大数据经济

作者简介

谢文，中国互联网开路人之一，中国互联网领域的数朝元老，中国互联网预言家，中国互联网发展的重要参与者。20世纪90年代中期回国，先后在中公网及其所属联众游戏网站、互联网实验室等知名企业担任CEO、董事等职务。曾任和讯网CEO，雅虎中国总裁。2008年初加入一起网任CEO。现为资深互联网观察家，媒体活跃人士。

内容简介

一个概念，无论它可以抽象到多么高深的程度， 其形成、演变、推广的过程往往却很实在、具体，充 斥着不同社会力量的博弈。这个概念的对错与否、生 命力的短长、对社会的影响往往不取决于概念本身， 而在于它的社会价值。 例如，PM2．5是一个衡量空气污染的指标概念， 是描述客观存在的一种尺度。但是，这个概念在中国 的落地生根却经过了两三年惊心动魄、迂回曲折的艰 难历程。这个概念长期被拒绝在中国采用，理由是不 合中国国情，不能反映出环境保护方面取得的伟大成 就。然后，当亿万百姓可以通过网络获取这一指标的 实时报道时，又被说成是外部势力居心叵测的挑衅。 终于，现在PM2．5检测体系开始在全国逐步建立，大 众的兴奋度却逐步降低，因为据说不经过二三十年， 中国是很难达到联合国规定的空气优良标准的。 再例如，基尼系数是世界各国广泛用来衡量社会 发展水平和社会不平等程度的一个客观指标概念。但 是，这个曾经被中国学界广泛使用的概念近年来却无 法获取权威的全国性数据，据说是因为基尼系数七八 年前就达到了0．45的水平，这被认为是一个社会贫 富差距过大、继续增加就会导致社会动荡的临界点。 一些学人体谅苦心，跳出来说普适性的基尼系数计算 方式不适合中国国情，需要建立具有中国特色的基尼 系数。因为城乡二元化，所以应该分别计算城乡基尼 系数；因为沿海内地发展水平差异巨大，所以应该分 别计算沿海地区和内陆地区的基尼系数；因为城市地 区有户口的居民与新迁移进城的无户口居民之间生活 水平差异巨大，所以应该分别计算正式居民与非正式 居民的基尼系数，甚至干脆将非正式居民排除于统计 体系之外。于是，社会贫富差距就成了一个只能泛泛 而谈而无法实际度量的东西。 还例如，世界多数国家普遍采用的时区制，在中 国从来就没有实行过，据说是怕影响国家统一。夏令 时制曾经试行过两三年又被取消，据说是因为既麻烦 又节电效果不明显。邮政编码先是被大力推行，然后 又被取消，然后又被推行，理由先是推行成本过高， 后是不推行成本过高。相反，有些概念的命运没有这 么坎坷，一旦引进国门就大行其道。纳米是个只有极 少数材料物理科学界专家才明白的概念，但今天在很 多超市里却随处可见纳米除污剂、纳米装饰品，甚至 还有什么纳米食品。 可见，一个新概念的出现，即使本身正确，孕育 着推动科技进步和社会发展的巨大潜能，其真正实现 也绝非易事，更可能的是由于社会环境的制约，被否 定，被歪曲，被庸俗化。 今天，在中国相当范围内，开始流行一个全新的 概念——大数据。我得承认，这个概念的流行中我自 己起了一点作用。在大数据开始被讨论差不多一年的 时候，它开始沦人其他新概念类似的命运：越来越说 不清楚了。个中原因也不难解释：首先，大数据的概 念是个舶来品，在发达国家尤其是美国逐渐成形、讨 论和实践。在潮涌般的媒体报道、论文分析和专著论 述中，大数据这个概念如同瞎子摸象一样，被不同视 角、不同利益和不同水平的人描述出来，让人难以琢 磨。一个被严格定义并被广泛接受的大数据概念还没 有出现，它更像是一个宽泛的现象描述，各种各样的 东西都被装在里面。这样的好处是百家争鸣，共识会 逐渐形成；坏处是鱼龙混杂，存在走歪走偏的可能性 。其次，大数据是个发展中的事物，人们对其理解、 阐释也在思想的碰撞、利益的竞争和技术的发展中不 断深化，在概念层次和理论框架上说不清楚是必然的 ，和历史上许多新理念的形成过程并无二致。再者， 关心大数据的主力军是网络业和IT业人士，他们目前 面临着沉重的竞争压力和创新突围的激烈竞争，难免 情不自禁地把自己的战略、产品、技术和服务装进大 数据这个筐里，图存发展。 在维基百科网站上，大数据开始是这样被定义的 ：“大数据通常包括这样一些数据集，其体量超出了 业内常用软件工具的能力，无法在可以容忍的时间内 获取、把握、管理和处理。”这个定义显然是描述性 的、单向思维的、自相矛盾的：如果大数据仅仅等于 数据体量大，那么大数据与其他数据有什么本质区别 ?这种区别仅仅在于软件处理能力上吗?近年在处理体 量相对庞大的数据方面，最流行常用的软件程序叫 Hadoop，那么能够被它处理的数据算不算大数据呢? 说不算吧，Itadoop被很多人称为第一个大数据软件 ；说算吧，它面对的数据并没有超出它的能力。可见 ，这种大数据概念一定来自每日和数据纠缠在一起的 软件工程师和数据工程师们，是一种具体的、狭隘的 、操作性的定义，经不起时间和逻辑的检验。 P7-9