世上本没有数：正解大数据

节标题"世上本没有数：正解大数据"

传统意义上的“数据”，是指“有根据的数字”，数字之所以产生，是因为人类在实践中发现，仅仅用语言、文字和图形来描述这个世界是不精确的，也是远远不够的。例如，有人问“姚明有多高”，如果回答说“很高”、“非常高”、“最高”，别人听了，只能得到一个抽象的印象，因为每个人对“很”、“非常”有不同的理解，“最”也是相对的，但如果回答说“2.26米”，就一清二楚。除了描述世界，数据还是我们改造世界的重要工具。人类的一切生产、交换活动，可以说都是以数据为基础展开的，例如度量衡、货币的背后都是数据，它们的发明和出现，都极大地推动了人类文明的进步。

数据最早来源于测量，所谓“有根据的数字”，是指数据是对客观世界测量结果的记录，而不是随意产生的。测量是从古至今科学研究最主要的手段，可以说，没有测量，就没有科学；也可以说，一切科学的本质都是测量。就此而言，数据之于科学的重要性，就像语言之于文学、音符之于音乐、形色之于美术一样，离开数据，就没有科学可言。

除了测量，新数据还可以由老数据经计算衍生而来。测量和计算都是人为的，也就是说，世上本没有数，一切数据都是人为的产物。我们说的“原始数据”，并不是“原始森林”这个意义上的“原始”，原始森林是指天然就存在的，而原始数据仅仅是指第一手的、没有经过人为修改的数据。

传统意义上的数据，和信息、知识也是完全不同的概念：数据是信息的载体，信息是有背景的数据，而知识是经过人类的归纳和整理，最终呈现规律的信息。

但进入信息时代之后，“数据”二字的内涵开始扩大：不仅指代“有根据的数字”，还统指一切保存在电脑中的信息，包括文本、图片、视频等。其中的原因是，20世纪60年代软件科学取得了巨大进步、发明了数据库，此后，数字、文本、图片都不加区分地保存在电脑的数据库中，数据也逐渐成为“数字、文本、图片、视频”等的统称，也即“信息”的代名词。

文本、音频、视频本身就已经是信息，而且其来源也不是对世界的测量，而是对世界的一种记录，所以信息时代的数据又多了一个来源：记录。

注：进入信息时代之后，数据成为信息的代名词，两者可以交替使用。一封邮件虽然包含很多条信息，但从技术的角度出发，可能还是“一个数据”，就此而言，现代意义上的数据的范畴，其实比信息还大。

除了内涵的扩大，数据库发明之后，还出现了另外一个重要现象，那就是数据的总量在不断增加，而且增加的速度不断加快。

20世纪80年代，美国就有人提出了“大数据”的概念。这个时候，其实还没有进入数据大爆炸的时代，但有人预见到，随着信息技术的进步，软件的重要性将下降，数据的重要性将上升，因此提出“大数据”的概念。这时候的“大”，如“大人物”和“大转折”之“大”，主要指价值上的重要性；到了21世纪前10年，尤其是2004年社交媒体产生之后，数据开始爆炸，大数据的提法又重新进入大众的视野并获得了更大的关注。这个时候的“大”，含义也更加丰富了：一是指容量大，二是指价值大。

从这个角度出发，大数据可以首先理解为传统的小数据加上现代的“大记录”，这种大记录的主要表现形式是文本、图片、音频、视频等，和传统的测量完全是两回事。而且大数据之所以“大”，主要是“大记录”的增长，基于信息技术的进步，人类记录的范围在不断扩大：

大数据=传统的小数据（源于测量)+现代的大记录（源于记录)

但到底多大才算大呢？针对这一问题，十多年来争议颇多。这首先涉及衡量数据大小的单位，2000年的时候，一般认为，“太”（T)级别的数据就是大数据了，当时拥有“太”级别数据的企业并不多，但自此之后，互联网企业开始崛起，这些企业拥有各种各样的数据，其中大部分都是文本、图片和视频，其数据量之大，传统企业根本无法望其项背。

我认为，不仅仅是互联网行业，其实各行各业的数据都在爆炸，只是规模不同。如果仅仅把大数据的标准限定在互联网企业，认为只有互联网企业才拥有大数据，那就严重窄化了大数据的意义。毕竟容量只是表象，价值才是本质，而且大容量并不一定代表大价值，大数据的真正意义还在于大价值，价值主要是通过数据的整合、分析和开放而获得。大数据是指人类有前所未有的能力来使用海量的数据，在其中发现新知识、创造新价值，从而为社会带来“大知识”、“大科技”、“大利润”和“大智能”等发展机遇。

以上论述，是从概念上分析“数据”和“大数据”的区别，而掌握一个概念最好的方法，还是从动态上了解其成因。大数据的成因，还是人类信息技术的进步，而且是信息技术领域不同时期多个进步交互作用的结果，其中最重要的原因，当数摩尔定律。