數博會開幕：你真的了解大數據嗎?

    自從2011年大數據在中國受到關注以來，每年與此相關的會議和講座接連不斷，大家也都事事必談大數據。2015年11月，黨的十八屆五中全會公報提出要實施“國家大數據戰略”，開啟了我國大數據建設的新篇章。可是怎樣有效使用數據，如何讓數據産生價值，如何在數據領域獲得投入産出，這些雖事關國運，卻是很多人都講不明白的事。

    聚焦2021數博會｜數博會歡迎你（視頻來源于數博會組委會）

    上個世紀80年代出現了個人電腦，軟件開發變得熱門；90年代互聯網開始興起，數據庫在企業中被廣泛使用，辦公實現自動化。新世紀CRM，ERP流行，互聯網應用得到了爆炸式的增長，電子商務、社交媒體和移動互聯網也隨之出現，所有這些技術進步、業務發展都帶來一個同樣的結果，就是數據無法控制地大量增加。現在人們的一切行為幾乎都會留下數據痕跡，比如使用手機軟件消費、出行等等，我們生活在了一個大數據時代。

    數據記錄了很多事情發生的過程和狀態。而一件事情的發生會受到很多因素的影響，這些因素的內在聯繫是什麼，如何影響到了事情的發展，都可以用數據記錄下來。人們就是希望通過對數據的分析，找到事情發生的來龍去脈，以便預測將來的發展。為此，人們找到了很多的方法研究數據，像統計分析的方法、計量經濟學和時間序列、運籌學、概率論和機器學習的方法、可視化技術，還有各種輔助的電腦技術和演算法。數據分析可以在各行各業得到具體的應用，還可以作為一種主要方法進行科學研究，也能開辟新的應用建立新的行業。

      2021數博會圍繞年度主題“數智變物致新”，組織“一會、一展、一發布、大賽及係列活動”。圖為2021數博會工業APP融合創新大賽總決賽在貴陽開賽。（圖片來源于2021數博會官網）

    大數據和電腦技術、互聯網一樣，具有普適性和通用性，各行各業都需要，不但傳統行業需要，而且是新興行業的依托。大數據技術的出現，使得物聯網、雲計算、人工智慧得以落地變成現實。所以，大數據是真正自電腦時代、互聯網時代後，能夠撐得起一個時代的技術。

    大數據技術確實是給各行各業帶來了實實在在的利益。但是，是不是每個人都能夠理解大數據的一些實質性的問題呢？

    舉這樣一個例子：一年中，當人們游泳的次數增加的時候，吃冰棍的數量也會增加；游泳次數減少的時候，吃冰棍的數量也會減少。那麼，這兩件事情是否有關係，誰引起了誰的變化？其實游泳與吃冰棍沒有任何因果關係，它們之間是相關性關係。它們同時變化的原因是天氣的變化，這是人們的常識。大數據中，很多變數之間的關係都是這種相關關係（不知道是什麼原因引起的），而不是因果關係，因此，不能簡單下結論誰引起了誰的變化。這是大數據對人們思維方式的影響。

    英國統計學家辛普森在1951年提出了一個悖論，即在某個條件下的兩組數據，各自研判時，都具有某種傾向性，而合並研判，卻可能得出相反的結論。比如，兩個院係都有女生錄取比例高的問題，但是把兩個院係的所有學生合並以後，再計算卻是男生的錄取比例高。如果是比較兩個産品的銷售情況，就不能僅僅看單一地區的銷售比例，而是要看總體的比例。要全面考慮問題，不可輕易下結論。

    數字化是企業升級換代的基礎，對數據的利用是實現智能化的前提。（圖片由本文作者提供）

    1936年美國民主黨總統富蘭克林-羅斯福任滿一屆，參加下一屆的總統大選，當時共和黨的候選人是阿爾佛雷德-蘭登。著名的《文學文摘》通過對240萬人的民意測驗，預測共和黨的候選人蘭登將當選。而一家由喬治-蓋洛普新成立的輿論研究所，只對5000人進行了問卷調查，卻準確地預測了民主黨的羅斯福會勝出。為什麼大的數據沒有得出正確的判斷？因為這240萬都是富人，他們的意見不具有普遍性，而5000個數據卻是來自社會各個階層，具有普遍性。《文學文摘》使用了錯誤的數據。

    谷歌流感趨勢GFT是谷歌從2008年推出預測流感的項目。谷歌的依據是特定關鍵詞的相對搜索量和特定事件之間存在相關性。GFT利用這些搜索數據可以近乎實時地對全球當前的流感疫情進行估測。大數據為研究人類行為和人與人之間大規模的互動提供了新的方式。然而，由于大數據的搜集做不到像經過嚴謹科學試驗得到的“小數據”那樣精確，因此分析解讀大數據是一件十分復雜的事。

    2013年2月，《自然》雜志發文指出，GFT預測的流感樣病例門診數超過了美國疾病預防控制中心CDC根據全美各實驗室監測報告得出的預測結果的兩倍，偏差太大。因此，用戶的搜索行為並不僅僅受外部事件影響，它還受到很多其他因素的影響。做數據分析不是數據量越大越好，模型科學地選擇變數很重要。

    大數據利用好了，是收益；利用錯了，就會做出錯誤的判斷。除了要具備對大數據本身的認知，也要走出大數據項目建設的一些誤區。

    電腦和互聯網世界將我們帶到了數據世界，數據世界的未來就是智能化世界。（圖片由本文作者提供）

    一種是認為投資大數據來錢慢，不掙錢，安于現狀，不思進取；另外一種是做大數據急功近利，不尊重科學，搞形式主義、政績工程。

    有人看不到大數據投資帶來的利益，缺乏長遠的眼光，因此，遲遲不在這個領域下功夫，不投資基礎設置，不投資人才，不做規劃。企業數字化是大數據的基礎，企業數字化可以提高自動化效率，積累數據，為智能化做準備。

    2017年，華為接受數字化轉型的建議，構建了與消費者和渠道互通的數字化平臺，使得華為能夠應對外部環境的變化，經受住了各種打擊。日本上個世紀八、九十年代的輝煌是制造業的輝煌，當時日本的GDP最高能夠達到美國GDP的69.6%多。後來，除了美國的打壓外，日本對互聯網産業關注不夠，使得日本錯過了互聯網時代，也使得中國這個後來者今天達到了日本GDP的3倍多。這是一個深刻的教訓，中國是萬萬不可錯過大數據時代的。

    大數據是通往智能化的必由之路。沒有大數據，就沒有人工智慧，就沒有物聯網，就沒有智能制造，就沒有傳統行業的升級換代，沒有現代生物制藥、基因工程的研究等等，也就沒有中國現代化的未來。因此，我們一定要通過各種方式普及大數據知識，推進大數據的建設。

作者：劉政

配音：鄭琬

終審：劉君

 校對：曹書娟