海量数据时代的资料到底有多大

    数据多到不能量计，只好用一个实体化的“大”来形容，BIGDATA成了近几年最热的名词，很多人说我们已经进入“大数据时代”。

    全球的资料多到、或大到时么程度，没有人说得准，我们每天从工作到生活，无时无刻不制造新数据，各行业、各机构每天也不停的收集、传递、储存庞大的数据，再加上天文地理的科学研究数据，地球上的数据量每两年增加一倍。

    数据是什么？说起来什么都不是，就是数据，再多的数据还是数据。英国牛津大学Viktor Mayer-Schönberger教授、与经济学人杂志编辑Kenneth Cukier，合写了一本《BIG DATA》的书（注一），说资料仅是真相的幻影，更多的数据并不能引导我们发掘更多的真相，只会导引出更多的数据、以及更多的问题，但可以藉以增加我们的洞察能力，虽然让我们知其然，却未必知所以然。也就是可以从大量数据中可以找到“是什么”，却找不一定能找出“为什么”。

    两位数据专家解释这一似乎矛盾的现象，是因为过量的数据，抵消了我们对数据质量的要求。以为有了这么多数据，总会从中找到所需要的内容，但事实上并非如此，数据量不等于数据质。这主要在数据来源的零散、没有结构、没有规划、没有固定目的，数据再多，用在特定的目标上，也难免产生质量不足的问题。

    即使如此，资料经过整理、分析、关联，仍可作为预测的根据，有相当的效用。亚马逊用来推荐你可能喜欢的书，谷歌用搜寻的结果出售广告，英雄兼叛徒斯诺登(Edward Snowden)说的从社群网络搜寻恐怖分子的“棱镜”(Prism)，都是大量资料的关联结果。一位前美国情治高层为棱镜辩护，说了一句耐人寻味的逻辑，“要从一堆稻草里找一根针，你得先有一堆稻草”。

    大量数据急速的扩增，改变了我们的工作、生活、与思维，两位专家认为是自印刷术以来最大的革命。随着技术的进展，原来仅限于情治机构与大型企业的数据关联技术，会越来越普及，应用在商业、政府、科学、医疗各个领域，使得关联的资料成为最宝贵的资产，因为大家都寄望能从资料预测到真相，也就看资料来办事。

    保险公司预测风险，美国城市的警力在犯罪区加强巡逻，奥巴马制造政治机器催促选票赢得大选，纽约市检查制造油污餐厅解决下水道堵塞。这些都是从大量数据的分析关联，有效运用到生活的实例。这些技术，无疑的会参与解决全球重大问题，像是气候暖化、杜绝疾病、经济发展。  但看资料办事的负面效应，正是许多资料学者所忧虑的，所依据的资料，尽管经过分析、关联、统计、运算，毕竟不代表真相，因为资料里缺少了最宝贵的“人性”。

    美国计算机科学作家Jaron Lanier在他“谁拥有未来？”的书里（注二），说科学的数据与对人的数据，有很大的区别。天文、气象、传染病的研究资料，是经过科学家精心收集实验所得，是宝贵的资料；但对人的资料，正如同我们所了解的人性，是多变的、反驳的，而且通常都不太可靠。

    华尔街证券市场，是经过复杂数学逻辑设计出来的交易策略，这一策略却在2008年交易加速之下让市场崩盘。回塑半世纪以前的越战，原任福特汽车执行长的国防部长麦纳马拉(Robert McNamara)，精于计量运算，结果在数人头、算面积的胜算之下败了下来，后人评论说他的公式里没有“斗志”数据。

    2002年好莱坞科幻大片“关键报告”(Minority Report)，故事是未来警局以“罪前”的罪名逮捕罪犯，也就是在即将犯罪、但还没有犯罪之前，先把人抓来，至于怎么知道谁要犯罪，则由三名个躺在水池里有的特异功能的人决定。在大数据的时代，要搜寻“罪前”犯，轻而易举，只不过要不要逮捕而已。

    数据再多仍有极限，BIG DATA两位作者说，数据可以量化我们的世界，让我们对世界有更深入的了解，但也要小心不要变成“数据暴君”的猎物。

    注一：

    Big Data：A Revolution That Will Transform How We Live, Work, and Think（中文简体版大数据时代）

    注二：

    Who Onws the Future?