倪明選：大數(shù)據(jù)如何改變世界

大數(shù)據(jù)時(shí)代的來(lái)臨，帶給我們眾多的沖擊，而斯諾登事件的曝光，讓全世界人都認(rèn)識(shí)到了數(shù)據(jù)的重要性。那么，大數(shù)據(jù)時(shí)代將給我們帶來(lái)哪些變革，IEEE Fellow、香港科技大學(xué)教授倪明選在西安交通大學(xué)召開的“2014高等教育信息化創(chuàng)新論壇”上發(fā)表的主題演講，就為我們闡述了他所帶領(lǐng)的科研團(tuán)隊(duì)在數(shù)據(jù)挖掘方面所做的研究與探索。

全面了解客戶行為

倪明選以谷歌為例，向大家解釋了谷歌為什么能夠全面了解用戶行為。他說(shuō)，谷歌提供的服務(wù)十分全面。谷歌每一次功能的更新，界面的優(yōu)化，精準(zhǔn)的搜索，資料備份，免費(fèi)的超大郵箱，都讓大家感覺谷歌的服務(wù)太好了。可是世上本無(wú)免費(fèi)的午餐，這一切源自谷歌搜集了用戶所有的數(shù)據(jù)，進(jìn)行行為分析，以獲得巨額的廣告商機(jī)，而這也切實(shí)說(shuō)明了數(shù)據(jù)的價(jià)值所在。

倪明選強(qiáng)調(diào)，他們希望不僅從大數(shù)據(jù)中發(fā)現(xiàn)更多的知識(shí)，更重要的是通過數(shù)據(jù)的搜集與挖掘，從而達(dá)到預(yù)控的目的。他說(shuō)，谷歌的服務(wù)非常不錯(cuò)，在功能更新和界面友好度上也下了很大功夫，谷歌通過搜集數(shù)據(jù)，了解客戶的行為，從而進(jìn)行針對(duì)性的廣告。

此外，谷歌的科學(xué)家曾發(fā)表過一篇文章，講述他們?cè)鲞^的疾病預(yù)防和流感分析。谷歌通過搜索定位，哪些人在什么地區(qū)搜索過“流感”這樣的關(guān)鍵字，分析出可能發(fā)生流感的范圍。而美國(guó)疾病控制與預(yù)防中心從搜集資料到發(fā)布流感情況，需要一兩周才能得出流感分析結(jié)果，谷歌科學(xué)家只用了一天，結(jié)果跟美國(guó)疾病控制與預(yù)防中心做得一樣好。

歷史還告訴我們，跟不上科技步伐的人可能要被淘汰，大數(shù)據(jù)也是一樣，眾多實(shí)例說(shuō)明了大數(shù)據(jù)的潛力與價(jià)值，美國(guó)許多大公司都在不同的領(lǐng)域從事大數(shù)據(jù)的研究，我們看到的僅僅只是冰山一角。

進(jìn)行實(shí)驗(yàn)分析

在報(bào)告中，倪明選還列舉了一些大數(shù)據(jù)帶來(lái)的影響。例如，2013年諾貝爾物理學(xué)獎(jiǎng)獲得者希格斯證明了上帝粒子的存在，歐洲科學(xué)家們建立了一個(gè)超大實(shí)驗(yàn)室，每年搜集幾個(gè)P的數(shù)據(jù)，大量的數(shù)據(jù)無(wú)法處理，只能再送到十幾個(gè)一級(jí)的實(shí)驗(yàn)室。第一級(jí)實(shí)驗(yàn)室搜集后再送到第二級(jí)實(shí)驗(yàn)室，把所有的數(shù)據(jù)再做分析，最終證明了95%的概率上帝粒子是存在的。如果數(shù)據(jù)量再大一些，基本可以證明上帝粒子100%存在。

倪明選認(rèn)為，大數(shù)據(jù)分析有三個(gè)最主要的元素：第一，要知道想解決什么問題；第二，數(shù)據(jù)非常重要，收集各種各樣的數(shù)據(jù)；第三，什么樣的技術(shù)能從數(shù)據(jù)中解決問題。如同給你一個(gè)礦藏，其中蘊(yùn)藏著巨大的資源，挖出礦藏是你的本領(lǐng)。

倪明選在計(jì)算機(jī)科研領(lǐng)域工作超過35年，一直從事網(wǎng)絡(luò)體系結(jié)構(gòu)研究，2006年起負(fù)責(zé)國(guó)家973計(jì)劃有關(guān)無(wú)線傳感網(wǎng)絡(luò)的項(xiàng)目，從而開始進(jìn)入大數(shù)據(jù)領(lǐng)域。當(dāng)時(shí)他們做了各種科研實(shí)驗(yàn)，搜集了很多數(shù)據(jù)，還拿到了當(dāng)時(shí)上海交通的數(shù)據(jù)，上海市所有的士要求安裝GPS，所有的士在每30秒到1分鐘要經(jīng)過二級(jí)GPRS報(bào)告的士什么時(shí)間、在什么地點(diǎn)，有沒有載人，速度多少。他們就思考這些數(shù)據(jù)有什么用，能夠帶來(lái)什么好處，能否用的士數(shù)據(jù)幫助大家選擇從A到B的最佳線路。倪明選帶領(lǐng)的團(tuán)隊(duì)通過擁有的6000多部上海的士數(shù)據(jù)，最終解決了上海的“熱區(qū)”（是指擁擠的地方，交通容易堵塞）問題。比如從某地去機(jī)場(chǎng)，導(dǎo)航只能給出距離最近的路線或是收費(fèi)最少的路線，但是導(dǎo)航并不能說(shuō)清目前的交通狀況，了解最優(yōu)路況的自然是的士司機(jī)，所以他們通過的士司機(jī)最常走的路線，找到最優(yōu)路徑，最后得出上海在什么時(shí)間、什么地方形成熱區(qū)。

實(shí)現(xiàn)數(shù)據(jù)共享

如今，不少城市都以“智慧城市”為目標(biāo)，建立自己的數(shù)據(jù)中心。倪明選認(rèn)為，很多部門并不了解數(shù)據(jù)中心的作用，到處都建立數(shù)據(jù)中心，但是數(shù)據(jù)還是存不下。

在他看來(lái)，數(shù)據(jù)中心耗電量大，有些企業(yè)如谷歌在當(dāng)?shù)卦O(shè)立的數(shù)據(jù)中心，政府并不能看到數(shù)據(jù)，這屬于戰(zhàn)略資源。隨著信息化的不斷發(fā)展，現(xiàn)代政府應(yīng)該建設(shè)數(shù)據(jù)中心，因?yàn)橐话闵碳矣袛?shù)據(jù)但是沒有地方存儲(chǔ)，政府給中小企業(yè)提供存放數(shù)據(jù)的地方，政府的數(shù)據(jù)應(yīng)該放在數(shù)據(jù)中心，那么企業(yè)就可以分享，企業(yè)在政府?dāng)?shù)據(jù)上面將創(chuàng)造更多的價(jià)值。例如，做PM2.5評(píng)估就需要掌握20年來(lái)的香港空氣數(shù)據(jù)，這應(yīng)該是政府提供的。又如在房地產(chǎn)領(lǐng)域，其“身價(jià)”也應(yīng)該放在數(shù)據(jù)中心里面，相關(guān)部門可以開發(fā)更大的應(yīng)用，告訴人們哪些地方可以租，哪些地方不能租，這是政府應(yīng)該做的。不管是商業(yè)、學(xué)業(yè)，還是產(chǎn)學(xué)研結(jié)合，其目的都是創(chuàng)造更多價(jià)值。

倪明選及其團(tuán)隊(duì)為廣州的“小蠻腰”（廣州塔）開發(fā)了一個(gè)室內(nèi)導(dǎo)航APP，通過APP可以查詢小蠻腰內(nèi)每一層具體有哪些店鋪。而當(dāng)站在小蠻腰最高層俯瞰廣州城區(qū)時(shí)，還可以通過APP來(lái)知道了解廣州每一棟建筑是什么。另外，他們還為廣州最大的消費(fèi)中心——正佳廣場(chǎng)，開發(fā)了室內(nèi)導(dǎo)航APP，具有查詢停車位和商鋪的具體位置等功能，還可以記錄用戶的消費(fèi)習(xí)慣，推送店鋪廣告、打折信息等。

數(shù)據(jù)的搜集也很重要。國(guó)內(nèi)IT企業(yè)如百度、騰訊、阿里巴巴就做得很好，阿里巴巴不管什么數(shù)據(jù)都會(huì)保留，也許之前不知道有什么用，但是他們看到了未來(lái)的價(jià)值在這個(gè)地方。

重視數(shù)據(jù)搜集

倪明選認(rèn)為，數(shù)據(jù)的搜集也很重要。國(guó)內(nèi)IT企業(yè)如百度、騰訊、阿里巴巴就做得很好，阿里巴巴不管什么數(shù)據(jù)都會(huì)保留，也許之前不知道有什么用，但是現(xiàn)在他們看到了未來(lái)的價(jià)值。

他說(shuō)，過去人們?cè)谶M(jìn)行計(jì)算機(jī)教學(xué)的時(shí)候，算法非常重要。其實(shí)算法不是唯一重要的東西，海量數(shù)據(jù)的分析方法比算法更重要。其中需要調(diào)出的參數(shù)不是幾百個(gè)，幾千個(gè)或者幾萬(wàn)個(gè)，而是百萬(wàn)千萬(wàn)甚至是上億個(gè)。有專家表示，數(shù)據(jù)可以幫助人們抓出特性，通過分層來(lái)減少神經(jīng)網(wǎng)路。

不久前，阿里巴巴開展了關(guān)于客戶行為分析的一個(gè)競(jìng)賽。阿里巴巴希望像谷歌一樣做針對(duì)性廣告，通過客戶行為分析推送廣告。這個(gè)競(jìng)賽就是把1000個(gè)客戶在4-8月的所有購(gòu)買物品資料全部調(diào)出，也就是客戶登錄天貓后，哪些東西是放在購(gòu)物車后真的買了，花了多少錢，這些數(shù)據(jù)都給予保留。通過這些數(shù)據(jù)的分析，參賽者給出9月該客戶會(huì)買什么東西，誰(shuí)猜得誰(shuí)就是冠軍。實(shí)際上這個(gè)競(jìng)賽可以用協(xié)同過濾的方法。需要了解客戶的性別、年齡、花費(fèi)多少、先買什么后買什么。通過掌握客戶的行為，比如A買了一個(gè)物品，B跟A是否很類似，那么這個(gè)物品推薦給B，B八成也會(huì)購(gòu)買，那么推薦就算是成功的。如何去定義客戶的相似度，需要豐富的實(shí)踐和直覺。當(dāng)然，在大數(shù)據(jù)時(shí)代，面對(duì)海量的數(shù)據(jù)，在進(jìn)行參數(shù)調(diào)取時(shí)，有些機(jī)器是無(wú)法進(jìn)行的，目前采用的都是“天河二號(hào)”。

針對(duì)這些實(shí)例倪明選說(shuō)，數(shù)據(jù)的價(jià)值正在于此。因此，需要盡量搜集更多的數(shù)據(jù)，通過創(chuàng)新思維，讓數(shù)據(jù)創(chuàng)造更多的價(jià)值。他認(rèn)為，一方面，大數(shù)據(jù)的確帶來(lái)了新的技術(shù)變革，但新的技術(shù)確實(shí)會(huì)帶來(lái)最大的隱私權(quán)問題。如同谷歌了解用戶所有的信息，即使用戶并不希望它知道這些隱私卻又無(wú)可奈何；另一方面，每次登錄各種APP都需要知道用戶的地址信息。那么隱私權(quán)怎么得到保護(hù)？法律永遠(yuǎn)跟不上科技的步伐。但是我們只能向前看，不能走后退路。所以法律要跟上科技發(fā)展，這是必須要走的方向。

“歷史還告訴我們，跟不上科技步伐的人可能要被淘汰，大數(shù)據(jù)也是一樣，眾多實(shí)例說(shuō)明了大數(shù)據(jù)的潛力與價(jià)值，美國(guó)許多大公司都在不同的領(lǐng)域從事大數(shù)據(jù)的研究，我們看到的僅僅只是冰山一角?！彼f(shuō)。