作者：維克托·邁爾-舍恩伯格 肯尼思·庫克耶 出版：浙江人民出版社

    如果把“數據化”視為信息社會的初級階段，則名不見經傳的英國科學家維克托·邁爾-舍恩伯格，用他別具洞見的天才新著《大數據時代》首次告訴我們：人類正在進入“數據顛覆傳統”的信息社會中級階段。

    在此階段，信息無所不在無所不包，其無限膨脹的天文海量催生了“統計+分類－推理分析=決策”的計算機處理程序（有點像刷卡消費一步到位，節省了算賬找補等繁瑣環節），悄然挑戰“去粗取精、去偽存真、由表及里、由此及彼”的傳統認識論模式，冥冥之中潛移默化，對我們的生活、工作與思維，對人類“階級斗爭、生產斗爭、科學試驗”三大實踐活動產生著重大而深刻的影響。

    大數據點燃大智慧

    美國政府曾為定期公布消費物價指數CPI以監控通脹率，雇用了大量人員向全美90個城市的商店、辦公室進行電話、傳真拜訪，耗資2.5億美元搜集反饋8萬種商品價格的延時信息。然而麻省理工學院兩位經濟學家采取“大數據”方案，通過一個軟件在互聯網上每天搜集50萬種商品價格即時信息。2008年9月雷曼兄弟公司破產后，該軟件馬上發現了通脹轉為通縮的趨勢，而官方數據直到11月才發現。之后該軟件被暢銷到70多個國家。這一案例充分體現出“大數據”顛覆傳統的力量和變革思維的智慧。

    “小數據”時代追求精準，竭力避免不精準信息誤導誤判。然而95％被傳統數據庫拒絕接受的非結構化（非標準）數據，在“大數據”時代的模糊化數據庫中發揮了重要的作用，因為數據越模糊越全面，才能有效避免誤導誤判。

    從因果關系到相關關系的思維變革，是“大數據”顛覆傳統認識論模式的關鍵。電腦畢竟不是人腦，電腦永遠搞不懂氣候與機票價格之間有什么因果關系。公雞打鳴和天亮之間雖無因果關系，但古人通過公雞打鳴來預報天亮卻很少失敗。“如果數百萬條醫療記錄顯示橙汁和阿司匹林的特定組合對癌癥治療有效果，那就用不著通過一次次實驗來探索其具體的藥理機制了”。“蘋果之父”喬布斯就主動試用過一些醫療記錄有效但未經臨床驗證的療法同癌癥抗爭。你可以嘲笑喬布斯“不講科學”，但他卻因此多活了好幾年。

    從根本上說，所謂“大數據挑戰傳統認識論”，其實是人類把復雜的認識過程“全部打包”給了電腦，而電腦懶得分析推理驗證，只通過統計分類對比，交出“最終答案”就OK了。大數據大智慧的精髓在于變“少而精”為“多而全”，變“因果”為“相關”。當實地調研開始被數據采集所替代，當嚴密的實驗開始被非線性邏輯所替代，當“唯一真理”開始被多項選擇所替代，“大數據”就用事實向人類宣告：“知其然不知其所以然”，既是電腦望塵人腦的劣勢，也是電腦超越人腦的優勢！

    大數據滲透大世界

    不要以為“大數據”只是科幻故事或政府與科學家的“專利”。環顧四周，“大數據”早已滲透我們生活和工作的方方面面，衍生出形形色色的數據超市、數據易趣、數據交友、數據聯誼、數據作坊、數據課堂、數據IB等傳奇版本。從治安管理、交通運輸、醫療衛生、商業貿易、批發零售、公益救援直到政治、軍事、經濟、金融、社會、環境、文藝、體育。

    UPS國際快運公司從2000年開始通過“大數據”檢測其遍布全美的6萬輛貨車車隊，統計出各損耗零部件的生命周期，改“備份攜帶”為提前更換，有效預防了半路拋錨造成的嚴重麻煩和巨大損失，每年節省數百萬美元。UPS還依靠“大數據”優化行車路線（例如盡量右轉彎，避免左轉彎），2011年全公司車輛少跑4828萬公里，節省燃料300萬加侖，減少碳排放3萬公噸。

    為紐約提供電力支持的愛迪生電力公司，針對每年多起電纜沙井蓋爆炸造成嚴重事故，采取“大數據”手段統計出106種預警先兆，預測2009年可能出事的沙井蓋并嚴加監控。結果位列前十分之一的高危井蓋中，預測準確率達44％。

    美國里士滿市警察當局憑經驗認定槍擊事件往往導致犯罪高峰期，“大數據”證明這種高峰期往往出現在槍擊事件后2周左右。孟菲斯市2006年啟動“大數據”系統鎖定了更容易發生犯罪的地點和更容易抓捕罪犯的時間，使重大犯罪發生率下降26％。

    沃爾瑪2004年依靠“大數據”發現了颶風前夕銷量增加的各類商品，進而每逢預報便及時設立颶風用品專區，并將手電筒、早餐零食蛋撻等擺放于專區附近，明顯增加了“順便購買”的銷量。

    至于“大數據”的經濟價值，僅需略舉數例：2006年微軟以1.1億美元購買了埃齊奧尼的Farecast公司，2008年谷歌以7億美元購買了為Farecast提供數據的ITA Software公司。同年在冰島成立的DataMarket網站干脆專靠搜集提供聯合國、世界銀行、歐盟統計局等權威機構的免費信息來獲利生存，包括倒賣各類研究機構公開發布的研究數據——只要找到買主，往往愿出高價！

    大數據創造大金融

    金融領域當然是“大數據”的主戰場之一。程序化交易也許是現今最主要的“大數據”新式武器。美國股市每天成交量高達70億股，但其中三分之二的交易量并非由人操作，而是由建立在數學模型和算法之上的計算機程序自動完成。日新月異的程序化交易只能運用海量數據來預測收益、降低風險。幾乎所有銀行、券商、保險、期貨、QFII和投資公司都開發了自己的程序化交易工具。誰的武器更先進？競爭到最后恐怕還是比誰搜集處理的數據更海量。

    一家投資基金通過統計大商場周邊停車場及路口交通擁擠狀況，來預測商場經營及當地經濟狀況，進而預測相關股價走勢，最后居然拿數據統計資料換得了該商場的部分股權。

    不少對沖基金通過搜集統計社交網站推特上的市場心情等信息來預測股市的表現。倫敦和加利福尼亞的兩家對沖基金，利用“大數據”形成119份表情圖和18864項獨立的指數，向許多客戶推銷股市每分鐘的“動態表情”：樂觀、憂郁、鎮靜、驚恐、呆滯、害怕、生氣、激憤等，以幫助和帶動投資決策。

    在金融機構競相拉客理財的今天，如果能及時搜集處理海量的微博、微信、短信，自然也能從茫茫人海中及時發現怦然心動打算開戶的，或一氣之下打算“跳槽”的投資者。

    當然，如果投資者都能通過“大數據”直接決策，將“刷卡消費”拓展成“刷卡投資”，那藏龍臥虎的分析師群體和爭雄斗妍的研究報告未來還有市場嗎？

    大數據暗藏大隱患

    像所有新生事物一樣，大數據也是一把雙刃劍。宏觀上看，“大數據”在各個不同的領域將人類虛擬分割為“數據化”與“被數據化”兩大陣營。持續發酵的“棱鏡門”事件披露了美國政府長期監控全世界的“最高機密”，但美國總統、國會和政府都認定這種監控“天經地義”，是“維護國家核心利益”。雖然社會早已建立起龐大的法律法規體系來保障個人信息安全，但在“大數據”時代，這些體系正蛻變為固若金湯但可以隨意繞過的“馬其諾防線”。

    “大數據”導致個人信息被交易、個人隱私被外泄還不算，更大的危險在于“個人行為被預測”。正如作者預言——“這些能預測我們可能生病、拖欠還款甚至犯罪的算法程序，會讓我們無法購買保險、無法貸款，甚至在犯罪實施前就預先被逮捕”——也許你認為這對全社會來說無疑是好事。可是如果預測系統不完善、軟硬件出差錯、數據搜集處理不當、臨時數據未經檢驗、黑客攻擊、有人惡意或善意開玩笑制造假信息……導致你、你的家庭、你的親朋好友、你的所在單位甚至你的祖國被冤枉被制裁，你還能無動于衷嗎？

    微觀上看，即使是出于正當目的采集的“大數據”，仍可能在“擴展開發”過程中產生無法想象的副作用。例如谷歌的街景拍攝和GPS數據為衛星定位和自動駕駛儀提供了關鍵的支持，但同時因其有助于黑幫盜賊便捷挑選有利目標而引發了多國民眾的強烈抗議。當谷歌對圖像背景上的業主房屋、花園等目標進行模糊化處理后，反而引起盜賊更加注意。

    無論你驚奇還是恐懼，歡迎還是躲避，關注還是漠視，理解還是拒絕，“大數據”都在加快步伐向我們走來。我們只有順勢而為，趨利避害，才不至于被這個充滿機遇和挑戰的新時代提前淘汰。