你真的知道什麼是“大資料”嗎？5分鐘，帶你get 9個重點

作者：小棗君

來源：鮮棗課堂（ID：xzclasscom）

對於很多人來說，當他第一次聽到“大資料”這個詞，會自然而然從字面上去理解——認為大資料就是大量的資料，大資料技術就是大量資料的儲存技術。

但是，事實並非如此。

大資料比想象中複雜。它不只是一項資料儲存技術，而是一系列和海量資料相關的抽取、整合、管理、分析、解釋技術，是一個龐大的框架系統。

更進一步來說，大資料是一種全新的思維方式和商業樣式。

01 大資料的定義

首先，還是要重新審視大資料的定義。

行業裡對大資料的定義有很多，有廣義的定義，也有狹義的定義。

廣義的定義，有點哲學味道——大資料，是指物理世界到數字世界的對映和提煉。透過發現其中的資料特徵，從而做出提升效率的決策行為。

狹義的定義，是技術工程師給的——大資料，是透過獲取、儲存、分析，從大容量資料中挖掘價值的一種全新的技術架構。

相比較而言，我還是喜歡技術定義，哈哈。

大家註意，關鍵詞我都在上面原句加粗了哈！

• 要做什麼？——獲取資料、儲存資料、分析資料

• 對誰做？——大容量資料

• 目的是什麼？——挖掘價值

獲取資料、儲存資料、分析資料，這一系列的行為，都不算新奇。我們每天都在用電腦，每天都在乾這個事。

例如，每月的月初，考勤管理員會獲取每個員工的考勤資訊，錄入Excel表格，然後存在電腦裡，統計分析有多少人遲到、缺勤，然後扣TA工資。

但是，同樣的行為，放在大資料身上，就行不通了。換言之，傳統個人電腦，傳統常規軟體，無力應對的資料級別，才叫“大資料”。

02 大資料，到底有多大？  

我們傳統的個人電腦，處理的資料，是GB/TB級別。例如，我們的硬碟，現在通常是1TB/2TB/4TB的容量。

TB、GB、MB、KB的關係，大家應該都很熟悉了：

1 KB = 1024 B  (KB – kilobyte) 

1 MB = 1024 KB (MB – megabyte) 

1 GB = 1024 MB (GB – gigabyte) 

1 TB = 1024 GB (TB – terabyte) 

而大資料是什麼級別呢？PB/EB級別。

大部分人都沒聽過。其實也就是繼續翻1024倍：

1 PB = 1024 TB (PB – petabyte) 

1 EB = 1024 PB (EB – exabyte) 

只是看這幾個字母的話，貌似不是很直觀。我來舉個例子吧。

1TB，只需要一塊硬碟可以儲存。容量大約是20萬張照片或20萬首MP3音樂，或者是671部《紅樓夢》小說。

▲普通硬碟

1PB，需要大約2個機櫃的儲存裝置。容量大約是2億張照片或2億首MP3音樂。如果一個人不停地聽這些音樂，可以聽1900年……

▲2個機櫃

1EB，需要大約2000個機櫃的儲存裝置。如果併排放這些機櫃，可以連綿1.2公里那麼長。如果擺放在機房裡，需要21個標準籃球場那麼大的機房，才能放得下。

▲21個籃球場

阿裡、百度、騰訊這樣的網際網路巨頭，資料量據說已經接近EB級。

EB還不是最大的。目前全人類的資料量，是ZB級。

1 ZB = 1024 EB (ZB – zettabyte) 

2011年，全球被建立和複製的資料總量是1.8ZB。

而到2020年，全球電子裝置儲存的資料，將達到35ZB。如果建一個機房來儲存這些資料，那麼，這個機房的面積將比42個鳥巢體育場還大。

資料量不僅大，增長還很快——每年增長50%。也就是說，每兩年就會增長一倍。

目前的大資料應用，還沒有達到ZB級，主要集中在PB/EB級別。

大資料的級別定位：

1 KB = 1024 B  (KB – kilobyte) 

1 MB = 1024 KB (MB – megabyte) 

1 GB = 1024 MB (GB – gigabyte) 

1 TB = 1024 GB (TB – terabyte) 

1 PB = 1024 TB (PB – petabyte) 

1 EB = 1024 PB (EB – exabyte) 

1 ZB = 1024 EB (ZB – zettabyte) 

03 資料的來源

資料的增長，為什麼會如此之快？

說到這裡，就要回顧一下人類社會資料產生的幾個重要階段。

大致來說，是三個重要的階段。

第一個階段，就是計算機被髮明之後的階段。尤其是資料庫被髮明之後，使得資料管理的複雜度大大降低。各行各業開始產生了資料，從而被記錄在資料庫中。這時的資料，以結構化資料為主（待會解釋什麼是“結構化資料”）。資料的產生方式，也是被動的。

▲世界上第一臺通用計算機ENIAC

第二個階段，是伴隨著網際網路2.0時代出現的。網際網路2.0的最重要標誌，就是使用者原創內容。隨著網際網路和行動通訊裝置的普及，人們開始使用部落格、facebook、youtube這樣的社交網路，從而主動產生了大量的資料。

第三個階段，是感知式系統階段。隨著物聯網的發展，各種各樣的感知層節點開始自動產生大量的資料，例如遍佈世界各個角落的感測器、攝像頭。

經過了“被動-主動-自動”這三個階段的發展，最終導致了人類資料總量的極速膨脹。

04 大資料的4Vs  

行業裡對大資料的特點，概括為4個V。前面所說的龐大資料體量，就是Volume（海量化）。除了Volume之外，剩下三個，分別是Variety、Velocity、Value。

我們一個一個來介紹。

1. Variety（多樣化）

資料的形式是多種多樣的，包括數字（價格、交易資料、體重、人數等）、文字（郵件、網頁等）、影象、音訊、影片、位置資訊（經緯度、海拔等），等等，都是資料。

資料又分為結構化資料和非結構化資料。

從名字可以看出，結構化資料，是指可以用預先定義的資料模型表述，或者，可以存入關係型資料庫的資料。

▲結構化資料

例如，一個班級所有人的年齡、一個超市所有商品的價格，這些都是結構化資料。

而網頁文章、郵件內容、影象、音訊、影片等，都屬於非結構化資料。

在網際網路領域裡，非結構化資料的佔比已經超過整個資料量的80%。

大資料，就符合這樣的特點：資料形式多樣化，且非結構化資料佔比高。

2. Velocity（時效性）

大資料還有一個特點，那就是時效性。從資料的生成到消耗，時間視窗非常小。資料的變化速率，還有處理過程，越來越快。例如變化速率，從以前的按天變化，變成現在的按秒甚至毫秒變化。

我們還是用數字來說話：

就在剛剛過去的這1分鐘，資料世界裡發生了什麼？

Email：2.04億封被髮出

Google：200萬次搜尋請求被提交

Youtube：2880分鐘的影片被上傳

Facebook：69.5萬條狀態被更新

Twitter：98000條推送被髮出

12306：1840張車票被賣出

……

怎麼樣？是不是瞬息萬變？

3. Value（價值密度）

最後一個特點，就是價值密度。

大資料的資料量很大，但隨之帶來的，就是價值密度很低，資料中真正有價值的，只是其中的很少一部分。

例如透過監控影片尋找犯罪分子的相貌，也許幾TB的影片檔案，真正有價值的，只有幾秒鐘。

▲2014年美國波士頓爆炸案，現場調取了10TB的監控資料（包括移動基站的通訊記錄，附近商店、加油站、報攤的監控錄影以及志願者提供的影像資料），最終找到了嫌疑犯的一張照片

05 大資料的價值  

剛才說到價值密度，也就說到了大資料的核心本質，那就是價值。

人類提出大資料、研究大資料的主要目的，就是為了挖掘大資料裡面的價值。

大資料，究竟有什麼價值？

早在1980年，著名未來學家阿爾文·托夫勒在他的著作《第三次浪潮》中，就明確提出：“資料就是財富”，並且，將大資料稱為“第三次浪潮的華彩樂章”。

• 第一次浪潮：農業階段，約1萬年前開始

• 第二次浪潮：工業階段，17世紀末開始

• 第三次浪潮：資訊化階段，20世紀50年代後期開始

進入21世紀之後，隨著前面所說的第二第三階段的發展，移動網際網路崛起，儲存能力和雲端計算能力飛躍，大資料開始落地，也引起了越來越多的重視。

2012年的世界經濟論壇指出：“資料已經成為一種新的經濟資產類別，就像貨幣和黃金一樣”。這無疑將大資料的價值推到了前所未有的高度層面上。

如今，大資料應用開始走進我們的生活，影響我們的衣食住行。比如大資料殺熟，相信大家前一段時間都有所耳聞。

之所以大資料會有這麼快的發展，就是因為越來越多的行業和企業，開始認識到大資料的價值，開始試圖參與挖掘大資料的價值。

歸納來說，大資料的價值主要來自於兩個方面：

1. 幫助企業瞭解使用者

大資料透過相關性分析，將客戶和產品、服務進行關係串聯，對使用者的偏好進行定位，從而提供更精準、更有導向性的產品和服務，提升銷售業績。

典型的例子就是電商。

像阿裡淘寶這樣的電子商務平臺，積累了大量的使用者購買資料。在早期的時候，這些資料都是累贅和負擔，儲存它們需要大量的硬體成本。但是，現在這些資料都是阿裡最寶貴的財富。

透過這些資料，可以分析使用者行為，精準定位標的客群的消費特點、品牌偏好、地域分佈，從而引導商家的運營管理、品牌定位、推廣營銷等。

大資料可以對業績產生直接影響。它的效率和準確性，遠遠超過傳統的使用者調研。

除了電商，包括能源、影視、證券、金融、農業、工業、交通運輸、公共事業等，都是大資料的用武之地。

▲大資料甚至能夠幫助競選總統

2. 幫助企業瞭解自己

除了幫助瞭解使用者之外，大資料還能幫助瞭解自己。

企業生產經營需要大量的資源，大資料可以分析和鎖定資源的具體情況，例如儲量分佈和需求趨勢。這些資源的視覺化，可以幫助企業管理者更直觀地瞭解企業的運作狀態，更快地發現問題，及時調整運營策略，降低經營風險。

總而言之，“知己知彼，百戰百勝”。大資料，就是為決策服務的。

06 大資料和雲端計算  

說到這裡，我們要回答一個很多人心裡都存在的疑惑——大資料和雲端計算之間，到底有什麼關係？

可以這麼解釋：資料本身是一種資產，而雲端計算，則是為挖掘資產價值提供合適的工具。

從技術上，大資料是依賴於雲端計算的。雲端計算裡面的海量資料儲存技術、海量資料管理技術、分散式計算模型等，都是大資料技術的基礎。

雲端計算就像是挖掘機，大資料就是礦山。如果沒有雲端計算，大資料的價值就發揮不出來。

相反的，大資料的處理需求，也刺激了雲端計算相關技術的發展和落地。

也就是說，如果沒有大資料這座礦山，雲端計算這個挖掘機，很多強悍的功能都發展不起來。

套用一句老話——雲端計算和大資料，兩者是相輔相成的。

07 大資料和物聯網（5G）

第二個問題，大資料和物聯網有什麼關係？

這個問題我覺得大家應該能夠很快想明白，前面其實也提到了。

物聯網就是“物與物互相連線的網際網路”。物聯網的感知層，產生了海量的資料，將會極大地促進大資料的發展。

同樣，大資料應用也發揮了物聯網的價值，反向刺激了物聯網的使用需求。越來越多的企業，發覺能夠透過物聯網大資料獲得價值，就會願意投資建設物聯網。

其實這個問題也可以進一步延伸為“大資料和5G之間的關係”。

即將到來的5G，透過提升連線速率，提升了“人聯網”的感知，也促進了人類主動創造資料。

另一方面，它更多是為“物聯網”服務的。包括低延時、海量終端連線等，都是物聯網場景的需求。

5G刺激物聯網的發展，而物聯網刺激大資料的發展。所有通訊基礎設施的強大，都是為大資料崛起鋪平道路。

08 大資料的產業鏈

接下來再說說大資料的產業鏈。

大資料的產業鏈，和大資料的處理流程是緊密相關的。簡單來說，就是生產資料、聚合資料、分析資料、消費資料。

每個環節，都有相應的角色玩家。如下圖：

從目前的情況來看，國外廠商在大資料產業佔據了較大的份額，尤其是上游領域，基本上都是國外企業。國內IT企業相比而言，存在較大的差距。

▲大資料相關重點領域及企業（技術）

09 大資料的挑戰

說了那麼多大資料的好話，並不代表大資料是完美的。

大資料也面臨著很多挑戰。

除了資料管理技術難度之外，大資料的最大挑戰，就是安全。

資料是資產，也是隱私。沒有人願意自己的隱私被暴露，所以，人們對自己的隱私保護越來越重視。政府也在不斷加強對公民隱私權的保護，出臺了很多法律。

▲歐盟在2018年出臺了有史以來最嚴厲的GDPR（《一般資料保護法案》），把網路資料保護上升到前所未有的高度

在這種情況下，企業獲取使用者資料，就需要慎重考慮，是否符合倫理和法律。一旦違法，將付出極為沉重的代價。

此外，即使企業合法獲取資料，也要擔心是否會被惡意攻擊和竊取。這裡面的風險也是不容忽視的。

除了安全之外，大資料還要面臨能耗等方面的問題。

換言之，如果不能很好地保護和利用手裡的大資料，那麼它就是一個燙手的山芋，有還不如沒有。

小結

好了，洋洋灑灑寫了這麼多，今天就先介紹到這裡吧。

這篇文章的主要目的，是幫助大家建立對大資料的基本認知，對大資料有一個初步的瞭解。