1.1 正解大數(shù)據(jù)：世上本沒有數(shù)[2]

傳統(tǒng)意義上的“數(shù)據(jù)”，是指“有根據(jù)的數(shù)字”。數(shù)字之所以產(chǎn)生，是因?yàn)槿祟愒趯?shí)踐中發(fā)現(xiàn)，僅僅用語(yǔ)言、文字和圖形來(lái)描述這個(gè)世界是不精確的，也是遠(yuǎn)遠(yuǎn)不夠的。例如，有人問(wèn)“姚明有多高”，如果回答說(shuō)“很高”“非常高”“最高”，別人聽了，只能得到一個(gè)抽象的印象，因?yàn)槊總€(gè)人對(duì)“很”有不同的理解，“非常”和“最”也是相對(duì)的；但如果回答說(shuō)“2.26米”，就一清二楚。除了描述世界，數(shù)據(jù)還是我們改造世界的重要工具。人類的一切生產(chǎn)、交換活動(dòng)，可以說(shuō)都是以數(shù)據(jù)為基礎(chǔ)展開的，例如度量衡、貨幣的背后都是數(shù)據(jù)，它們的發(fā)明或出現(xiàn)，都極大地推動(dòng)了人類文明的進(jìn)步。

如圖1.1所示，數(shù)據(jù)的來(lái)源分為測(cè)量、記錄和計(jì)算。數(shù)據(jù)最早來(lái)源于測(cè)量，所謂“有根據(jù)的數(shù)字”，是指數(shù)據(jù)是對(duì)客觀世界測(cè)量結(jié)果的記錄，而不是隨意產(chǎn)生的。測(cè)量是從古至今科學(xué)研究最主要的手段。可以說(shuō)，沒有測(cè)量，就沒有科學(xué)；也可以說(shuō)，一切科學(xué)的本質(zhì)都是測(cè)量。就此而言，數(shù)據(jù)之于科學(xué)的重要性，就像語(yǔ)言之于文學(xué)、音符之于音樂、形色之于美術(shù)一樣，離開數(shù)據(jù)，就沒有科學(xué)可言。

除了測(cè)量和顯而易見的記錄，新數(shù)據(jù)還可以由老數(shù)據(jù)經(jīng)計(jì)算衍生而來(lái)。測(cè)量和計(jì)算都是人為的，也就是說(shuō)，世上本沒有數(shù)，一切數(shù)據(jù)都是人為的產(chǎn)物。我們說(shuō)的“原始數(shù)據(jù)”，并不是“原始森林”這個(gè)意義上的“原始”。原始森林是指天然就存在的森林，而原始數(shù)據(jù)僅僅是指第一手、沒有經(jīng)過(guò)人為修改的數(shù)據(jù)。

如圖1.2所示，傳統(tǒng)意義上的數(shù)據(jù)，和信息、知識(shí)也是完全不同的概念：數(shù)據(jù)是信息的載體，信息是有背景的數(shù)據(jù)，而知識(shí)是經(jīng)過(guò)人類的歸納和整理，最終呈現(xiàn)規(guī)律的信息。

20世紀(jì)60年代，軟件科學(xué)取得了巨大進(jìn)步，數(shù)據(jù)庫(kù)被發(fā)明。此后，數(shù)字、文本、圖片都不加區(qū)分地保存在計(jì)算機(jī)的數(shù)據(jù)庫(kù)中，以“比特”為單位進(jìn)行存儲(chǔ)，“數(shù)據(jù)”二字的內(nèi)涵開始擴(kuò)大。“數(shù)據(jù)”不僅指代那些作為“量”而存在的數(shù)據(jù)——也就是“量數(shù)”，還逐漸成為“數(shù)字、文本、圖片、音頻、視頻”等的統(tǒng)稱，即“信息”的代名詞，由于這些信息作為一種證據(jù)、根據(jù)而存在，因此可以稱為“據(jù)數(shù)”。

在此基礎(chǔ)上，關(guān)于大數(shù)據(jù)的定義，筆者主張用下面這樣一個(gè)式子來(lái)較為簡(jiǎn)潔、精確地表示。

大數(shù)據(jù)=傳統(tǒng)的量數(shù)+現(xiàn)代的據(jù)數(shù)

（量數(shù)源于測(cè)量，如氣溫28℃；據(jù)數(shù)源于記錄，如一張照片）

雖然量數(shù)比據(jù)數(shù)更接近“數(shù)”，但從歷史上看，據(jù)數(shù)的出現(xiàn)要早于量數(shù)。人類早期對(duì)自身活動(dòng)的記錄，即“史”，就是早期的據(jù)數(shù)，也可以說(shuō)，據(jù)數(shù)是歷史的影子。量數(shù)則是在記錄的實(shí)踐中慢慢產(chǎn)生的，其核心要義是精確。量數(shù)是否充沛，直接決定了科學(xué)是否發(fā)達(dá)。從這個(gè)角度出發(fā)，數(shù)據(jù)的來(lái)源就不再只是對(duì)世界的測(cè)量，而是對(duì)世界的一種記錄。所以信息時(shí)代的數(shù)據(jù)又多了一個(gè)來(lái)源——記錄。

進(jìn)入信息時(shí)代之后，數(shù)據(jù)成為信息的代名詞，兩者可以交替使用。一封郵件雖然包含很多條信息，但從技術(shù)的角度出發(fā)，可能還是“一個(gè)數(shù)據(jù)”。就此而言，現(xiàn)代意義上的數(shù)據(jù)的范疇，其實(shí)比信息還大，如圖1.3所示。

除了內(nèi)涵的擴(kuò)大，數(shù)據(jù)庫(kù)問(wèn)世之后，還出現(xiàn)了另外一個(gè)重要現(xiàn)象，那就是數(shù)據(jù)的總量在不斷增加，而且增加的速度在不斷加快。

20世紀(jì)80年代，美國(guó)就有人提出了“大數(shù)據(jù)”的概念。這個(gè)時(shí)候，其實(shí)還沒有進(jìn)入數(shù)據(jù)大爆炸的時(shí)代，但有人預(yù)見到，隨著信息技術(shù)的進(jìn)步，軟件的重要性將下降，數(shù)據(jù)的重要性將上升，因此提出“大數(shù)據(jù)”的概念。那時(shí)候的“大”，如“大人物”和“大轉(zhuǎn)折”之“大”，主要指價(jià)值上的重要性。到了21世紀(jì)，尤其是2004年社交媒體產(chǎn)生之后，數(shù)據(jù)開始呈爆炸式增長(zhǎng)，國(guó)際數(shù)據(jù)公司（IDC）的數(shù)據(jù)顯示，2011—2018年，全球的數(shù)據(jù)量增長(zhǎng)了18倍，大數(shù)據(jù)的提法又重新進(jìn)入大眾的視野并獲得了更大的關(guān)注。這個(gè)時(shí)候的“大”，含義也更加豐富了：一是指容量大，二是指價(jià)值大。

到底多大才算大呢？針對(duì)這一問(wèn)題，十多年來(lái)爭(zhēng)議頗多。這首先涉及衡量數(shù)據(jù)大小的單位。2000年的時(shí)候，一般認(rèn)為“太字節(jié)（TB）”級(jí)別的數(shù)據(jù)就是大數(shù)據(jù)了，當(dāng)時(shí)擁有“太”級(jí)別數(shù)據(jù)的企業(yè)并不多，但自此之后，互聯(lián)網(wǎng)企業(yè)開始崛起，這些企業(yè)擁有各種各樣的數(shù)據(jù)，其中大部分都是文本、圖片和視頻，其數(shù)據(jù)量之大，傳統(tǒng)企業(yè)根本無(wú)法望其項(xiàng)背。

延伸閱讀

理解幾個(gè)主要的存儲(chǔ)單位

一首標(biāo)準(zhǔn)音質(zhì)的歌曲≈4兆字節(jié)（MB）

一部標(biāo)準(zhǔn)畫質(zhì)的電影≈1吉字節(jié)（GB,1吉字節(jié)=1024兆字節(jié)，相當(dāng)于250首標(biāo)準(zhǔn)音質(zhì)歌曲的大小）

一個(gè)普通圖書館的藏書≈1太字節(jié)（TB,1太字節(jié)=1024吉字節(jié)，相當(dāng)于1024部標(biāo)準(zhǔn)畫質(zhì)電影的大小）

其實(shí)不僅僅是互聯(lián)網(wǎng)行業(yè)，各行各業(yè)的數(shù)據(jù)都在爆炸，只是規(guī)模不同。如果僅僅把大數(shù)據(jù)的標(biāo)準(zhǔn)限定在互聯(lián)網(wǎng)企業(yè)，認(rèn)為只有互聯(lián)網(wǎng)企業(yè)才擁有大數(shù)據(jù)，那就嚴(yán)重狹隘化了大數(shù)據(jù)的意義。畢竟容量只是表象，價(jià)值才是本質(zhì)，而且大容量并不一定代表大價(jià)值。大數(shù)據(jù)的真正意義還在于大價(jià)值，價(jià)值主要通過(guò)數(shù)據(jù)的整合、分析和開放而獲得。從這個(gè)方面來(lái)看，大數(shù)據(jù)的真正意義是，人類擁有了前所未有的能力來(lái)使用海量的數(shù)據(jù)，在其中發(fā)現(xiàn)新知識(shí)、創(chuàng)造新價(jià)值，從而為社會(huì)帶來(lái)“大知識(shí)”“大科技”“大效益”和“大智能”等發(fā)展機(jī)遇。

以上論述是從概念上分析“數(shù)據(jù)”和“大數(shù)據(jù)”的區(qū)別，而掌握一個(gè)概念最好的方法，還是得從動(dòng)態(tài)上了解其成因。大數(shù)據(jù)的形成，不僅是因?yàn)槿祟愋畔⒓夹g(shù)的進(jìn)步，還是信息技術(shù)領(lǐng)域不同時(shí)期多個(gè)進(jìn)步交互作用的結(jié)果，其中最重要的原因，當(dāng)數(shù)摩爾定律的持續(xù)有效。