Big Data专家：大数据问What比Why更重要

  近日美国大数据权威专家麦尔荀伯格(Viktor Mayer-Schönberger)分享了大数据趋势。他认为，大数据三大特性，是巨量、杂乱和相关性，而不是一般常见的3V(Volume、Velocity、Variety)定义。如何从这些看似杂乱无章的巨量数据中，找出最适合的相关性，并以此来改变决策，帮助我们更了解世界，正是企业和政府所面临的新挑战。

  麦尔荀伯格早年曾是名程序设计师，年仅20岁就创立一家防病毒软件公司，推出的防病毒软件一度获选为澳洲年度畅销软件之一。他在哈佛大学攻读法律，并取得伦敦经济学院经济硕士，而后对于大数据领域有着深入且广泛的研究，曾发表过上百篇专论和书藉，现为牛津大学因特网研究所教授，专攻网络治理与法规，并着有《Big Data》等著作。

  麦尔荀伯格认为，经过搜集而来的大资料，往往具备有三大特性，第一就是拥有非常多的讯息量。

  这边所指的「多」代表的是具有一定规模的完整数据，可透过搜集分析发现具有相关性的问题或现象。他以过去相机对焦为例，一般只有在对焦范围内拍出来的人物轮廓才会清晰，但范围以外的人物轮廓往往会是模糊的，但是改用一台可先拍照后对焦的光场相机，就能先将所有人物数据完整纪录下来，之后在决定照片要以谁为主角，也不需要花费时间重拍，还可以获得更多有关照片的细节。麦尔荀伯格认为，尽可能搜集越多的完整资料，也是同样的道理，搜集妥了以后再进一步决定用途。

  麦尔荀伯格提出的大数据第二个特性是杂乱。相较于过去受限于测量能力的限制，能取得的数据往往不多，因此会注重数据的精确性。但是，当面对的是杂乱且复杂的大数据时，就不能再以过去传统少量数据的方式去分析，而是要有新的作法。他说，大数据要求的并不是一点错都无法容忍接受的精确数据，更多时候反而容许有测量误差的数据，只要透过分析可以得出有用的数据，就不用为了那一两棵树而放弃一整座森林。

  比起问why，大数据更看重的是问What相关性

  至于大数据第三个特性则是相关性，麦尔荀伯格解释，比起问“Why”的因果关系，大数据更看重的是问“What”的相关性。重要的是先了解，数据要告诉我们“什么”而不是“为什么”。他以美国知名零售商沃尔玛当例子，当他们在进行大数据分析时发现，每当飓风即将抵达前，当地居民除了上超市去买手电筒和电池之外，还会买了一堆被称为是Pop-Tarts的草莓甜点，这样的发现也替沃尔玛带来庞大商机，至于顾客为什么会买这些甜点就不是那么重要了。同样的道理，当亚马逊和Netflix 在推荐顾客产品时，同样也不知道为什么要推荐这些书或DVD影片，只要知道顾客会买单就好。

  麦尔荀伯格举的另一个例子是语言翻译。50年代的美国计算机科学家，曾试图透过文法规则让机器大量翻译俄语数据，花了12年时间投入近数十亿美元，最终还是宣告失败。当时，IBM也在个人计算机加入更多语句和文法规则，并以此成功翻译了60个俄文短句，但因无法进行大量翻译也告失败，就算是在1990年时，IBM试图透过新开发的统计机器来翻译10年份的加拿大国会文件数据(含英法双语)，尽管的确改善了机器翻译的质量，但最后因投入大笔资金却无法得到相应成果，只好退出放弃。

  反观当时还是名不见经传的小公司Google，成立仅仅不到10年时间就完成了这项不可能任务，推出了翻译服务，而其采用的方式只不过就搜集了几千亿笔的网络数据来分析，其中有包括欧盟语言、网站语言、书籍和说明手册等五花八门的数据，尽管这些数据质量参差不齐，但透过汇整分析却能翻译出更为精确的语句。

  麦尔荀伯格举的最后一个例子则是早产儿诊断，Carolyn McGregor博士率领了安大略理工学院与IBM的研究人员，共同开发一套身体健康追踪系统，可以实时追纵早产儿的健康资料，包括像是心跳、呼吸、体温、血压等身体症状，并且每秒钟会回传1,260笔数据给医生。医生透过这套系统可经观察妈妈体内婴儿的身体的细微变化，提早24小时前预测出是否为早产儿的可能性，以挽救更多的生命。后来Carolyn McGregor用大数据技术来分析这些资料后，还发现早产儿在严重感染前，反而生命迹象会有一段时间维持稳定，颠覆了过去一般认为早产而身体先恶化再感染的理论。倘若Carolyn McGregor只专注于研究身体恶化与感染间的因果关系，就无法得到这个发现。

  从巨量机器假设找出最佳相关性

  对统计学家来说，常见的研究流程是先有理论基础，接着是提出假设，最后再透过数据来验证，但在大数据上，麦尔荀伯格认为，原有研究流程变得不一样了。以Google的作法来说，同样都有一套理论基础，但Google却是透过程序自动建立了大量的机器假设(Machine Hypothesis)，将所有可能的假设通通都放进来，再利用云端运算技术一次处理高达4.5亿个机械假设，从这些巨量的机器假设中找出最合理的相关性。

  大数据核心价值：可重复使用、重组数据，发现新价值

  麦尔荀伯格更指出，大数据的核心价值，在于可以重复地使用数据，而且是不断地重组可能的使用方式。他说，过去人们会因为特定目的而搜集数据，但在大数据时代，很多时候并不知道这些数据是否还有其他用途，像是“先拍照后对焦”的光场相机，往往是透过对巨量数据交叉分析后，才对数据运用有了新发现。就像装在车上的传感器，除了可用来找出目前那一个地段最容易塞车，日本东京产业技术大学也曾在驾驶座位装入360颗传感器，来搜集司机坐在驾驶座上的动作，只有符合登录臀部坐姿的驾驶才能发动车子，以此达到防盗功效。

  又好比如说，Google曾经于2009年成功利用搜寻关键词来预测流感趋势，但后来预测却失准，麦尔荀伯格表示，最大原因就是没有考虑到现实及人类行为环节的改变。而刚推出的Google Glass眼镜，“其实Google真正的目的是要了解人们到底在看什么？关心什么？透过运用这些搜集而来的数据进一步去分析预测出消费者的行为。”他说。

  荷兰手机公司藉由卖天气数据，开创新的事业

  大数据不只可帮助企业内部决策，还可协助开创新事业。麦尔荀伯格以国外几个大数据应用成果作为例子，像在荷兰有一家手机公司面临了低价竞争而无法获利时，他们发现了自家所建造的基地台讯号，无形中会因周遭环境气候而改变，这个发现让他们反而可以卖天气数据，转换思路来开创新的事业。劳斯莱斯不只是汽车公司也是全球第二大的飞机引擎制造商，透过在大型客机内的喷射引擎，加载飞行管理系统来监控大量的引擎运转数据，加以分析后能预测出引擎的寿命，劳斯莱斯并以此来提供预测性的维修服务。

  美国零售商Target则是另一个典型的大数据应用，Target搜集了大量女性顾客的购物行为，运用大数据分析找出各种相关性，像是他们分析后发现，女性在怀孕三个月的时候，会开始购买某一类产品或对特定品牌产生忠诚度，像是无香味的乳液或各类营养补充品。反推回来，当女性开始出现这个行为时，也可以用来预测出女性是否已有怀孕迹象，甚至还能因此准确预测出小孩出生的日期。

  尽管透过分析演算，大数据可以用来改变决策的方式，创造出新的商业或经济价值，甚至可作为预测人类行为的强大工具，但麦尔荀伯格也提醒，使用这些数据必须很小心，切勿忘记人有自由意志，一旦过度依赖这些预测数据，一方面可能发生像是在《一九八四》小说中无所不在的老大哥(Big Brother)监控，造成对个人隐私的侵犯。也可能作出不公平的预测，发生了如电影关键报告中还未犯罪就遭到逮补的情节。

  他说，如何善加利用大数据和使用工具，去帮助人们更了解这个世界，是政府和企业所面临的新挑战。