信息大爆炸的今天，不討論大數(shù)據(jù)這個(gè)話題似乎就是跟不上時(shí)代。從醫(yī)藥到教育，再到其他各個(gè)領(lǐng)域，大數(shù)據(jù)充斥著現(xiàn)代社會(huì)的每個(gè)角落。而我們最關(guān)心的還是大數(shù)據(jù)最終將以什么樣的形式，怎么樣影響甚至改變我們的生活。來(lái)聽(tīng)聽(tīng)四位專(zhuān)家告訴你大數(shù)據(jù)到底有多少可能。

　　丹·瓦格納 Dan Wagner

　　Civis Analytics 的創(chuàng)始人兼首席執(zhí)行官

　　你曾經(jīng)說(shuō)過(guò)，希望用大數(shù)據(jù)解決全球最大的問(wèn)題。你最想解決的問(wèn)題是什么?

[[168983]]

　　我們主要關(guān)注兩個(gè)領(lǐng)域：教育和健康。在教育領(lǐng)域，我們專(zhuān)注于利用個(gè)人層面的數(shù)據(jù)，幫助客戶(hù)發(fā)現(xiàn)那些申請(qǐng)和注冊(cè)的大學(xué)低于其潛能的低收入學(xué)生，并幫助這些機(jī)構(gòu)找到適當(dāng)?shù)姆椒ǎ屵@些孩子進(jìn)入與其潛能相匹配的大學(xué)。

　　保險(xiǎn)投保也是我們的目標(biāo)之一，尤其是在《平價(jià)醫(yī)保法案》剛開(kāi)始施行的頭幾個(gè)月。我們主要致力于與多家機(jī)構(gòu)合作，幫助它們找到?jīng)]有醫(yī)療保險(xiǎn)的民眾，并讓他們加入到醫(yī)保計(jì)劃中來(lái)。這是一項(xiàng)非常艱巨的工作，因?yàn)闆](méi)有現(xiàn)成的無(wú)保險(xiǎn)人員名冊(cè)。你只能通過(guò)統(tǒng)計(jì)推斷來(lái)完成這項(xiàng)工作。

　　最值得關(guān)注的問(wèn)題之一是，保險(xiǎn)如何從團(tuán)體保險(xiǎn)向個(gè)人保險(xiǎn)發(fā)展，以及保險(xiǎn)公司如何學(xué)會(huì)管理這一風(fēng)險(xiǎn)。我們正同幾家機(jī)構(gòu)合作，利用數(shù)據(jù)提前發(fā)現(xiàn)諸如心血管疾病等個(gè)體風(fēng)險(xiǎn)，提前了解病人面臨的風(fēng)險(xiǎn)。

　　一旦發(fā)現(xiàn)有風(fēng)險(xiǎn)，你會(huì)增加投保人的保費(fèi)嗎?

　　你不能這么做。你只能根據(jù)諸如年齡等一系列精簡(jiǎn)變量來(lái)確定保單價(jià)值。因此，你不能根據(jù)上述風(fēng)險(xiǎn)來(lái)定價(jià)，但你需要管理這一風(fēng)險(xiǎn)。

　　你同奧巴馬競(jìng)選團(tuán)隊(duì)合作時(shí)，大數(shù)據(jù)發(fā)揮了怎樣的作用?

　　我們帶來(lái)的最顯著改變是在媒體方面。具體來(lái)說(shuō)，就是利用尼爾森收視率來(lái)追蹤競(jìng)選廣告的投放和效果。透過(guò)收視率數(shù)據(jù)，你就好像看到了一張人口統(tǒng)計(jì)表，能從中了解到觀眾群的構(gòu)成，例如是西班牙裔，還是女性。

　　我的做法是，根據(jù)我們計(jì)算得出的個(gè)人可說(shuō)服得分來(lái)定義我們的觀眾。我們將這些數(shù)據(jù)與機(jī)頂盒數(shù)據(jù)相匹配。由此就能找到每一美元廣告投放能帶來(lái)最高可說(shuō)服觀眾密度的電視欄目。有了這些數(shù)據(jù)，我們基本就能根據(jù)一個(gè)單一的標(biāo)準(zhǔn)來(lái)決定廣告投放的優(yōu)先順序。這與人口統(tǒng)計(jì)學(xué)沒(méi)有任何關(guān)系。只需明確哪些是我們?cè)趥€(gè)人層面上確定的、要特別針對(duì)的觀眾群。這是一項(xiàng)非常艱巨的工作，但從文化角度來(lái)看，這種方法很適合我們的競(jìng)選團(tuán)隊(duì)，因?yàn)椋瑠W巴馬競(jìng)選的典型特征是，選民搖擺不定。

　　我們應(yīng)當(dāng)如何解決數(shù)據(jù)分析中的安全問(wèn)題?

　　你必須非常重視這個(gè)問(wèn)題。很多這類(lèi)機(jī)構(gòu)在收集信息，但我認(rèn)為，其中很多機(jī)構(gòu)都沒(méi)有意識(shí)到什么是最高標(biāo)準(zhǔn)的數(shù)據(jù)安全操作。我們的很多工作都是在亞馬遜云服務(wù)平臺(tái)上完成的，這比你內(nèi)部可能開(kāi)發(fā)的東西要好得多，因?yàn)槟憧梢岳脕嗰R遜提供的很多網(wǎng)絡(luò)協(xié)議。亞馬遜的云計(jì)算服務(wù)算是該領(lǐng)域最好的。

　　大數(shù)據(jù)熱潮中，我們可能犯的最大錯(cuò)誤，或可能忽視的最重要問(wèn)題是什么?

　　大數(shù)據(jù)熱潮最令人遺憾的一點(diǎn)是，人們只考慮其過(guò)程，而沒(méi)有考慮結(jié)果。有些時(shí)候，這股熱潮有些盲目，在某種意義上，它只是將對(duì)數(shù)據(jù)計(jì)算能力增長(zhǎng)的信念孤立地看作是一種解決問(wèn)題的手段。你將如何運(yùn)用這些未來(lái)真的能改善人們生活的數(shù)據(jù)?這是個(gè)大問(wèn)題。

　　在日常生活中，你是如何應(yīng)對(duì)信息過(guò)載問(wèn)題的?

　　作為一個(gè)在互聯(lián)網(wǎng)相關(guān)公司工作的人，我有很多時(shí)間是在網(wǎng)上。但我盡量縮短通過(guò)各類(lèi)電子設(shè)備進(jìn)行溝通的時(shí)間，并努力確保自己閱讀大量書(shū)籍。

　　埃里克·謝德特 Eric Schadt

　　伊坎基因組織學(xué)和多尺度生物學(xué)研究所(Icahn Institute for Genomics and Multiscale Biology)董事

　　如何證明超級(jí)計(jì)算在醫(yī)學(xué)研究中能發(fā)揮重要作用?

　　主要通過(guò)兩種途徑。一是管理當(dāng)下醫(yī)學(xué)領(lǐng)域產(chǎn)生的諸如 DNA 測(cè)序等海量數(shù)據(jù)。舉例來(lái)說(shuō)，一位癌癥病人的全基因組序列會(huì)產(chǎn)生萬(wàn)億字節(jié)之多的數(shù)據(jù)。想象一下，如果要為數(shù)十萬(wàn)人做基因測(cè)序，就會(huì)產(chǎn)生千萬(wàn)億，甚至百億億字節(jié)量級(jí)的數(shù)據(jù)。要對(duì)這些數(shù)據(jù)進(jìn)行管理并加以處理，使之轉(zhuǎn)化為能被醫(yī)界人員所用的信息，就需要超級(jí)計(jì)算設(shè)備和相關(guān)的專(zhuān)業(yè)知識(shí)。

　　另一個(gè)途徑是，利用需要超級(jí)計(jì)算在短時(shí)間內(nèi)完成的非常復(fù)雜的數(shù)學(xué)算法，根據(jù)已經(jīng)存在的疾病亞型，以及治療該疾病亞型可能的最佳方法建立一個(gè)疾病預(yù)測(cè)模型。

　　這使醫(yī)生在治療中的作用以及病人與醫(yī)生間的數(shù)據(jù)關(guān)系發(fā)生了怎樣的變化?

　　發(fā)生了根本性的變化。與我們現(xiàn)有方法的不同之處在于，我們更深入地研究個(gè)體，而非一個(gè)群體。就拿糖尿病來(lái)說(shuō)，目前可能有 100 種不同的糖尿病亞型，而且你和你的鄰居得這種病的原因也各不相同。你可能是因胰腺β細(xì)胞功能受損所致;或者你肌肉中的攝取受體不能有效地吸收葡萄糖等等。不同的病因可能需要不同的治療方法。

　　醫(yī)生看到的只是晚期癥狀，但現(xiàn)在透過(guò)各類(lèi)分辨率更高的科技產(chǎn)品他們能看到導(dǎo)致下游結(jié)果的上游病因。最近醫(yī)生們才看到了這些病因。其中涉及數(shù)百萬(wàn)個(gè)變量，這是人腦無(wú)法理解的。

　　您剛才說(shuō)到的都是數(shù)學(xué)幫助克服人腦缺陷的方面，這些數(shù)學(xué)計(jì)算程序有哪些缺陷需要人腦的幫助?

　　我們所做的工作是用一種需要人腦參與的方式來(lái)呈現(xiàn)信息，這是一種很棒的模式識(shí)別機(jī)器。目前在很大程度上人與機(jī)器是合作伙伴關(guān)系。也許 10 年、20 年以后，諸如 Watson 等計(jì)算機(jī)將變得非常強(qiáng)大，人的干預(yù)會(huì)大大降低。但目前還做不到。

　　很多組織收集的醫(yī)學(xué)數(shù)據(jù)只供己用，我們應(yīng)該對(duì)此感到擔(dān)憂嗎?

　　如果我們真的希望對(duì)人類(lèi)健康產(chǎn)生影響，這些數(shù)據(jù)和模型必須對(duì)所有人進(jìn)行開(kāi)放。

　　物理研究領(lǐng)域就有這樣的先例，強(qiáng)子對(duì)撞機(jī)試驗(yàn)的全部數(shù)據(jù)都是對(duì)公眾開(kāi)放的。當(dāng)然，存在如何保護(hù)個(gè)人隱私的問(wèn)題。

　　可以通過(guò)技術(shù)解決隱私保護(hù)問(wèn)題嗎?

　　我們當(dāng)然可以保護(hù)并存儲(chǔ)數(shù)據(jù)，保護(hù)計(jì)算機(jī)環(huán)境的安全，并采取眾多安全協(xié)議來(lái)確保數(shù)據(jù)不會(huì)陷入危險(xiǎn)。但有一點(diǎn)我們很清楚，任何形式的高維數(shù)據(jù)都無(wú)法真正做到匿名。就像照片一樣。你不能指望你的外貌也有隱私，因?yàn)槿巳硕寄芸吹侥愕哪槪悴荒軐⑺仄饋?lái)。我認(rèn)為 DNA 以及諸如分子尺寸等其他數(shù)據(jù)最終也將歸入同樣的范疇，原因很簡(jiǎn)單，當(dāng)技術(shù)足夠成熟的時(shí)候，基因測(cè)序會(huì)像照相一樣簡(jiǎn)單、便宜。

　　在日常生活中，你是如何應(yīng)對(duì)信息過(guò)載問(wèn)題的?

　　不能陷在大數(shù)據(jù)中。我會(huì)去玩單板滑雪、騎摩托車(chē)，或是做一些能幫助你放松，無(wú)需太動(dòng)腦筋的活動(dòng)。

　　安德烈斯·維根 Andreas Weigend

　　獨(dú)立顧問(wèn)，亞馬遜公司前任首席科學(xué)家

　　你曾經(jīng)將大數(shù)據(jù)比作原油。

　　如果你在后院發(fā)現(xiàn)了原油，你的這個(gè)發(fā)現(xiàn)可能用處不大，因?yàn)槟阈枰獙⒃途珶捄蟛拍芄┤藗兪褂谩Ｔ紨?shù)據(jù)也像原油一樣，不是拿來(lái)就可使用。亞馬遜和谷歌就是從事數(shù)據(jù)精煉提取的公司。當(dāng)然，據(jù)我所知，原油和數(shù)據(jù)兩者之間最大的區(qū)別是，數(shù)據(jù)一時(shí)半會(huì)兒不會(huì)被用光。而至于價(jià)格，信息產(chǎn)品和石油產(chǎn)品之間的關(guān)系也非常有意思。

　　原油的大部分好處被你所描述的精煉公司而不是被其用戶(hù)獲得。我們?cè)鯓硬拍鼙ＷC每個(gè)人都能從大數(shù)據(jù)中獲益?

　　我認(rèn)為，在蘋(píng)果公司的應(yīng)用商店發(fā)生的一切將會(huì)在數(shù)據(jù)經(jīng)濟(jì)領(lǐng)域再次上演，會(huì)有公司以這些數(shù)據(jù)為“原材料”推出服務(wù)。如果成立一個(gè)應(yīng)用商店，而另一家公司使用數(shù)據(jù)向消費(fèi)者提供應(yīng)用并與數(shù)據(jù)公司共享收入，價(jià)值由此產(chǎn)生。

　　大約 10 年前，你曾擔(dān)任亞馬遜首席科學(xué)家。目前，世界是否已經(jīng)完全變樣了?

　　10 年前，我們已經(jīng)注意到行業(yè)的重點(diǎn)正由算法(意味著你可以從自己所有的數(shù)據(jù)中獲得任何東西)向僅僅需要獲得更多的原始數(shù)據(jù)這一方向轉(zhuǎn)移。所以說(shuō)，現(xiàn)在的情況與當(dāng)年完全不同，不過(guò)，我們?nèi)匀挥蓄?lèi)似的想法。貝索斯還是貝索斯。

　　你認(rèn)為哪些行業(yè)守著最豐富的數(shù)據(jù)金礦卻未找到利用金礦創(chuàng)造價(jià)值的方法?

　　中國(guó)有一家公司名叫騰訊，他們推出的微信完全顛覆了中國(guó)人的溝通方式。與之相對(duì)應(yīng)的另一家公司是中國(guó)電商公司阿里巴巴，該公司了解客戶(hù)對(duì)哪些商品感興趣，他們?cè)谒阉魇裁瓷唐罚约八麄冏罱K買(mǎi)了哪些商品。阿里還清楚客戶(hù)是否退貨和有無(wú)付款問(wèn)題等。

　　這兩家公司均擁有 10 億客戶(hù)。它們了解客戶(hù)的所有溝通習(xí)慣或所有財(cái)務(wù)交易情況，所以，它們確實(shí)大有可為。當(dāng)然，這也取決于你對(duì)哪些行業(yè)感興趣。不過(guò)，真正的潛力是這兩方面數(shù)據(jù)的交叉整合。比如，在需要做出信貸決定時(shí)，你可以從騰訊了解很多信息。因?yàn)椋私獾侥闶欠裨?jīng)和妓女鬼混或與拉皮條的家伙有過(guò)來(lái)往，也能多多少少地了解你將來(lái)償還貸款的傾向。

　　在日常生活中，你是如何應(yīng)對(duì)信息過(guò)載這一問(wèn)題的?

　　我們必須形成一個(gè)認(rèn)知習(xí)慣，認(rèn)識(shí)到人們是會(huì)錯(cuò)過(guò)一些信息的。如果有人錯(cuò)過(guò)了你的一封電子郵件，請(qǐng)不要生氣。請(qǐng)通過(guò)另一個(gè)渠道與他們聯(lián)絡(luò)。

　　威廉·庫(kù)科爾斯基 William Cukierski

　　Kaggle 公司的數(shù)據(jù)科學(xué)家

　　效果最好的競(jìng)賽有哪些?

　　我最看好的一場(chǎng)競(jìng)賽叫“找鯨大賽”。競(jìng)賽中要尋找的鯨是生活在大西洋中的一種瀕危種群。這些搜尋者擁有強(qiáng)大的網(wǎng)絡(luò)，不間斷地記錄鯨發(fā)出的聲音，他們也擁有自己的算法，且效果非常好。他們說(shuō)：“要不我們把這些數(shù)據(jù)交給 Kaggle，看 Kaggle 有沒(méi)有更好的解決方案。”他們最后實(shí)現(xiàn)了非凡的成果。目前，這些強(qiáng)大的網(wǎng)絡(luò)能夠以接近 99% 的準(zhǔn)確率來(lái)偵測(cè)出鯨的聲音。我認(rèn)為，如果有人坐在紐約的辦公桌前就可以從事與日常工作毫無(wú)相干且在萬(wàn)里之遙的一項(xiàng)工作，并為我們的日常生活帶來(lái)巨大好處，這將是一項(xiàng)多么了不起的事情!

　　你們還在設(shè)法利用數(shù)據(jù)分析來(lái)進(jìn)行癌癥研究。Kaggle 是否組織過(guò)很多醫(yī)療相關(guān)領(lǐng)域的競(jìng)賽?

　　Kaggle 尚未在醫(yī)療領(lǐng)域涉足過(guò)多，主要原因是涉及泄露患者信息這個(gè)問(wèn)題。另一個(gè)難題是擁有這些數(shù)據(jù)的個(gè)人和機(jī)構(gòu)把數(shù)據(jù)囤積了起來(lái)，不愿分享。

　　制藥公司擁有制藥試驗(yàn)的數(shù)據(jù)，它們把這些數(shù)據(jù)壓在了箱底。人們?yōu)榱藬?shù)據(jù)分享作了一些初步努力，也承諾在這方面展開(kāi)合作，但結(jié)果還是各自都想保留自己手中的數(shù)據(jù)。從某種程度上說(shuō)，主要還是擔(dān)心隱私保護(hù)問(wèn)題。你可能不會(huì)愿意把別人的基因組公開(kāi)發(fā)布，然后大家都看出來(lái)這是家住主干道 232 號(hào)的薩利·斯密斯(Sally Smith)的基因組。不過(guò)，與此同時(shí)，這些擔(dān)心也有些過(guò)度。對(duì)于這種問(wèn)題，人們好像都在玩花招，說(shuō)什么除非把數(shù)據(jù)直接交給你，不然你怎么能夠遠(yuǎn)距離地利用數(shù)據(jù)解決問(wèn)題呢?如果能消除這些顧慮，你就可以取得一些實(shí)質(zhì)性的進(jìn)展。

　　你們公司在舉辦人人都可以參與的競(jìng)賽，而有些占有數(shù)據(jù)的機(jī)構(gòu)卻牢牢抓著數(shù)據(jù)不放手。這是否是一個(gè)矛盾?

　　我在日常工作中面臨的最大挑戰(zhàn)之一是說(shuō)服人們分享數(shù)據(jù)，并令其確信這么做不會(huì)威脅到其機(jī)構(gòu)的生存。

　　經(jīng)常情況下，不是說(shuō)你占有了數(shù)據(jù)，數(shù)據(jù)就成為與生俱來(lái)的無(wú)價(jià)之寶，數(shù)據(jù)是需要挖掘和分析的。如果我們從一個(gè)機(jī)構(gòu)拿到了一組數(shù)據(jù)，并將其公開(kāi)，問(wèn)題的解決方式是公開(kāi)的，這不會(huì)產(chǎn)生什么問(wèn)題，因?yàn)闆](méi)有其他人有相同的數(shù)據(jù)，也沒(méi)有人會(huì)再去獲得并利用這些數(shù)據(jù)。

　　你認(rèn)為，關(guān)于大數(shù)據(jù)的各種說(shuō)法和觀點(diǎn)，哪方面的失控最嚴(yán)重?

　　我必須糾正一下你的問(wèn)題，應(yīng)該是哪些方面沒(méi)有失控。在與人們談?wù)摯髷?shù)據(jù)時(shí)，很難避免失控這個(gè)問(wèn)題，也很難避免其老板的介入，同樣難以獲得老板支持地說(shuō)“好吧，我們也做大數(shù)據(jù)吧”。我認(rèn)為，人們?cè)跀?shù)據(jù)量方面有些失控。所以，經(jīng)常有人會(huì)說(shuō)，“我們有 10 億兆的數(shù)據(jù)，我們有百萬(wàn)兆的數(shù)據(jù)。”許多問(wèn)題可以在更小的數(shù)據(jù)規(guī)模上得到解決。比如，用輸送帶來(lái)篩選利馬豆。銷(xiāo)售利馬豆的公司希望利用照相機(jī)來(lái)發(fā)現(xiàn)輸送帶上變質(zhì)的利馬豆。你可以想象，如果你能夠發(fā)現(xiàn)一粒棕色利馬豆，你就可以發(fā)現(xiàn)所有的棕色利馬豆，而不需天文級(jí)別的數(shù)據(jù)來(lái)解決這一問(wèn)題。我認(rèn)為，95% 的問(wèn)題適用于這個(gè)模型。剩余 5% 的問(wèn)題的算法需要大量的數(shù)據(jù)，提供的數(shù)據(jù)越多，其方案的效果就越好。Netflix 向用戶(hù)推薦電影就是最好的例證。