大資料時代的裸奔

　　1、相關關係比因果關係更重要

　　老王開了個包子鋪，有時做少了不夠賣，有時做多了沒賣完，兩頭都是損失。老王琢磨著買包子的都是街坊，他們買包子是有規律的，例如老張只在週六買，因為閨女週末會來看他，而且閨女就愛吃包子。於是老王每賣一次就記次賬，誰在哪天買了幾籠包子，並試圖找出每個街坊的買包子規律。

　　資料雖然越記越多，但老王啥規律也沒找出來，即使是老張也都沒準，好幾個週六都沒來買，因為他閨女有事沒來。有個人給老王支招，你甭記顧客，就記每天賣了多少籠就行，這個法子明顯簡單有效，很容易就看出了週末比平時會多賣兩籠的規律。

　　這個例子雖然簡單，卻道出了大資料的一個重要特點【相關關係比因果關係更重要】，週末與買包子人多就是相關關係，但為什麼多呢？是因為老張閨女這樣的週六來吃包子的人多？還是週末大家都不願意做飯？對這些可能性不必探究，因為即使探究往往也搞不清楚，只要獲得了週末買包子的人多，能正確地指導老王在週末時多包上兩籠，這就行了。

　　要相關不要因果，這是大資料思維的重要變革，以前資料處理的目標更多是追求對因果性的尋找，或是對猜測的因果性的驗證，人們總是習慣性地找出個原因，然後心裡才能踏實，而這個原因是否是真實的，卻往往是無法核實的，而虛假原因對面向未來的決策來說是有害無益的。承認很多事情是沒有原因的，這是人類思維方式的一個重大進步。

　　2、要全體不要抽樣

　　傳統的調查方式都是抽樣的，抽取有限的樣本進行統計，從而得出整體的趨勢來，之所以選擇抽樣而不是統計全部資料，只有一個原因，那就是全部資料的數量太多了，根本沒法操作。

　　抽樣的核心原則就是隨機性，不隨機就不能反映整體趨勢性。例如搞一個保暖內衣的調查，找了一群精壯的武警戰士試穿，戰士們穿上了普遍反映不冷，但這並不能說明內衣的保暖效果有多好。

　　抽樣隨機性的道理誰都知道，但要做到隨機性其實是很難的。例如電視收視率調查，要從不同階層隨機找被調查人，但高學歷高收入的大忙人們普遍拒絕被調查，他們根本就不會為幾條毛巾贈品而耽誤時間，願意接受調查的多是整天閒得無聊的低收入者，電視收視率的調查結果就可想而知。<wbr>

　　網際網路為大資料的採集帶來的新手段，雲端計算為處理大資料帶來了新方法。還以電視收視率調查為例，網際網路電視普及後，每一部電視正在收看什麼節目的資訊會毫無遺漏地傳送到調查中心。這就是大資料的第二個特點【要全體不要抽樣】，對全部資料進行統計分析，其結果當然會更加準確。<wbr>

　　3、要效率不要精確

　　俗話說的好，蘿蔔快了不洗泥，既然我們要的是全體資料，自然會夾雜進來一些錯誤的資料，這是難以避免的。我們傳統的資料分析的思路是“寧缺勿爛”，因為傳統小資料分析的資料量本身並不大，任何一個錯誤資料都有可能對結果產生相對較大的負面影響，對錯誤資料必須花大精力去清除，這是小資料時代必須堅持的原則。<wbr>

　　大資料時代的原則就變了，變成了【要效率不要精確】，並不是說精確不好，而是因為在大資料時代是做不到的，如果繼續把排除錯誤資料作為重要工作，那大資料分析就進行不下去了。更重要的是，大資料分析的目標在於預測，而不在於追溯以前發生過的事件的真相。

　　4、大資料時代的裸奔

　　有次我給學生暢想未來，你走在大街上，基站的智慧天線以一道極窄的波束指向你的手機，從而獲得你的方位角，通過開機瞬時的上百次功率調整和探詢，換算後就能獲得你與基站的距離，兩個資訊結合就精準地確定了你的位置。根據你的搜尋記錄，網際網路早已知道了你的愛好，然後手機“滴”地一聲通知你，你前方10米處右側有您最喜愛吃的鹹豆腐腦店，正在八折酬賓中，“滴”地又來了一聲，老闆已得知您是鹹豆腐腦的忠實擁護者，特別給您打五折，來嘗一碗唄。

　　在我描繪完未來資訊社會的全新生活方式後，有個學生問我：我走在大街上，手機“滴”地一聲，通知我前面有個同志聚會，系統通過我以前的搜尋和看過的片子早已確定了我的性向，並將我的資訊經過精確配對傳送給了好多基友，但我並不想出櫃，這可咋整啊？

　　這個學生的玩笑話道出了大資料時代我們都面臨的一個重大問題，那就是隱私權問題。美國某機構曾做過一個實驗，根據網友的搜尋記錄來篩定目標，雖然資訊已經進行了模糊，還是有不願意出櫃的基友被篩出來了，基友的媽媽非常震驚和生氣，將該機構告上了法庭。

　　微博上常有維權人士聲稱電話被政府監聽了，因為手機語音出現了不正常的聲音，其實這是他們多心了，他們的電信知識還停留在用鱷魚夾搭電話線竊聽的階段。並不是說政府不會竊聽，而是說如果政府竊聽你的電話，你是絕對察覺不出來的，多手段全方面的監控手段早已超出了外行的想象力。即使是技術內行，例如賣國家機密的間諜被收網後往往會馬上崩潰，他所有的電話簡訊郵件出行會面談話都有清清楚楚的鐵證。

　　犯罪成本太高了，將來無死角的攝像監控頭會記錄下一切，即使你犯罪時蒙著面，根據前兩天你沒蒙臉踩點時的錄影，通過姿態步態的匹配演算法就能把你篩選出來。現在公安系統有句話“只要上手段，沒有查不出來的”，上手段就是指包括攝像頭監控、手機監控、網路監控等綜合手段。現在的基礎設施還不完善，等將來所有的路燈杆都變成了多感測監控器，加上強大的大資料分析能力，你還想咋藏？

　　更有意思的是，將來的犯罪逮捕會變成事前，有天你啥事沒做睡在床上就被逮捕了，警察通告你：根據警方對你所有資訊的大資料分析，顯示你已經知道了老婆出軌之事，根據以往犯罪案例及你本人性格的大資料分析結果，你有76.3%的概率會在本週內對老婆進行輕傷以上程度的犯罪，超過了法律規定的60%輕傷以上犯罪概率必須入監的標準，特羈押你一個月，根據大資料分析結果，放出來後的你仍然犯罪的概率會降低到法律規定可以釋放的5%以下。

　　聽著很安全吧？但是不是也感到了毛骨悚然？在大資料時代，我們每個人都是赤條條地在資訊社會中裸奔，真的是光著屁股一絲不掛地那種裸奔，難到沒有人意識到這點嗎？當然不是，英國等西方國家早就對街道監控攝像頭展開了全社會的大討論，安全與隱私該如何權衡？隨著近年來隨著恐怖主義的盛行，安全顯然更重要了，公民們很無奈地同意把更多的隱私權交給了政府，以獲得更大的安全感。

　　必須對公民隱私資訊進行分級制的嚴管，公安部門掌握著每個人的開房資訊，如果不涉及到重大違法犯罪的話，絕不能濫加使用，更不能透露給當事人的配偶，否則社會就會大亂。掌握資訊和利用資訊的應是獨立的兩個機構，如果讓利用資訊的公安部分掌管公民所有隱私資訊，那就會成為一個人人自危的恐怖國家。

　　我們現在該如何做好迎接大資料時代的準備？我覺得應該培養公權機構絕不能洩露公民隱私的社會輿論，前幾天網上流傳著范冰冰的機場安檢照，記者們以此做娛樂文章稱人家如何如何，這就是一個極壞的兆頭！如果放任這種公權力的濫用，我們每個人將來都會成為光屁股裸奔的人，光不光屁股則取決於掌握公民資訊的權力人士的一念之差。

　　最近有報導稱銀行內鬼販賣賬戶資訊，銀行方面居然稱這事主要靠自覺，他們內部查不出來。這事也是大惡！查不出來是因為銀行內部缺乏相應的技術手段，根本就沒有建立起相應的資訊保密制度，這種不作為是未來大資料時代的嚴重隱患。

　　前兩天我參加一個學生的婚禮，作為導師我被安排在領導桌，剛坐定就有個陌生人來照相，詢問後才知是婚宴酒商的員工，把我們作為背景來照酒的照片，估計是用於宣傳。我把他轟走了，我不願意這個資料留在網上，不願意讓它將來作為分析我的大資料資料。

　　結論：與以往的抽樣統計不同，大資料使用的是全部資料，更著重的是效率而不是資料的精確性，關注的是相關性而不是因果性，這些特點造就了大資料對事物發展的極強的預測能力，它可以給我們帶來更安全更便捷的新生活，同時也給個人隱私帶來了巨大的威脅，對掌握公民隱私資訊的公權力的嚴格控制，應該成為全社會的共識。

　　後記：

　　我現在基本不寫專欄而改寫長微博了，原因有三個：一是長微博不限字數，而傳統紙媒要求必須在3千字以內，很難通過舉例子的方式把道理講透徹；二是作者們都會討厭編輯的修改，他們往往不能理解作者的真實意圖，改得你非常的難受，而長微博的每一個字都是自己做主的；三是長微博收益高，紙媒文章也就千字幾百，被網友認同的長微博收益要高些，而且網友自願支付，對作者來說更有成就感。

　　我真不是有些網友謬讚的通訊大牛，大牛都在實驗室裡，你見不到也不會認識，我只是一個教通訊專業基礎課的普通老師。如果自誇下，那就是一位知識面較廣受學生喜愛的好老師，唯一長處就是擅於把複雜的專業問題簡單化，具有一定深入淺出的授課和寫作能力。

　　業餘時間寫稿子掙點外快是我的生活方式，尤其是在網上這些年的歷練，讓我摸到了針對普通公眾的科普寫法，不管你是學什麼的，我寫的東西保證讓你懂，而且保證你獲得的知識是正確的而且是有價值的。

　　這篇文章我定的預設打賞額度是4.99元，為什麼是這個數呢？因為 [英]維克托.邁爾-舍恩伯格肯尼思.庫克耶所著的《大資料時代》一書的定價49.9元，我以此書為基礎，又參考了其它書籍文獻，結合我以前學習過的資料倉儲和資料探勘知識，把內容進行了提煉和總結。我的想法是：通過閱讀這篇文章，只花費您原書1/10的金錢，浪費您讀原書的1/10的時間，您就能獲得原書知識的精華。

　　以前有網友開玩笑說，奧老師你比我掙的多，我就不打賞了啊。我笑著反問他，馬雲比你有錢多了，為啥你還在給淘寶做貢獻呢？那是因為馬雲給你提供了服務，你是為服務付的費，不是給首富馬雲的賞錢，這跟誰掙錢多沒關係，而且我就是個掙死工資的老師，就指著寫點文章掙點外快。

　　從父母要生活費的學生們不要打賞，把錢留著多打份肉菜吧，我的勞動報酬有已經工作的成年人支付，還輪不到你們為社會秩序做貢獻。踏踏實實地學本領才是正事，絕對不要當微博控，千萬不要跟我攀比，我玩微博寫科普不僅是對自身知識的梳理過程，而且還能掙點錢，你們玩微博就是純粹浪費生命。