要知道what 不是why

　　2009年，全球出现一种新的流感病毒H1N1，当时美国也无法幸免，疾病管制局(CDC)要求第一线的医师遇到H1N1流感病例，必须立刻通报。即使如此，通报速度仍总是慢一步，会晚1到2个星期。这样的时效让疾管局无法掌握真实情况，对症下药。


　　当时有几位Google 工程师在著名的《自然》科学期刊中发表了一篇论文。他们透过美国最常使用的前5000万个搜寻关键字，再与疾管局2003-2008年间的流感传播资料加以比对，用高达4.5亿种不同的数学模型，找出这些字出现的频率、时间及地点，有没有统计上的相关性(correlation)。最后被他们挖到宝了，这套软件找出了45个流感关键字眼，放进数学模型之后，预测结果与官方公布的真实资料吻合，有强烈的相关性。


　　Google 运用这套数学模型，再一次精准地掌握了流感发生的高峰及地区，让防疫工作同步进行，不落后。


　　再说另一例子，天文学来说，美国太空总署执行一项叫史隆数码巡天计划(Sloan Digital Sky Survey)，从2000年开始，他们用位于美国新墨西哥州的天文望远镜去收集资料，计划开始不过几星期，收到的天文资料量就已超过了过去所有天文学历史的总和。到了2010年，这个计划收到了140TB 的资料量。但是接续的新计划，预计2016年登场，未来的巡天望远镜在5天内，就可收到这些资料量。


　　荀伯格说，当资料进入天文数字时代，荀伯格提醒：到底大数据有多大？其实不是那么重要，重点是在放大，扩大资料量等级，就能做出少量资料做不到的事。


　　举例来说，画一张马的图画，不是太难的事，但如果画了很多张马的图画，再以每秒24帧来呈现这些图画，就成了动画。这里要强调的是“量变”产生了“质变”，巨量就是这个道理，量的不同，也改变了本质。


　　what比why重要


　　量增加了，就出现另一项大数据的特色：乱(messy)。巨量资料的内容常是混乱不齐，质量不一。这是因为，巨量资料的收集过程中，它只要一个大方向即可，不需要讲究到一寸、一分。“这并不是说我们放弃了精准这件事，只是不再将精准奉为圭臬，”荀伯格说。


　　举例来说，我们要测量某个葡萄园的温度，如果整片葡萄园只有一支温度计，那这支温度计就要十分精准，不能故障，但也意味着它会很贵。换句话说，就是不能有任何杂乱或出错;相反的，如果我们今天在葡萄园里放了100支温度计去测温度，就可以用便宜一些，简单的温度计测出很精准的温度。


　　100支温度计代表的是量大，尽管其中几支可能不那么精准，但却可以收集到大量数据。比起只靠一支温度计来说，更可看到全貌，代表全体。那此时，一点杂乱就显得微不足道。


　　重点又来了，荀伯格忽然站起来向所有在场的观众说，大数据时代，资料数量比资料质量更重要。更不要为了一点点信息的偏差而影响了整体分析，想处理掉不精准的信息，成本会很高，也没有必要!


　　另一个有趣的例子是沃尔玛(Walmart)，他们从庞大的交易记录上发现，在飓风来袭前，销量大增的不只是手电筒，还有一种美国小甜点 Top-Tarts，店家会在每次飓风来临前，把一盒一盒的 Top-Tarts放在风灾的必需品架上，方便急忙的顾客一次满足，“特别是草莓口味的，卖得最好。”


　　请注意，这里Walmart不去弄清楚为什么飓风时人们特别想吃Top-Tarts，而是把这个相关性找出来，直接采取更有利的营销动作。


　　荀伯格特别强调，大数据时代，what比why重要。


　　再举一个例子，发生在他朋友，也是大数据专家，任教于华盛顿大学的教授伊兹奥尼(Oren Etzioni)身上。2003 年时他想从西雅图塔机到洛杉矶参加弟弟的婚礼，他想愈早订票愈能买到便宜，几个月前他就买好了机票，也觉得买得很便宜。没想到他在航程中，出于好奇问了隔壁乘客买多少钱，何时买的。结果，一问之下，都回答最近才买，且都比他买得便宜，他十分生气。


　　下了飞机后，他决定去好好研究一下购买机票这件事。他发现，如果平均票价呈现下跌，买票就可以慢慢来;如果价格上扬中，你就要先订票，以免它水涨船高。


　　伊兹奥尼花了41天的时间去比对一旅游网站中超过12000笔的票价资料，他建立了一个模型，让模拟的消费者都省下了大笔的机票钱。在这模型里，消费者不懂“为什么(why)”，只知道“正是如此(what)”，消费者要决定现在是“买或是不买”。


　　后来这套模型发展出创业计划，他创了一个Farecast网站，消费者可以做出最佳判断，何时该买，还是不买。


　　大数据与价值


　　当我们知道了大数据的特性，也找到了相关性，接下来就是靠着它创造出价值来。


　　美国西雅图有一家专门收集车辆实时定位的资料公司Inrix，它的资料来自上亿台的车辆。同时，它也推出手机 App服务，通过提供服务换取特定的司机资料，包括他们曾开车去的地方、天气及路况等。他们将收到的资料再出售给一家投资基金，该基金根据大型零售商场附近的路况推测业绩，在零售商公布季报前，抢先决定该买入或卖出。因为车潮就是钱潮。这就是价值。


　　英国的罗尔斯罗伊斯是著名的飞机引擎制造商，它通过在引擎上安装了一个监控器，以掌控引擎是否正常运转。结果随着他们收集到的资料中发现，当引擎出现哪些信号异常，引擎可能会发生问题，这个监控变成了预测，大大减少飞安事故。罗尔斯罗伊斯从过去单单的制造引擎公司，转型为服务咨询，他们让数据产生出价值。


　　荀伯格说了许多大数据的美好，但他强调，大数据有其黑暗面：隐私当然是一个该关注的焦点，但他强调，更可怕的是各种算法，去预测是不是会患心脏病？或你是否会犯罪等。有时，依靠大数据做出的演算与预测，如果与自由意志不符时，孰轻孰重？


　　同时，我们也担心，愈来愈多的企业会掌握更多资料，但如此庞大的资料为他们所收集，拿去做了什么？什么用途？不一定能受到监督与管理，这是重要议题。


　　“巨量资料是为人类所掌控，而不是被巨量资料所掌控，”这是荀伯格最后的提醒。


　　2009年，全球出现一种新的流感病毒H1N1，当时美国也无法幸免，疾病管制局(CDC)要求第一线的医师遇到H1N1流感病例，必须立刻通报。即使如此，通报速度仍总是慢一步，会晚1到2个星期。这样的时效让疾管局无法掌握真实情况，对症下药。


　　当时有几位Google 工程师在著名的《自然》科学期刊中发表了一篇论文。他们透过美国最常使用的前5000万个搜寻关键字，再与疾管局2003-2008年间的流感传播资料加以比对，用高达4.5亿种不同的数学模型，找出这些字出现的频率、时间及地点，有没有统计上的相关性(correlation)。最后被他们挖到宝了，这套软件找出了45个流感关键字眼，放进数学模型之后，预测结果与官方公布的真实资料吻合，有强烈的相关性。


　　Google 运用这套数学模型，再一次精准地掌握了流感发生的高峰及地区，让防疫工作同步进行，不落后。


　　再说另一例子，天文学来说，美国太空总署执行一项叫史隆数码巡天计划(Sloan Digital Sky Survey)，从2000年开始，他们用位于美国新墨西哥州的天文望远镜去收集资料，计划开始不过几星期，收到的天文资料量就已超过了过去所有天文学历史的总和。到了2010年，这个计划收到了140TB 的资料量。但是接续的新计划，预计2016年登场，未来的巡天望远镜在5天内，就可收到这些资料量。


　　荀伯格说，当资料进入天文数字时代，荀伯格提醒：到底大数据有多大？其实不是那么重要，重点是在放大，扩大资料量等级，就能做出少量资料做不到的事。


　　举例来说，画一张马的图画，不是太难的事，但如果画了很多张马的图画，再以每秒24帧来呈现这些图画，就成了动画。这里要强调的是“量变”产生了“质变”，巨量就是这个道理，量的不同，也改变了本质。


　　what比why重要


　　量增加了，就出现另一项大数据的特色：乱(messy)。巨量资料的内容常是混乱不齐，质量不一。这是因为，巨量资料的收集过程中，它只要一个大方向即可，不需要讲究到一寸、一分。“这并不是说我们放弃了精准这件事，只是不再将精准奉为圭臬，”荀伯格说。


　　举例来说，我们要测量某个葡萄园的温度，如果整片葡萄园只有一支温度计，那这支温度计就要十分精准，不能故障，但也意味着它会很贵。换句话说，就是不能有任何杂乱或出错;相反的，如果我们今天在葡萄园里放了100支温度计去测温度，就可以用便宜一些，简单的温度计测出很精准的温度。


　　100支温度计代表的是量大，尽管其中几支可能不那么精准，但却可以收集到大量数据。比起只靠一支温度计来说，更可看到全貌，代表全体。那此时，一点杂乱就显得微不足道。


　　重点又来了，荀伯格忽然站起来向所有在场的观众说，大数据时代，资料数量比资料质量更重要。更不要为了一点点信息的偏差而影响了整体分析，想处理掉不精准的信息，成本会很高，也没有必要!


　　另一个有趣的例子是沃尔玛(73.54, 0.00, 0.00%)(Walmart)，他们从庞大的交易记录上发现，在飓风来袭前，销量大增的不只是手电筒，还有一种美国小甜点 Top-Tarts，店家会在每次飓风来临前，把一盒一盒的 Top-Tarts放在风灾的必需品架上，方便急忙的顾客一次满足，“特别是草莓口味的，卖得最好。”


　　请注意，这里Walmart不去弄清楚为什么飓风时人们特别想吃Top-Tarts，而是把这个相关性找出来，直接采取更有利的营销动作。


　　荀伯格特别强调，大数据时代，what比why重要。


　　再举一个例子，发生在他朋友，也是大数据专家，任教于华盛顿大学的教授伊兹奥尼(Oren Etzioni)身上。2003 年时他想从西雅图塔机到洛杉矶参加弟弟的婚礼，他想愈早订票愈能买到便宜，几个月前他就买好了机票，也觉得买得很便宜。没想到他在航程中，出于好奇问了隔壁乘客买多少钱，何时买的。结果，一问之下，都回答最近才买，且都比他买得便宜，他十分生气。


　　下了飞机后，他决定去好好研究一下购买机票这件事。他发现，如果平均票价呈现下跌，买票就可以慢慢来;如果价格上扬中，你就要先订票，以免它水涨船高。


　　伊兹奥尼花了41天的时间去比对一旅游网站中超过12000笔的票价资料，他建立了一个模型，让模拟的消费者都省下了大笔的机票钱。在这模型里，消费者不懂“为什么(why)”，只知道“正是如此(what)”，消费者要决定现在是“买或是不买”。


　　后来这套模型发展出创业计划，他创了一个Farecast网站，消费者可以做出最佳判断，何时该买，还是不买。


　　大数据与价值


　　当我们知道了大数据的特性，也找到了相关性，接下来就是靠着它创造出价值来。


　　美国西雅图有一家专门收集车辆实时定位的资料公司Inrix，它的资料来自上亿台的车辆。同时，它也推出手机 App服务，通过提供服务换取特定的司机资料，包括他们曾开车去的地方、天气及路况等。他们将收到的资料再出售给一家投资基金，该基金根据大型零售商场附近的路况推测业绩，在零售商公布季报前，抢先决定该买入或卖出。因为车潮就是钱潮。这就是价值。


　　英国的罗尔斯罗伊斯是著名的飞机引擎制造商，它通过在引擎上安装了一个监控器，以掌控引擎是否正常运转。结果随着他们收集到的资料中发现，当引擎出现哪些信号异常，引擎可能会发生问题，这个监控变成了预测，大大减少飞安事故。罗尔斯罗伊斯从过去单单的制造引擎公司，转型为服务咨询，他们让数据产生出价值。


　　荀伯格说了许多大数据的美好，但他强调，大数据有其黑暗面：隐私当然是一个该关注的焦点，但他强调，更可怕的是各种算法，去预测是不是会患心脏病？或你是否会犯罪等。有时，依靠大数据做出的演算与预测，如果与自由意志不符时，孰轻孰重？


　　同时，我们也担心，愈来愈多的企业会掌握更多资料，但如此庞大的资料为他们所收集，拿去做了什么？什么用途？不一定能受到监督与管理，这是重要议题。


　　“巨量资料是为人类所掌控，而不是被巨量资料所掌控，”这是荀伯格最后的提醒。