 |
|
涂子沛，知名專欄作家、信息管理專家，畢業于華中科技大學。赴美留學前，曾做過職業程序員，擔任過公安邊防巡邏艇的指揮官，也從事過政府統計工作，現居美國匹茲堡，是美國某軟件公司數據中心的主任。 |
■
《大數據》作者涂子沛談不可阻擋的大數據浪潮
小數據時代，可以研究個體但不能研究群體，因為只有關于個人的數據。而在大數據時代，人的行為都以數據形式存在，這里面就有很多商機。
從中國的邊防警到美國的軟件公司數據中心主任，20年來，涂子沛的工作一直跟數據處理有關。他在最近由廣西師范大學出版的《大數據：正在到來的數據革命》（下稱《大數據》）一書中，以美國半個多世紀以來的信息開放、技術創新歷史為例，談在這個大數據時代，政府該如何推動信息公開，企業在其中有何商機，數據創新給民眾、政府、社會帶來的種種挑戰和變革。昨晚，涂子沛在上海以“不可阻擋的大數據浪潮”為題與讀者見面，并接受了專訪。
大數據是與云計算同時興起的一個商業概念，從谷歌到騰訊，過去一年他們都在談大數據能帶來的商機。何為大數據？涂子沛有過一個簡單的描述：“什么叫大數據，簡單理解就是超大量的數據。到底多大才算大呢？我們一般認為按π為單位的數據就是大數據。π下面的單位就是G，一部電影大約一個G，一π就等于1024個G。你乘上π，1000多部電影那就算大數據了。我們再舉個形象的例子，現在美國國會圖書館是比較大的圖書館，所有的印刷品如果輸入電腦的話，它才是幾十個π，基本上人類的知識要是全部放在電腦里，也就是按π為單位。”
在這本《大數據》里，涂子沛要討論的是，大數據時代能夠幫助我們走向更自由的社會。因為信息社會最重要的資產是信息，信息的產生、信息的使用、信息的整合，這都是信息社會最重要的生產活動。
用數據說話，別用數據說謊
問：在全世界，哪個公司或哪個機構擁有最多的數據？
涂子沛：我在書中有一個圖表，是2009年美國各行業數據存儲量對比，其中排在第一位的是制造業企業，第二位的就是政府。我們說數據帝國的興起，美國聯邦政府首先就是一個數據帝國，它擁有前所未有的數據。當然Google、Facebook也有大量數據，但只是其中一個公司。我們有一個錯覺，僅僅把互聯網數據當作數據，這是不全的。
問：所以這本書最重要的主題是，推動政府開放數據？
涂子沛：數據開放運動為什么在政府部門開啟？技術的開放是一步步的，最早的開放是代碼開放，形成了1990年代的開源運動。這在當時有很大的爭議，比爾·蓋茨就曾反對代碼開放，但最后代碼開放都被接受了，大家也都在用開源軟件。軟件由兩部分組成，一部分是代碼，一部分是數據，開放完了代碼，接下來就是開放數據。開放代碼發生在私營企業中，開放數據則要看誰擁有最多數據，當然是政府。那么政府開放數據，首先開放什么？當然是公共財政支出的數據。這種情況已經在英、美出現。
相比商業企業，為什么政府要推動大數據開放，因為企業的數據是零散的、案例性質的。大數據從三個層面發生影響：商業、政府和個人生活。因為政府擁有最多數據，應該首先開放。奧巴馬在美國推行數據開放運動，在全世界掀起一個數據開放浪潮。大數據要發揮作用，不僅是收集、挖掘，目前最重要的是開放。大數據可以從很多角度去談，我也談到了大數據怎么起源的，但我最關注的是，大數據真正要發揮作用是要開放，否則就不會產生價值。開放誰來推動?那就是政府。
問：政府擁有那么多數據，但很多是不能開放的。如何界定哪些數據可以開放？
涂子沛：這里有兩條標準，首先是這些數據不能侵犯國家安全，其次是不能侵犯個人隱私。比如最先開放的內容之一，有政府福利項目支出數據，但開放時上面的名字都會抹掉。
問：如何讓我們相信數據？
涂子沛：我之前有個講演，就是用數據說話，別用數據說謊。很多報告里都有數據，但通常的情況是，這些數據常常成為說謊的工具，成為任人打扮的小姑娘。現在經常會出現的情況是，孤立地解釋數據。合理地來說，我們不僅僅是要公布一個數據，還要公布數據的來龍去脈，一個數據可以復制才是站得住腳的。只公布一個數據是不夠的，還要求數據背后的數據公布。一個公布的數據是很難判對錯的，數據之間要互證才可以避免偽造。這就是數據開放的價值。不只是要公布一個孤立的GDP，更要開放整個數據，可以讓所有人自己去算這個GDP數據怎么來的。
用數據提高生產力
問：大數據開放的商機在哪里？
涂子沛：我們講到數據開放，首先想到的是知情權和政府透明，但這只是一方面。現在推進數據開放，不再只是政府監督方面，而是要看是否有商業價值，如何用這些數據推進生產？大數據時代標志著人類向知識時代的邁進。美國的數據開放運動，從數據中整合、發現新的知識，成為經濟發展的動力。比如沃爾瑪，在數據挖掘中發現，一來颶風某些產品就會脫銷，那么他們就去看颶風按照哪些線路走，沿著颶風路線的那些沃爾瑪超市，就會把相應的商品調高倉儲量。
在這個時代，因為大數據的存在，人的行為是可以研究的。以前，小數據時代，可以研究個體但不能研究群體，因為只有關于個人的數據。而在大數據時代，人的行為都以數據形式存在。這里面就有很多商機。通過研究消費者習慣，可以找到很多市場商機。就算在企業運營中，優化才能提高效率，減少成本，優化就要基于數據。產品也離不開數據，產品質量控制就是以數據為支持的。大數據最根本的，就是促進經濟的發展，知識時代的特點就是信息和數據的整合產生新的價值。
問：為什么直到現在，大家才開始談數據的商機？
涂子沛：因為直到現在才有那么多數據可供研究。以前，保存數據很貴，現在很便宜；第二，以前收集不到那么多數據，現在每個人在互聯網上的行為都可以記錄下來。現在數據庫就是資產，如果有數據，就能掌握我的用戶。所以麥肯錫說，大數據是下一個創新、競爭、生產力提高的前沿。數據就是一種生產資料。
問：我們在互聯網上留下那么多蹤跡和數據，誰是數據的擁有者呢？
涂子沛：在數據開放運動中，英國提出了一個數據權問題。個人的數據該由個人做主。你在超市購物，你會在那里留下大量消費記錄。英國的做法是，每個消費者登錄網站是可以看到自己的消費記錄的。谷歌在英國也簽了協議，要開放相關的數據。谷歌已經開放了一部分。你的數據是你的，你是有權利看的。那政府的數據更有義務去看了，因為你的數據是拿著納稅人的錢去收集的。這些是公共數據，本來就是公共資產。
數據開放之后，是面向社會大眾的開放。任何人都可以使用，只要有能力都能創造新的商機。產生的新知識都是由精英壟斷，但現在每個人都可以接觸這些數據，誰都可以做這些事情。
問：但這只是一種理想，你的消費記錄，你的互聯網記錄，其實已經隨意泄露。
涂子沛：信息時代，我個人能不能決定怎么發布數據，什么時候開放，什么時候修改，但現在已經失控了。無論是在美國還是中國，尤其是在中國，隱私權非常薄弱，個人信息被隨意買賣。
問：個人留下的數據越多，它對你的掌握就越容易。大數據會成為老大哥嗎？
涂子沛：大數據是老大哥，這是不可避免的。美國想建中央數據銀行，把每個人從出生到墳墓的記錄整合起來，后來很多組織反對。經過許多博弈，美國政府還是放棄了，但對政府來說，他們很想建立這樣一個“銀行”。