没有大数据神话

今天的大数据就是明天的小数据，这个是做大数据的人都知道的，其实我们现在处于在数据里跑马圈地的时代。当你以为数据是很大的时候，其实只不过是冰山一角而已，在未来更多数据会出现，当数据多到覆盖整个样本空间的时候才是大数据。

今天我们所讲的大数据，从科学的角度来看，更多用的是样本空间的观点。过去我们从新样本中找到特征，实验了之后得到结果，但是在大数据时代，因为有海量数据样本，所以我们用简单模型取代复杂模型去解释数据。

现实中，企业其实很少用大数据。企业一般会用大数据先找到方向，之后用传统的方法来提炼自己的数据。有人问我怎么开始用起数据？企业得忘掉大数据，理解业务的场景，然后回答是否能解决问题，以及日后怎样改进。企业最困难的是用数据的文化，以及用数据的管理。我们倡导“数据的生态圈”的概念：用数据帮企业做判断，解决问题，这个叫“数据欢迎你”；反过来，我们又从无限数据中寻找数据，获取运营数据。实际上，这个生态圈转起来是很困难的。我一般都说这个圈越小越好，不要搞得很大。

阿里用了很多时间去健全大数据工具。例如，我们已经开始建立数据地图，用大数据的原数据告诉我们这个地图是从哪里来的。过去我们只是用数据，但是今天我们要知道数据是从哪里来的。过去我们是有问题找数据，今天我们用数据找问题。因为大数据，阿里的决策支持部开始变化了，未来我们要每个业务部门都有做数据分析的能力，而不是让数据技术部门帮助业务部门。这是因为当我们做分析的时候，只要业务部门的人稍做改动，底层数据就全变了，数据分析要重新来过，这对我们来说工作量太大了。所以我们要做更多的工具，让更多的人很容易的找到他所要的数据。

大数据里还有非常多的问题需要解决。例如，没有人知道拿着手机上网的一个人和用电脑上网的是不是同一个人。再比如，在大数据中，我们有多少数据就收集多少数据，因为这个数据可能未来会有用，但当数据大到一定程度的时候，我们不可能无极限收集下去，需要放弃一些数据。这也是我最近在思考的事情之一，数据存还是不存？数据现在有用，未来是否有用？我思考的另外一个问题是数据开放不开放？数据的安全很重要，选择数据开放是否会侵犯别人的隐私？此外，大数据是否安全？在控制安全时，两个数据加起来可能是非常不安全的，这种情况下，你不会知道这个数据是安全还是不安全，此时监管是失效的。

最后我说一句，让人做人擅长做事，机器做机器擅长的事。其实数据都是实效的，对企业来讲，并没有什么大数据的神话。