大数据发展遭遇瓶颈 如何突破壁垒迎新生？

　　【中国智能制造网 市场分析】大数据已经上升成为国家战略，社会各界对大数据的期待上升到了的高度。如何务实推动大数据战略落地，成为接下来的政策重点。
　　1、引言
　　
　　2015年，我国《促进大数据发展行动纲要》出台，十八届五中全会进一步提出要在“十三五”期间实施国家大数据战略，大数据一路上升成为国家战略，社会各界对大数据的期待上升到了的高度。如何推动大数据战略落地成为未来几年的政策重点。本文重温了大数据的内涵，分析了大数据的局限性，结合国内大数据发展面临的瓶颈，提出了相关的策略建议。
　　
　　2、把握概念本质，深刻认识大数据的战略价值
　　
　　大数据是新资源、新技术和新理念的综合体。从资源视角来看，大数据是新资源，体现了一种全新的资源观。摩尔定律仍然有效，计算存储和传输数据的能力在以指数速度增长，分布式计算、存储和数据技术的革新不断涌现，互联网企业对“数据废气”（Data Exhaust）的挖掘利用大获成功，引发全社会开始重新审视“数据废气”的价值，开始把数据当作一种独特的战略资源对待。
　　
　　从技术视角看，大数据代表了新一代数据管理技术。传统的数据管理与分析技术以结构化数据为对象、在小数据集上进行分析、以集中式架构为主，成本高昂。与“贵族化”的数据分析技术相比，源于互联网的，面向多源异构数据、在超大规模数据集上进行分析、以分布式架构为主的新一代数据管理技术与开源软件潮流叠加，在大幅提高处理效率的同时（数据分析从T 1到T 0甚至实时），成百倍地降低了数据存储和管理成本。底层技术的变革释放了上层应用的创新活力。
　　
　　从理念的视角看，大数据提供了一种全新的思维角度。大数据的应用，赋予了“实事求是”新的内涵，其一是“数据驱动”，即经营管理决策可以自下而上地由数据来驱动，甚至像量化股票交易、实时竞价广告等场景中那样，可以由机器根据数据直接决策；其二是“数据闭环”，观察互联网行业大数据案例，它们往往能够构造起包括数据采集、建模分析、效果评估到反馈修正各个环节在内的完整“数据闭环”，从而能够不断地自我升级，螺旋上升。
　　
　　大数据本身既能形成新兴产业，也能推动其他产业发展和社会进步，战略重要性毋庸置疑。从狭义看，围绕大数据采集、存储、管理和挖掘，正在逐渐形成一个小的产业生态（狭义大数据产业）。2015年，的大数据产业规模约为200~300亿美元。据中国信息通信研究院调查[1]，2015年我国大数据市场规模达到115.9亿元，增速达38%，预计2016-2018年还将维持40%左右的高速增长。
　　
　　从广义看，大数据具有通用技术的属性，能够提升运作效率，提高决策水平，从而形成由数据驱动经济发展的大生态。据华沙经济研究所测算，欧盟27国因大数据的引进，至2020年将获得1.9%的额外GDP增长[2]。美国麦肯锡预计到2020年美国大数据应用带来的增加值将占2020年GDP的2%～4%。中国信息通信研究院采用华沙经济研究所相同的模型测算，2014年大数据对我国GDP的增量贡献约为0.53%～1.25%，2020年的增量贡献高将达到1.9%。大数据的应用对社会治理水平的提升也能起到明显的推动作用。
　　
　　3、避免盲目跟风，大数据热潮还需冷思考
　　
　　身处大数据热潮中，既要充分认识大数据的潜力，积极把握技术进步带来的机遇，也要认清大数据的局限性，警惕大数据论。一些被广泛传播的经典案例现在被证明是子虚乌有的，比如，啤酒与尿布的故事实际上是Teradata公司的工程师Thomas Blischok在1992年杜撰的，从来没发生过；而Netflix号称用大数据分析帮助自制剧《纸牌屋》取得成功，而实际上是把大数据作为公关活动的噱头。笔者认为，至少有以下几点值得思考：
　　
　　，大数据尚难对人的行为做出预测。在大数据是否能准确预测人类行为的问题上，还存在重大分歧。《黑天鹅》指出人类的行为不可预测，而《爆发》一书则根据对以往历史经验的总结，指出人类行为93%可预测。麻省理工学院教授罗伯特·莱格伯恩（Roberto Rigobon）称，虽然华尔街一直重视数据分析，但基于海量数据分析的对冲基金在都是失败的。“对于人和事件，如果放到越大的空间和时间范围，则是越可以预测的。如果放到越小的空间和时间范围，则是越不可以预测的。例如，我们几乎可以在100%的程度上预测一个人在24小时的时间范围内会吃饭；但若到某一分钟，则几乎不可能预测准确。”大数据无法预测人类行为，归根结底还是因为人具有“自由意志”，人会根据预测结果（如下个月的股票价格、明天的交通拥堵情况）改变自身行为，从而使得预测失效。
　　
　　第二，大数据相关关系不能替代因果关系。舍恩伯格在《大数据时代》[9]中说：“我们没有必要非得知道现象背后的原因，而是要让数据自己发声”，“相关关系能够帮助我们更好地了解这个世界”。追寻相关关系和因果关系，是人类思维的两种重要方式，而用大数据进行预测往往依靠相关性，也就是说，很多情况下知道“是什么”即可，不必知道“为什么”。相关关系的运用在互联网推荐、广告等方面得到了实际应用。然而，在很多时候，如疾病诊断、工厂故障分析等场景下，需要根据确定的（或置信度非常高的）结论来决策，仅凭相关关系是远远不够的。换言之，大数据中的相关关系应用，需要区分场景，有时候数据无法自己说话，需要追本溯源。
　　
　　第三，大数据来源不均衡会让数据“说谎”。有人说数据不会撒谎。实际上，如果忽视数据来源的不均衡性，数据分析结果就会“骗人”。中国互联网络信息中心2015年的统计数据显示，我国网民城乡分布严重不均，农村网民虽然迅猛增长，但仍不及城市新增网民数量的1/10。社交网络用户的性别分布也同样有很严重的倾斜，腾讯公司2015年年初的报告显示，微信用户的男女比例为1.8:1，男性用户约占了64.3%，而女性用户则只有35.7%。如果利用网络大数据进行民意调查，却不把样本分布的不均衡性考虑进去，就可能使得某些群体未得到充分代表，而某些群体因使用率高，其意见或特征被过分放大。这种不均匀的数据来源会导致分析结果存在偏见和盲区。
　　
　　第四，大数据无法消灭信息不对称现象。有人说，大数据有助于消灭信息不对称。虽然从全社会看，大数据的全面采集和融合应用有望在局部缓和信息不对称程度，但是在互联网世界中，马太效应很显著，拥有大数据资源和掌握大数据分析能力的企业，往往会在大数据时代占据更加有利的地位、占有更多数据，从而更容易形成一批数据寡头，产生新的不平等，造成新的信息不对称。因此，大数据无法消灭信息不对称，反而更有可能助推数据寡头的出现。如果这种数据垄断地位被企业滥用，将会威胁个人、企业甚至国家利益。因此，在大数据时代，如何进一步弥合数据鸿沟、防止数据“霸权”的滥用，将会成为一个重要的新课题。热潮之下，对大数据的反思，还需要不断深入，才能让我们保持清醒的头脑。