【上海天元稳定回报论证】为什么会产生大数据？大数

【上海天元稳定回报论证】为什么会产生大数据？大数据如何惠及大众？

上海天元项目数据分析师事务所有限公司

地址：上海市徐汇区天钥桥路329号B栋707室

王经理：02124193019

本文摘自36大数据4月6日携手腾讯云分析在腾讯大厦举办的“大数据应用与实践”的演讲速记。

前言：

在以往的演讲过程中，我总是在强调一件事——“大数据的群主基础不好”，换句话说，普通大众用户接受大数据这个概念和事实是需要很大的成本的，我们不要和他们讲大数据有多高大上，也不要为了显得自己牛X用大量的专业术语，把复杂的事情简单化，把复杂的事务用简单通俗的语言说出来，本身就是一种能力。所以这篇文章中，我将用简单的话语来和大家介绍大数据和大数据的行业现状。希望给那些对大数据感兴趣的朋友能有所帮助。

一、为什么会产生大数据？

为什么会产生大数据呢？大数据之前难道我们都处于“暗黑时代”？

如果你去搜索“为什么会产生大数据？”这个问题，专家、学者都会给出不同的答案。面对大量的答案，大众该如何去理解？所以我用简单的方式进行了一个归纳，我认为，产生大数据大的三个因素是“计算”，“存储”和“智慧”，下面逐一来讲解。

产生大数据的个因素：存储成本的下降
在云计算出现之前，数据存储的成本是非常高的。比如说，我之前供职的是客户端网络游戏公司，那时候游戏每次要开新服，都需要去购置和部署新的服务器，还需要安排几个人去维护服务器的安全，保证数据存储的安全性和数据传输的畅通性。而且，机房还会定期进行数据清理，把部分历史数据清理出去，以便存储新的数据。在那个时代里，互联网公司各自为政，机房部署的人力和管理都是非常高的。

云计算出现后，数据存储服务衍生出了新的商业模式，集中建设数据中心大大的降低了单位计算和存储成本，比如说36大数据，我们要建设网站，现在根本不用去买服务器硬件，也不需要在雇佣人员来管理，使用阿里云的就解决了我们的问题。而且存储成本的下降，也改变了大家对数据的看法，因为存储成本不高，所以我们愿意把3个月、6个月甚至更久远的历史数据保存下来，有了历史数据的沉淀，才会想着如何把这些数据利用起来，通过不同时间的对比，来发现数据之间的关联和价值。

存储成本的下降，为大数据搭建好了基础设施。

产生大数据的第二个因素：运行、计算速度越来越快
这一点可能从98年开始上网的朋友就能明显的感觉到。随着互联网的普及及网络技术的发展，加上硬件性价比的提高以及软件技术的进步 ，数据的运行、计算速度越来越快。98年你要传个10MB的文件给我，可能需要一天，放到现在，可能也就是几分钟的事情。分布式系统基础架构Hadoop的出现，为大数据带来了新的曙光。HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了并行计算，从而大大提高了计算效率。现在还有在计算方面比Hadoop更快的框架Spark、Storm等等。

海量数据从原始数据源到产生价值，期间会经过存储、清洗、挖掘、分析等多个环节，如果计算速度不够快，那么很多事情是无法实现的。所以，在大数据的发展过程中，计算速度是非常关键的因素。

产生大数据的第三个因素：智慧，我们渴望解放脑劳动力
18世纪-19世纪，次工业革命开创了以机器代替手工劳动的时代，从而解放了部分劳动力。

19世纪七十年代，电力的发明和广泛应用，从而进入第二次工业革命，推动人类进入了电气时代。电气时代的大影响就是增强了人们的生产能力，使交通更加便利快捷，进而改变了人们的生活方式。

那么在21世纪，我们渴望的是什么？我们渴望解放脑劳动力，实现信息对等，让机器拥有人的智慧。

大数据带来的大价值就是“智慧”。今天我们能看到的AlphaGo围棋人工智能程序战胜李世石，阿里云小Ai成功预测出《我是歌手》总决赛歌王，iPhone上智能化语音机器人Siri、微博上大家常年调戏的微软小冰等等，背后都是由海量数据来进行支撑的。换句话说，大数据让机器变得有智慧，大数据为机器灌输了人类的潜意识，大数据是变形金刚的Matrix和Cube。

美国CNN商业市场分析师Ben Rooney曾开玩笑说：“The data scientist was called, only half-jokingly, a caped superhero 数据科学家曾经被誉为戴着披风的超级英雄”。

我觉得一点都不夸张，大数据的确是我们这个时代的超级英雄。

所以，存储成本的下降，计算速度的提高和我们对智慧的渴望，是产生大数据的三个重要因素。

当然，要问大数据为什么一下子在全球风靡起来，维克托·迈尔·舍恩伯格的那本《大数据时代》确实起到了很大的推动作用，但并不是因为那本书才有大数据，这个逻辑一定要缕清楚。

二、谁在关注大数据？

我们一定要去问这个问题，谁在关注大数据吗？是和总理？是马云还是李彦宏？又或者是整天高谈阔论的专家学者？

错！

大数据的其中功能之一就是可以进行用户画像，我们完全可以用用户画像来画出大数据的关注人群图谱。

下面是36大数据根据百度指数、微博微指数、36大数据3年来沉淀的用户做得一个简单画像。

事实上，在关注大数据的人群中，有62%的人群为年龄30-49岁、本科以上学历的传统行业人员，他们来自房产、生活服务、建材家居、商务服务、金融财经、旅游酒店、餐饮美食、教育培训、医疗健康、大众消费、航天、政府公共服务等多个领域；

关注大数据的人群中，25%的用户为年龄20-29、大专以上学历、IT科技、互联网相关从业者 ；

9%的用户为垂直数据行业从业人员，这群人大的标签是高文凭、高技术、高收入、宅、技术控、少社交、不爱传播 ，理性、理工男。

剩下还有4%是19岁以下，50岁以上这一部分人群。他们绝大部分是通过宣传后，怀着对大数据的好奇心才来关注的。

所以，基于大数据关注人群的画像，可以更好的指导大数据未来的发展方向。我认为大数据未来要实现爆发式的增长，拥抱传统行业，渗透人们生活是必经之路。

三、大数据如何惠及大众？

我承认，大数据近年来是被炒得有些过头了，但不代表它是一个“炒作词”。大数据的背后，的确有着实实在在的数据，实实在在的技术和是实实在在的应用。大数据确实能够产生商业价值。

下面基于我个人对大数据的理解画出的一个示意图。

对于大数据企业来说，大数据涵盖了公司内部数据和外部数据两大方面。

公司内部数据包括：
1、公司使用BI（Business Intelligence）、CRM系统、ERP系统、邮件系统等产生的数据；

2、财务数据。其中包括公司的支出、采购、收入等多项与公司日常运作有关的数据；

3、注册用户数据。无论是网站、APP还是游戏，用户注册都会填写邮箱、电话、身份证号码等数据，这些数据其实非常有价值，此外还要加上用户使用公司产品留下的行为数据。

4、历史数据。公司沉淀下来的其他各种数据，这些数据一定要整合起来。

外部数据包括：
1、社交网站数据。包括微信、微博、人人网、Twitter、、LinkedIn等社交媒体上的数据。社交数据部分是可以爬取的，另外一部分是需要运营方授权的。

2、线下采集数据。这一块目前做的公司比较少，但同时也比较有价值，比如说Wifi热点数据、地图数据等；

3、政府开放数据。目前在中国，已有多个省市不同程度的开放了部分数据，如果你想要找的话，可到相关政府网站下载。

4、智能设备、传感器数据。典型的案例就是智能手机了，我们使用手机留下的行为数据，传感器数据，都可以整合到外部数据中来。你知道吗？一部智能手机，至少拥有8个传感设备。

5、网络可爬回的数据。除了文字之外，视频和图片也是可以爬回来的。视频和图片其实也是数据，而且是非结构化数据。

6、交易数据。这一块就比较难的，比如说商家流水数据、支付宝交易数据、信用卡消费数据等等，目前这一部分数据是难获取的。

7、数据接口API数据。这个就不做细说了，据我所知，微博开放了商业数据API，腾讯开放了腾讯云分析SDK上报的应用数据，高德地图开放了LBS数据等等。如果你想找更多的数据API，我推荐你去数据堂、聚合数据这两家网站上看一下，上面有大量的API接口。

8、其他。其他范围就更大了，天气数据、交通数据、人口流动数据、位置数据等等。我们可以整合的外部数据种类很多很多。

整合完公司内部外部数据进行大数据存储，然后通过清洗，标注、去重、去噪、关联等过程可以将数据进行结构化，也可以进行大数据挖掘和数据分析，再以数据可视化呈现结果，打通数据孤岛形成数据闭环，将数据转换成“石油”和“生产资料”，后应用到我们日常的生活、学习和工作中去。

当然，大数据应用到日常生活、学习和工作中，往往不是以“大数据产品”自居的，普通人能够使用到的大数据，已经是大数据加上业务场景的产品化应用和服务了。比如，百度搜索引擎、高德地图其实就是基于大数据和业务场景产生的大数据产品化应用。