在海量数据面前，我们的词汇显得如此匮乏
信息革命：让一切事物都数据化
所有可计算的都要计算，所有可测量的都要测量，对那些不可测量的，要想办法让其变得可测量。
——伽利略
某些历史学家称，人类正在经历农业革命和工业革命后的第三次革命，即信息革命。IBM著名预测分析科学家科林·席勒形象地表示，信息革命的关键就是“让一切事物都数据化”。在信息时代，你所做的每个在线甚至线下动作都会被记录再案，无论是商业交易、访问网站、点击链接、观看电影、给朋友打电话……都会被有记录。每天，你的四周都充斥着信息传递装置。移动终端、自动机器以及海运集装箱，它们会记录位移信息、交互作用、库存盘点以及辐射水平。 个人健康系统会记录你的脉搏以及日常锻炼情况。现在，大量的桌面应用程序都更新为“云计算”，这使得你在电脑上的每一步操作都被记录下来。
数据中蕴含着人类行为的基本信息。诚然，数字编码从深度和广度上完全捕捉人类经验，但这并不是问题。企业会记录那些与其经验紧密相关的人类行为，因此尽管了解人类日常生活是一项艰巨的任务，但企业界早已率先为预测分析提供了宝贵的原始素材，那就是：从无穷复杂的日常生活中总结规律，然后确定生活中哪些细节最显著。
世界打开了一个全新的窗口。美国麻省理工学院的经济学家埃里克·布林约尔松教授将这种对人类行为的大规模记录、观察与历史上另一种具有划时代意义的观测工具的问世联系在一起，“几百年前，人类发明了显微镜，由此可以观测此前从来不能看到的细胞层面的活动”。《纽约时报》这样解释布林约尔松教授的观点。“这是观测史上的革命。数据观测技术就是现代的显微镜。”但与用显微镜来观测细小事物不同，我们通过数据观测来看清此前人类无法统观的宏大图景。
数据泛滥
现在，世界上的照片数量超过了板砖数量。
——现代艺术博物馆摄影部主任约翰·萨科夫斯基，1976年
现在，YouTube上每秒钟都会有1小时的视频内容上传，而万维网目前预计有83.2亿个网页。 每小时都有数百个网络交易。现在，世界上每小时拍摄的照片都要超过照相技术发明之后100年内的照片数量总和，每两分钟拍的照片数量要超过19世纪所拍摄的照片数量总和；每天， Facebook上都有超过2亿张照片上传。飞秒摄影技术每秒钟可拍摄数万亿张图片，以记录这个世界（有关每个例子的出处，请登录网站www.PredictiveNotes.com）。捕捉用户数据的移动设备超过70亿台。每秒钟有超过 100 个装置接入互联网，而且这个数字还在增长。 思科预测，到2020年，“万联网”（InternetofEverything）会连接500亿个装置。
总而言之，数据正在以难以想象的速度膨胀，现在每天新产生的数据量高达 2.5 个艾字节。 一个艾字节是1后面加18个0。1986年，如果把电脑里储存的所有数据双面打印出来，其面积将足以覆盖地球陆地表面这种增长是呈几何级的，现在，数据总量每三年就会翻一番。
你应该承认，现在，大数据最具权威性。在每篇新闻报道中，在每次科学演示中，在每个分析解决方案的广告词中，大数据都是关键词。这是危机，是机遇，是机遇的危机，危机的机遇！
大数据不是真实的存在。数据最激动人心的不是其数量，而是其增长速度。我们会永远敬畏数据的庞大数量，因为有一点永远不会变，那就是：今天的数据必然比昨天多。规模是相对的，而不是绝对的。如果我们今天使用“大”，那么很快，我们的形容词就会不够用了：“大数据”、“更大数据”、“再大数据” 以及“最大数据”。其实，早在 1975 年，一个名为“国际超大型数据库大会” 的组织就已成立。在海量数据面前，我们的词汇量显得如此匮乏。
那么，接下来的问题是，我们要如何处理这些数据才能获得最大的价值？
数据效应：数据天生具有预测性
小腿骨连着膝盖骨
膝盖骨连着大腿骨
大腿骨连着你的骨盆
——《小骨头之歌》歌词
数据简直铺天盖地，但这又如何？谁又能保证这堆企业机构经营的副产品能创造价值呢？这些只不过是无穷无尽的记录列表，是对过去发生的事物进行的强迫性的记忆堆积。
世上万物均有关联，只不过有些是间接关系，这在数据中也有所反映。例如：
•你的购买行为与你的消费历史、 在线习惯、 支付方式以及社会交往人群相关。 数据能从这些因素中预测出消费者的行为。
•你的身体健康状况与选择和环境有关， 因此数据能通过小区以及家庭规模等信息来预测你的健康状态。
•你对工作的满意程度与你的工资水平、 表现评定以及升职情况相关， 而数据能反映这些现实。
•经济行为与人类情感相关， 正如下文所述， 数据也将反映这种关系。
预测常常从小处入手。预测分析是从预测变量开始的，这是对个人单一值的评测。近期性就是一个常见的变量，表示某人最近一次购物、最近一次犯罪或最近一次发病到现在的时间，越接近现在，观察对象再次采取行动的概率就越高。许多模型的应用都是从近期表现最活跃的人群开始的，无论是试图建立联系、开展犯罪调查还是进行医疗诊断。
与此相似，频率—描述某人做出相同行为的次数也是常见且富有成效的指标。如果有人此前经常做某事，那么他再次做这件事的概率就会很高。实际上，预测就是根据人的过去行为来预见其未来行为。因此，预测分析模型不仅要靠那些枯燥的基本人口数据，例如住址、性别等，也要涵盖近期性、频率、购买行为、经济行为以及电话和上网等产品使用习惯之类的行为预测变量。这些行为通常是最有价值的，因为我们要预测的就是未来是否还会出现这些行为，这就是通过行为来预测行为的过程。正如哲学家萨特所言：“人的自我由其行为决定。”
预测分析系统会综合考虑数十项甚至数百项预测变量。 你要把个人的全部已知数据都输入系统，然后等着系统运转。系统内综合考量这些因素的核心学习技术正是科学的魔力所在。
本文节选自《大数据预测》（修订版）
【美】埃里克·西格尔著周大昕译
《大数据预测》
告诉你谁会点击、购买、撒谎或死去
中信出版社8月出版
每天一杯咖啡吸收宇宙能量！
重构思维方式，
AI+时代，读互联网思想（wanging0123)
联系方式：投稿及内容合作｜[email protected]
