《大数据时代》读书笔记-05价值

2000年，为了阻止垃圾邮件，路易斯·冯·安想到了一个办法，即在注册过程中显示一些波浪状、辨识度低的字母。人能够在几秒钟内识别并输入正确的文本信息，但电脑可能会被难倒。雅虎采用了这个方法后，一夜之间减轻了垃圾邮件带来的苦恼。他的创作成为验证码（全称为“全自动区分计算机和人类的图灵测试”）。128

不同于物质性的东西，数据的价值不会随着它的使用而减少，而是可以不断地被处理。这就是经济学家所谓的“非竞争性”的好处：个人的树勇会妨碍其他人的使用，而且信息不会像其他物质产品一样随着使用而有所耗损。因此，亚马逊在向其用户，不论是生成这些数据的客户或是其他客户做出建议时，都可以不断地使用过去的交易数据。132

数据的价值并不仅限于特定的用途，它可以为了同一目的而被多次使用，也可以用于其他目的。要了解大数据时代究竟有多少信息对我们有价值，后面这一点尤其重要。132

用物理学家解释能量的方法或许可以帮助我们理解数据。他们认为物体拥有“存储着的”或“潜在的”能量，只是处于休眠状态，比如压缩了的弹簧或放置在山顶的小球……同理，在基本用途完成后，数据的价值仍然存在，只是处于休眠状态，像弹簧或小球一样，直到它被二次利用并重新释放它的能量。在大数据时代，我们终于有了这种思维、创造力和工具，来释放数据的隐藏价值。135

最终，数据的价值是其所有可能用途的总和。这些似乎无限的潜在用途就像是选择，这里不是指金融工具意义上的选择，而是实际意义上的选择。这些选择的总和就是数据的价值，即数据的“潜在价值”。135

过去，一旦数据的基本用途实现了，我们便认为数据已经达到了它的目的，准备将其删除，让它就此消失。……而在大数据时代，数据就像是一个神奇个钻石矿，在其首要价值被挖掘后扔能不断产生价值。数据的潜在价值有三种最为常见的释放方式：基本再利用、数据集整合和寻找”一份钱两份贷“。135

数据再利用的价值对于那些收集或控制着大型数据集但目前去很少使用的机构来说是个好消息，比如在那些线下运作的传统企业。……麦肯锡的咨询顾问们列举了一家物流公司（名称保密）。这家公司在交付货物的过程中积累了大量产品的全球出货信息。嗅到了这个机会后，该公司成立了专门的部门，以商业和经济预测的形式出售汇总数据。换言之，它创造了谷歌过去搜索查询业务的一个线下版本。137

有时，处于休眠状态的数据的价值只能通过与另一个截然不同的数据集结合才能释放出来。139

丹麦癌症协会：手机释放增加致癌率——为了满足医疗或商业的目的，两个数据集都采用了严格的质量标准，信息的收集不存在偏差。事实上，数据是在多年前就已经生成的，当时的目的与这项研究毫无关系。最重要的是，这项研究并没有基于任何样本，却很接近“样本=总和”的准则，即包括了几乎所有癌症患者和移动用户。……最后，研究没有发现使用移动电话和癌症风险增加之间存在任何关系。139

随着大数据的出现，数据的总和比部分更有价值。当我们将多个数据集的总和重组在一起时，重组总和本身的价值也比单个总和更大。……例如，房地产网站将房地产信息的价格添加在美国的社区地图上，同时，还聚合了大量的信息，如社区近期的交易和物业规格，以此来预测区域内具体每套住宅的价值。这个结果极具指导意义，尽管通过视觉展示使得数据更加亲和且非常简单，但采用位置信息并将其置于地图上毕竟不是一个创造性的飞跃。140

数据创新3：可扩展数据——有些零售商在店内安装了监控摄像头，这样不仅能认出商店扒手，还能跟踪在商店里购物的客户流和他们停留的位置。零售商利用后面的信息可以设计店面的最佳布局并判断营销活动的有效性。141

谷歌街景与GPS采集——一辆谷歌街景汽车每时每刻都能积累大量的离散数据流。这些数据之所以具有可扩展性，是因为谷歌不仅将其用于基本用途，而且进行了大量的二次利用。例如，GPS数据不仅优化了其地图服务，而且对谷歌自动驾驶汽车的运作功不可没。141

数据创新4：数据的折旧值——……仅仅依据时间来判断显然不够，因此，亚马逊等公司建立了复杂的模型来帮助自己分离有用和无用的数据。例如，如果客户浏览或购买了一本基于以往购买记录而推荐的书，电子商务公司就认为这项旧的购买记录仍然代表着客户的喜好。这样，他们就能够评价旧数据的有用性，并使模型的“折旧率”更具体。143

数据创新5：数据废气——微软与谷歌的拼写检查……这两家公司的不同做法很能说明问题。微软只看到了拼写检查作为文字处理这一个目的的价值，而谷歌却理解了其更深层次的价值。不仅利用错别字开发了世界上最好、最新式的拼写检查器来提高搜索质量（如：搜索结果页面的顶部显示“你要找的是不是：XXX”），而且将其应用于许多其他服务中，如搜索的“自动完成”功能、Gmail、谷歌文档甚至翻译系统。146

一个用来描述人们在网上留下的数字轨迹的艺术词汇出现了，这就是“数据废气”。它是用户在线交互的副产品，包括浏览了哪些页面、停留了多久、鼠标光标的位置、输入了什么信息等等。146