曾鸣：大数据的本质不是“大”

【互联网】👉 曾鸣：你真的知道什么是互联网吗？

【云计算】👉 曾鸣：要把云计算当做一个公共事业来提供

第三个我想跟大家讲一下大数据，这可能是近一年来最时髦的词了。

大数据真正的本质不在于“大”，而是在于背后跟互联网相通的一整套新的思维。大数据跟传统的数据最大的差别在哪呢？

1）在线。 首先大数据必须是永远是在线的，而且在线的还得是热备份的，不是冷备份的，不是放在磁带里的，是随时能调用的。不在线的数据不是大数据，因为你根本没时间把它导出来使用。只有在线的数据才能马上被计算、被使用。

2）实时。 大数据必须实时反应。我们上淘宝输入一个商品，后台必须在10亿件商品当中，瞬间进行呈现。如果要等一个小时才呈现，我相信没有人再上淘宝。十亿件商品、几百万个卖家、一亿的消费者，瞬间完成匹配呈现，这才叫大数据。

3）全貌。 大数据还有一个最大的特征，它不再是样本思维，它是一个全体思维。以前一提到数据，人们第一个反应是样本、抽样，但是大数据不再抽样，不再调用部分，我们要的是所有可能的数据，它是一个全貌。其实叫全数据比大数据更准确。

这是大数据的三个本质，在线、实时、全貌。

为了让大家对大数据有更多的理解，我再把它展开跟大家讨论一下。大家做企业，最容易想到的两个数据应用，一个是市场调研，派个市场公司或市场部门做一个调查，去看下各公司什么反馈。第二个就是商业智能BI、数据挖掘，查看数据经营的报表。这是最传统的两个数据应用。这样的 数据应用有几个典型特征：

1）要知道准备达成的目标，从而主动收集这些数据。 由于每个企业的计算能力跟成本不一样，数据数据保留多少时间、哪些数据能用，是有所不同的。而大数据是实时的记录数据。原则上，任何人上任何一个网站、做的任何事情，所有事情都会被记录下来，没有人事先做区分。所以大家不再去问，是数据就记录下来，所以这是第一个差别。

2）第二个差别：参与的人不再是有意识的参与，而是无意识的参与，你是为自己的利益在做事情。 你用一次搜索，你就参与了谷歌的大数据搜集，因为你的每次点击就是一个数据来源。如果让你参加一个市场调研，80%的情况下你会拒绝，15%的情况下你可能会要求某种意义上的补偿。很少有人愿意主动的参加市场调研，因为对你来说是个负担。但是线上的大数据对绝大部分人来说，完全是一个无意识的、自利的行为。我上淘宝就是为了买东西，我上微博是为了看新闻，我上百度是为了搜索，你都是为了自己利益而触发的一个无意识的行为，但这个无意识的行为，都为大数据做了贡献。

3）第三个差别，一个是单向，一个是双向。 我们以前做的数据分析也好，都是先假定一个目的，然后拿到现成的数据，分析行为，来测试我的猜测。这些都是有一个单向的主导。大数据本质上一定是双向的，就像搜索，你点击搜索引擎点击的时候，你是给它输入了数据，它给你的结果就是它与你的互动，就是它带给你的数据价值。这个大数据本身也在随时为你创造价值，这样的话就变成一个双向互动的正循环，双方都给对方贡献了数据价值。 任何大数据应用，如果在设计时就没有这种双向、互利的正循环的话，是跑不起来的，本质上就不是大数据。

最后一点还想强调的是反应速率，大数据的数据价值越大，它的反应速率就要越高。 比如说谷歌的搜索，你输入一个关键字看到的结果，跟一个小时以后再输入同样的关键字得到的结果，很可能已经不一样了。因为它已经把一个小时内全球所有的点击重新计算了一遍，然后把信息做了结果优化再反馈给你。所以大家可以想想看，反馈的速度越快，它创造的价值越大，消费者参与的动机就越大。数据越跑越大、反应越来越快、结果越来越好、用户参与会越来越大，才能变成一个黑洞效应。这是我想讲的大数据的核心概念。

互联网的本质，讲完这三个词基本上已经讲完了。我给大家提供的是一些最基本的思考工具。你怎么用这种思考的方法去解决问题？最重要的是有互联网的思维，你先有了互联网的思维，你才能够去用互联网的技术。

讲完了一些最基本的概念之后，接下来给大家再介绍一下基本的推论。 基于互联网的本质，我们会得出一些什么样的结论？

互联网精神是什么？什么才叫用互联网的思维做事情？我刚才讲的那三个，已经把评判标准告诉大家了，拿这标准往上一套，基本上就知道是不是大数据的应用。那么互联网精神是什么呢？

1）平等。 为什么是平等？这是由技术决定的，就像生产力决定生产关系。一个网状结构的互联网，是没有中心节点的，它不是一个层级结构。虽然不同的点有不同的权重，但没有一个点是绝对的权威。所以互联网的技术结构决定了它内在的精神，是去中心化，是分布式，是平等，是互动。 平等是互联网非常重要的基本原则。

2）开放。 为什么要开放？你越开放，你跟别人的连接就越多。在一个网状社会，一个“个人”跟一个“企业”的价值，是由连接点的广度跟厚度决定的，。你的连接越广、连接越厚，你的价值越大，这也是纯信息社会的基本特征，是由你的信息含量决定你的价值。 所以开放变成一种生存的必须，你不开放，你就没有办法去获得更多的连接。

3）互动。 无论是从互联网还是从大数据的角度，一定是双向的，互动才创造价值。其实 “来往”本身就是互动 ，有来有往嘛。

4）迭代。 什么叫迭代？一个想法也好，一个产品也好，得先有原型，扔出去、用起来、别人给你反馈、你把坏处修正，这是一个实时互动的过程，而不再是理论。无论是研发产品还是提供服务，各个方面不再是原来那样通过一个看起来严谨的理论来实施的，更多的是通过实践、通过优化来逼近。所以更多的是计算，不再是数学理论。这是很大的一个差异。

以统计为例，统计的理论都是在计算能力不够的情况下，用一种算术的方法找到最想要的，能够倒推出总体的状态。统计所有的力量都集中在理论、数学理论，而大数据所有的力量都集中在算法的优化。我根本不假定理论，我只是通过一轮一轮的迭代中回归，来逼近真实。用户的需求是什么？首先打出去，然后再校验，只要有双向的反馈，我总是离真实越来越近。所以迭代是互联网整个产品的最关键的一个基石。跟这相关的还有A/B test，这也是互联网的特殊性跟它的技术架构决定的，比如说要测试任何一个产品，我可以把淘宝流量的1%切出来，先给它试这个东西，试完这个程度我再把它放大到20%、80%。迭代跟A/B test的结合使用，让互联网企业的效率远远超过传统企业所能想象的。

5）第五点是演化，而不是计划。 大家应该有一定的感知了，我刚才讲的迭代也好，A/B test也好，它本质上不是通过一个完美计划来实现的，而是通过一种演化的方式，来逐渐优化、接近更好的状态，这是互联网精神。

我总结，互联网的精神就是：

平等、开放、互动、迭代、演化…

既然叫精神就要深入骨髓，

贯彻到你的产品、服务、团队、组织、运营当中去。

最后总结一下，互联网到底给我们带来什么？ 从一个最大的角度来说，互联网让我们从工业文明走向了信息文明，从工业经济走向了知识经济。 这些话喊了二三十年，正是因为不断的喊，今天我们才可能跨过这个门槛。我把云计算的普遍使用，当做这个社会进入信息时代的标志。当然云计算作为一个公用事业，达到30%或40%的覆盖率，可能还需要十年左右的时间。但是我们应该已经像100年前状态，即1910到1920年这十年快速发展的状态。同时正是因为有了云计算，大数据变成了可能。如果没有海量数据的存储和计算能力让成本变得非常低廉的话，根本不可能做大数据，数据的成本就把你压垮了。

我们在从一个机械系统的时代走向一个生态系统时代，从工业文明走向信息文明，从工业经济走向知识经济。 从这个角度看，如果说农业文明时代最重要的资产是土地跟农民的话，工业时代则是资本、机器 （机器是固化的资本）