大数据时代的好地图

在《大数据时代》中，维克托旨在提醒人们大数据因为被应用而变得有意义，而回到《删除》，他又告诫过犹不及、多未必好的道理。维克托曾经说过“不会过分吹捧大数据”，他的克制与谨慎由此可见一斑。而两本书的关键议题，似乎分别对应了“取”和“舍”。  

书评人 潘乱

这是本真正懂大数据的人写的实实在在的关于大数据方方面面的书。

我拿到这本书的当晚，只看了引言部分，就迫不及待在豆瓣上标记了在读。因为又感受到那种真正的行家出手时才会有的，厚积薄发高屋建瓴势如破竹的快感。我当时便下断言，这本书已经秒杀所有问题。等到第二天我将这本书看完，觉得我前一晚的判断还是正确的。这本书条理分明、详略得当、引述丰富，把大数据梳理得无比清晰，解决了很多困惑我已久的问题。

大数据是2012年TMT圈最时髦概念的排头兵。去年3月腾讯推出QQ圈子，按共同好友的连锁反应摊开你的人际关系网，也许会把你的前女友推荐给老婆，手机游戏愤怒的小鸟年中透露其每天用户登录超过140万次，运营商Rovio每发布一个新的应用，都会立即改变流量，光从体积看，这都是个大数据。今年11月，奥巴马大选连任成功的胜利果实也许要归功于大数据，因为他的竞选团队进行了大规模与深入的数据挖掘；各色媒体、论坛、专家铺天盖地的宣传让人们对大数据时代的来临兴奋不已，无数公司和创业者都纷纷跳进了这个狂欢队伍。几乎每天都能看到有人在谈论大数据，但是大数据却好像成了可以把任何东西都往里面装的框，能真正说清楚大数据是什么的人却不多。

在这大数据方兴未艾、众说纷纭的时刻，这本《大数据时代》的作者，野心勃勃的舍恩伯格将这个问题说清楚了。他不断下定义举例子，给大数据划定疆域与边界，从思维、商业、管理三个维度分析大数据可能给人类带来的变革和挑战，还指出大数据时代处理数据理念上的三大转变：“不要随机样本，而是全体数据”“不是精确性，而是混杂性”“不是因果关系，而是相关关系”。同是大数据行家的译者周涛认为这本书好在三个地方：观点掷地有声、观念高屋建瓴、例子丰富详实。而这三者近乎完美地结合起来，作者驾驭大问题的能力和丰富的知识令人赞叹。

抽样分析是信息收集手段不完善时代的产物，它或许能更快更好地发现问题，但却不能回答事先没考虑过的问题。书中举了大数据与乔布斯癌症治疗的故事，乔布斯是世界上第一个对自身所有DNA和肿瘤DNA进行排序的人，他得到的不是样本，而是包括整个基因的数据文档。由于医生可以按照所有基因按需下药，最终这种方式帮助乔布斯延长了好几年的生命。

大数据时代的另一理念是要效率而非绝对准确，要允许一点点的错误和不完美。谷歌2006年涉足机器翻译，谷歌翻译系统为了训练计算机，会吸收它所能找到的全部翻译。谷歌将语言视为能够判别可能性的数据，而非语言本身。假设你要将中文译作俄语，它可能会选择英语作为中介语言，因为在翻译的时候它能够适当增减词汇，灵活性提高了很多。

随着大数据的出现，数据的价值也在发生改变。所有网民都会被网站要求过填写证明你是人而非机器的验证码，这项技术在2000年被发明时是为了防止垃圾邮件和不必要的骚扰，后来发明者又寻找到了使人的计算能力得到更有效利用的方法，发送两个单词，其中一个单词用来确认输入结果，另外一个机器无法识别的字符则随机发送给五个人，直到他们都输入正确才确认这个单词。2009年谷歌收购了这家做验证码的公司，并将其技术用于图书扫描项目。因为众包的力量，每年为谷歌省下十多亿美元。

作者最后提到，如果数据不能为我所用，那我们将会沦为数据的奴隶。要防止这种失控局面的出现，至少需要我们在管理层面作出四种变革：1、将个人隐私保护从个人许可到由数据使用者承担责任；2、个人该为其行为而非倾向负责；3、不能让大数据成为黑匣子，它需要雇佣外部监察人来维护公众信任；4、反数据垄断大亨。

如果一个人独自到了陌生城市，第一件事就是买张地图。一张好的地图可以让我们知道整体、方向、位置、重要特点和起点、终点、中间的路径，照着地图走才不易将自己迷失。如果你对大数据理解得还不是十分清晰，那么这本《大数据时代》就是你的好地图。