专业门槛，特别是老板头疼的打破工会的垄断。这是第三个例证。

我希望大家讨论大数据的时候，不要就我们已经干过的，或者被外界认为互联网业或者电信业应该干的事拘束，我就管他叫做大数据时代。这个数据下一个可能是货币，再往下可能是具体化的商品，货币是一次抽象，没有什么东西是不可数据化的。现在人们努力，世界正在以更高的速度变成数字化的地球，古代的宗教说万物有灵论。现在我们修改一下叫做，万物有数据。

我知道给我的名单上都是投资的，我扇忽一下，2013年是大数据时代元年。2015年左右大数据必有大创新出现，2020年前后必有大成功公司上市。忽悠完了，谢谢。