数据处理：从大数据到大知识

施水才

我主要讲三方面的内容：第一、大数据技术和商业模式创新；第二、大知识；第三、我们的实践。

大数据和传统的信息化最大区别在于，大数据具备分析、预测和决策功能；另外，大数据和传统海量信息处理的区别在于，大数据具有三大本质特性—计算实时化、数据关联化以及应用跨界化。

技术虽然很重要，但不是最重要的；数据也很重要，但也不是最重要的。最重要的是应用场景。和创新型的公司相比，我们非常关心是否落地。但就现在来说，很多大数据应用场景还是大数据公司“想象”出来的。

大数据还存在一些问题。首先，数据本身存在问题，包括数据质量、数据开放，商业模式，是否建立数据联盟等。谁也无法拥有全量的数据，数据的积累和优化是个长期过程。

其次，不能脱离应用谈数据。我们的数据银行有很多数据，但不是所有数据都有价值。一个应用到底需要什么类型的数据，这是个非常复杂的问题。

再次，光有数据不行，还得有知识。如对非结构化的数据进行结构化处理，要依靠大量新兴的技术，最终形成的是一种知识。

大数据卖什么？有卖基础设施的，有卖技术的，有卖解决方案的，也有卖数据的，如数据堂。但卖什么并不重要，重要的是在商业模式上要有大数据的思维。

受大数据驱动的商业模式，主要有四种：第一、免费增值云存储或云盘。要想获得数据，就要免费让用户存储；第二、平台型的商业模式，如滴滴、Facebook；第三、开放型的模式，像知乎、HealthTap；第四、长尾商业模式，如kindle电子书、视频网站。

大数据的技术发展趋势：第一个趋势，从技术上讲主要是开源，柔性选择，整个架构上有弹性。第二个趋势，从数据搜集管理转向分析挖掘预测。第三个趋势，人工智能技术的应用。人工智能产业发展：一是从把握、感知到智慧决策；二是当前人工智能应用的热点基本集中在营销、安全、金融和公共服务领域，未来将应用到教育、医疗、健康和金融科技行业。

我认为，大数据下一阶段的三个关键词就是“大知识”、“互联网”和“人工智能”。

大数据在过去的四年发生了三个变化：第一、从技术上，从通用架构到需求细分；第二、从计算分析到学习理解，增加了很多机器学习和人工智能；第三、从分析数据到构建知识，包括知识库、知识模型、知识图谱。

根据VentureScanner的统计，截至到2016 年初，全球共有957家人工智能公司，美国以499家位列第一。覆盖了深度学习/机器学习（通用）、深度学习/机器学习（应用）、自然语言处理（通用）、自然语言处理（语音识别）、计算机视觉/图像识别（通用）、计算机视觉/图像识别（应用）、手势控制、虚拟私人助手、智能机器人、推荐引擎和协助过滤算法、情境感知计算、语音翻译、视频内容自动识别等13个细分行业。

从大数据到大知识，搜索引擎的智能化包括利用知识图谱，就是一个很好的案例。如用百度搜索马云，会显示阿里巴巴的创始团队、企业家；用搜狗搜索马云，第一个出来是他的关系图谱，这就是大规模的知识图谱在起作用，而且是自动机器学习所致。

第二个案例是即将到来的虚拟机器人时代BOTs时代，主要涉及机器学习、NLP和知识图谱。很多公司在推出相关产品和技术，如智能机器人客服“小i机器人”。

第三个案例是Palantir。Palantir因拉登和庞氏骗局而被神化，对应的两个产品是Gotham和Metropolis。作为排名第三的私有化公司，Palantir的核心就是知识管理和协作。

三个案例突显了知识图谱、NLP（自然语言处理）这两个核心技术的重要性。无论是智能搜索、虚拟聊天机器人，还是大数据独角兽Palantir，都不离开知识图谱。而知识图谱的基础是大数据，大数据有分析的能力，从大数据上建立的大知识，能使大数据真正活起来。

有了大数据和深度学习之后，NLP技术领域将面临一些新的机会和突破。关键是两点：深度学习在NLP领域应用；问答机器人将有可能成为一个类似操作系统的新平台，目前一些公司正投入巨资研究问答机器人。

拓尔思是首批在A股上市的大数据公司之一。2011年，我们在大数据的精准营销、征信、安全等领域投资了10亿元。我们的核心业务是大数据核心技术和基础软件平台。包括智能信息处理软件包、TRS海贝大数据管理系统、TRS水晶分布式数据库系统、数据采集交换和共享平台等。

行业应用解决方案。包括集约化政府公共服务云平台、融媒体智能传播服务平台、面向安全的大数据分析和挖掘平台、金融行业风控和监管平台、水晶球大数据分析师平台。

互联网营销服务及大数据分析云平台。包括网站及全网口碑优化整合营销服务、舆情分析挖掘云服务、“数家”数据服务、网脉网站数据分析平台、思图大数据可视化云工具。

CKM中文自然语言文本挖掘平台。可以进行情感分析，实现非结构化数据的结构化提取。例如将文本文件中犯罪嫌疑人的名字、组织、电话号码、车牌号、银行卡号、QQ和微信号都结构化提取。如何利用自然原处理技术，从海量的文本中挖掘出真正有价值的知识，并且把知识关联起来，这是非常重要的。

水晶球大数据分析师平台。可以称之为中国版Palantir，将全面取代i2。这个平台最关键的是知识图谱，它比传统的知识图谱更具有扩展性。如可以把不同数据源的信息进行关联，与地理信息系统或其它系统进行集成。水晶球的定位在于公共安全、国家安全、金融的反欺诈、军事情报和公共关系等。（根据演讲内容整理，未经本人审核）