在互联网时代，大数据炙手可热，许多人言必称大数据，但能够真正说清大数据为何物的人并不多，更遑论如何借助大数据挖掘出巨大的商业价值。究竟如何定义大数据?大数据有哪些特征?本文旨在厘清大数据概念，阐明大数据应用方式及探究未来大数据发展之道。

Q1：大数据是商业炒作吗?

业界给大数据的定义是4 个“V”：体量大(Volume)、种类多(Variety)、速度快(Velocity) 和真实性高(Veracity)。但这个定义其实并未抓住大数据本质。如果仅仅看这几个维度，大数据就是一种炒作，因为它们只是表面现象。

大数据的本质应该是如何为企业带来一种更新更好的商业运作模式，而大数据应用的成功，也是依靠决策者提出好的商业问题及与其相关的商业模式。这些商业问题可以非常简单，但问题背后必须有一系列相关的商业模式。

比如，如何运用智能手机应用商城的数据， 来提高对用户APP 推荐的精度？ 随后，利用应用商城的大数据，可以产生上百万维的数据表，进而建立可靠准确的推荐模型，使得用户体验水平大幅提升。

大数据应用成功的关键也正取决于是否有一个明确的商业（或科学）目的，商业模式的定义是其前提条件。

Q2：数据越多越有用？

首先，如果收集大数据的目的是建立一个对位置数据的预测模型，那么，得到这一模型的训练数据一定要包含所需的信息。但问题恰恰是，事前并不知道哪些特征是重要的，因此，需要把尽量多的数据整合起来，让机器去寻找。

然而，这个问题为什么不能去咨询该领域内的专家们呢？事实证明，专家们虽然会自己解决问题，但大都说不清他们是如何解决这些问题的。这也就是为什么在大数据应用中，专家的作用更多体现在帮助连接、聚合尽量多的数据上。

除 此之外，要建立一个好的预测模型， 用来训练模型的数据总量也要足够多。如果历史数据少于一定规模，就会出现所谓“过拟合”（为了得到一致假设而使假设变得过度复杂）现象。例如，如果一个服 装品牌按照某一个模特的身材来设计，衣服很可能做得偏瘦，以至于绝大多数其他消费者无法使用。这种“过拟合”现象在建立大数据下的预测模型时也会发生。

那 么，数据的总量越大，是不是预测模型需要学习的时间就一定越长呢？答案是否定的。研究成果表明，在一定条件下， 当数据变得越大，实际所需要的训练时间反而越短。为什么会这样呢？可以想象：如果一个学生在学习某种概念时，只有少数习题，那么这个学生想透彻学会这个概 念，就需要把每一个习题翻来覆去地看， 加以扩展，这样学习的过程会比较慢。相反，如果他有许多不同类的习题，只需要把每一个习题过一遍，即可应付未来的大部分情况。因此，习题多的学生，学到同 样水平的时间反而会短。

Q3：人工智能将超过人类大脑？

经过几十年的探索，可以相信：机器的智能只能从针对大数据的学习中得来，而大数据只能从人与人的交互、人与机器的交互中得来。如果想要这些交互产生足够多的数据，就一定要让这些交互为人类提供有用的服务。

如 今，什么数据最为充分？充分的数据首先是最容易被记录的那一部分，比如语音、图像、文字等。能不能直接获取人类大脑活动信息，并以此来充实我们的智能呢？ 当今的这种技术（如磁共振脑图成像技术） 还不够精确，因此，通过学习得到的系统虽然在单方面可以超过人类大脑（如IBMWatson），但就通用性而言，现阶段的人工智能比起人类大脑还差得很 远！

有没有可能在不久之后的某天，具有人工智能的机器人成为人类的敌人呢？这是有可能的。但前提是：这些机器人的领袖一定是人类。

Q4：用户隐私问题如何解决？

隐私问题的出现其实比大数据要早， 但隐私真正成为家喻户晓的议题，却是在大数据成为热点之后。从斯诺登揭秘到苹果数据上传，随着越来越多媒体的爆料，大家对隐私的关心程度也与日俱增。隐私 问题的最大矛盾在于，一方面，数据被严严实实地包起来，另一方面，它又要被运用来发现有用的东西，不得不将之开放和上传。

目前看来，数据隐私问题有三个考虑： 1. 技术；2. 用户利益；3. 社会接受程度。

从技术上来说，以前有关数据的解决方式大都是把数据从终端迁移到计算端（如计算中心），得出结果后再把结果送到终端。这种方式无疑会引发隐私问题，因为一旦数据离开用户的个人终端，就无从保证谁将有权利接触数据，数据的隐私也就无从保护了。

要保护隐私，一种新的模式是“计算随着数据走”，也就是利用终端自身的强大计算功能，在终端算好一个结果（如一个预测模型，即本地模型），再把这个模型与某 一个通用模型加以整合。这种模式无疑会引入更多计算量与复杂性，目前还属于前沿研究领域。这种方法就像是有人要买股票，但又不想别人知道他自己的需求，只 读取网上有关股票的信息，与自己知道的需求结合起来，做出买卖决策。只要每个人足够聪明，又有足够的计算能力，这样的系统就会最大程度地保护每个人的隐 私。

另一种做法是，仍把数据传输到计算中心，但在传输之前，将数据加以改变， 使其中的关键隐私信息在传输和计算中被隐藏起来，让人无法反推原始的敏感数据（如用户性别、住址等），同时又保证计算结果的真实性和可用性。实际上，一个 更难的问题是：无论如何隐藏和加密原始数据，用户心里总有不放心的一点阴影。由于这个阴影的存在，用户永远不会相信一个单纯靠技术的隐私保护计划。可以预 见，在未来，隐私问题的解决程度将成为用户选取产品的重要依据。

可是，大数据已经来到人们身边。今天社会上的每个人，实际上都是大数据的使 用者。同时，又在不断暴露自己的隐私。比如，用户使用免费的电子邮件账户，即便知道这些服务商在挖掘我们的邮件信息；用户使用搜索引擎询问各种问题，尽管 这令我们的问题被记录在案。既然如此，为何用户在使用大数据服务的时候，依旧乐此不疲呢？答案在于用户利益与隐私暴露的费用比：如果用户得到的利益大于个 人数据泄露的价值，用户还是会同意接受并分享这些数据的。因此，隐私问题的关键是，如何让系统和用户在矛盾中寻找到一个平衡点。

最后，随着 技术的发展，社会对于数据分享的接受程度也会改变。上一代人所不能接受的事物，到下一代可能就不是大问题了。Facebook 就是个例子： 实名制允许人们访问他人的主页，并看到许多信息，这一点在最开始引起不小的质疑，但最后，广大青少年热烈地拥抱这一新技术，并纷纷加入其中。

Q5：运营商管道vs 互联网用户大数据？

互联网与电信运营商的关系，可以用一个例子来理解：马路上形形色色的车辆可以视为互联网，车上所装的货物、乘客及运输系统可以视为互联网的数据和各种应用， 而车辆所走的高速公路类似于运营商提供的管道。对于互联网而言，它更关心乘客和货物，关心如何把他们安全送到目的地。但从运营商角度而言，它更关心的是道 路是否通畅。从这一点来说，互联网的数据有关乘客和货物，运营商的数据是车流量、道路拥塞的程度。所以，互联网的数据是终端用户数据，运营商的数据是关于 数据的数据。

什么是关于数据的数据呢？以照片为例，像素点就是数据，而照片大小、类型、照片文件的产生时间与地点，就是数据的数据。

数据的数据在电信行业意义重大。但其前提是：资源无论到何时都是有限的。管道再宽，也是有限的。那么，从运营商的角度来说，他们希望知道什么呢？还是以车和路来比喻：

你想知道如何为一些重要的常客开辟一条快速通道吗？那就首先要知道哪些是重要的常客。只有知道了常客的群体，常客的特征，才能有效抓取到他们。

你想知道哪些重要车辆所属的公司在受竞争对手的高速公路公司吸引，正考虑换路吗？那就要分析这些车辆公司的痛点何在。

你想知道哪些路段需要特别维护，并派一些常驻维护车辆驻守吗？那就需要分析哪些是容易受损的路段。

这 些对数据分析的需求随着运营技术的前进而提升。在5G 的场景下，运营商需要给大众提供更密集、更快、更个性化的电信服务，由此也就知道用户的使用规律、痛点、服务软肋在哪里。一个如影随形的高端服务并非由无 数服务员在所有用户可能出现的地方等待，而是由一个聪明的服务员在用户需要的时候及时出现。未来的网络技术，如软件定义网络（SDN）， 就更需要大数据的支持：SDN 的大脑可以根据网络大数据的深度挖掘所产生的修改，而变得越来越聪明。