如何成为掌控大数据的“猎人海力布”

蔡运磊

笔者小时候读过一篇童话《猎人海力布》，故事说，海力布从龙王那里获得了可以听懂飞禽走兽语言的宝石后，打的猎物就更多了。“人有人言，兽有兽语”，在信息大爆炸的今天，如何从海量的信息中获得有价值的东西、摸索出规律来呢？关键在于大数据。

大数据并非现代文明的产物。《吕氏春秋》记载，东郭牙发现齐桓公口型“呿而不唫”，成功判断出齐桓公“所言者‘莒也”，由此将齐桓公和管仲谋划讨伐莒国的事泄露了出去。如果缺乏足以观察到规律的大数据，东郭牙从何发现齐桓公的军事机密呢？！

马陵之战中，孙膑抓住对手庞涓善于进行数据分析的特点，有意“使齐军入魏地为十万灶，明日为五万灶，又明日为三万灶”，反其道而用之，终对庞涓成功实施诱杀。

1948年辽沈战役打响后，林彪正是凭借对在胡家窝棚缴获的短枪与长枪的比例、缴获和击毁的小车与大车的比例、俘虏和击毙的军官与士兵的比例比其他战斗略高的大数据分析，才确定了廖耀湘的兵团指挥所。

需要克服“大数据病”

数据是客观的，但人是主观的生物。面对大数据，很多人甚至专业的分析师也会犯主观错误，甚至被数据迷惑，被数据牵着鼻子走。

富兰克林·罗斯福是美国历史上唯一连任四届的总统。1936年罗斯福想竞选第二任总统时，许多人预测罗斯福很难如愿。大名鼎鼎的《文学文摘》杂志，此前几次对总统选举结果的预测都成功了，如今它又如法炮制，搞了个240万人的调查统计，具体方式就是在杂志里夹上关于总统选举的调查问卷，然后收集反馈。正是根据这个结果，《文学文摘》宣布兰登将赢得大选。

当时有个年轻人叫盖洛普，其预测结果刚好跟《文学文摘》相反。但他财不大气不粗，只访问调查了5000人。基于对这5000人的调查，盖洛普预测罗斯福连任，结果应验。盖洛普也由此名声大噪，并成立了一家民意调查公司—盖洛普咨询公司。

为什么会这样？其实很简单，《文学文摘》调查的240万个用户，家境一般都较好。也就是说，它调查的主要群体，其实相当单一。但盖洛普就完全不同了，他尽可能使抽样调查符合当时的选民结构。

中国人民大学统计与大数据研究院副院长朱利平认为，数据分析离不开两个基本概念：相关与因果。人们常常混淆这两个概念，常会把相关关系误以为是因果关系。这就是“大数据病”的根源。

比如，我们看到每年冰淇淋销量增加的同时，各地不幸溺亡的人数也在增加。二者能否构成因果关系呢？常识告诉我们，肯定不能。二者只是相关关系（都与气温升高有关）。

约500年前，丹麦天文学家第谷连续20年观察多颗行星的运动轨迹，在记录、分析了海量数据后，依然未能取得成果。后来，一个叫开普勒的人决定另辟蹊径：既然地球每隔365天会回到同一位置，如果把地球位置固定，再分析其他行星与地球的相对位置，是否就能成功得出其他行星的运行轨迹呢？

果不其然，他发现如果地球位置不变，那么其他行星的20年运行轨迹画出后，显示它们都是围着太阳转的，并且运行轨迹都是椭圆形。开普勒就此发现了行星运动规律。

由此可见，数据量大不一定就代表价值高，只有收集来的数据质量好、有代表性，才有可能取得研究成果。

扑面而来的“数字压力”

大数据正在完善我们的视听世界。不久前，古装言情剧《东宫》第十集中，女主和男主相继跳下忘川，形成首个剧情高峰。分析师对观众尤其是年轻观众的反馈进行大数据分析后，认为“跳忘川”的戏份没配BGM（背景音乐）太可惜，于是立马联系片方，加上了网友们最爱的插曲作为背景乐。就为这段音乐，不少观众甚至重刷了这一集。

据《人民日报》报道，到2018年年底，我国数字经济规模达到31万亿元，占GDP的1/3。全球IT研究与咨询公司权威机构Gartner预计，2020年中国产生的数据量将是2013年的20倍。

万物有利有弊，大数据亦不例外。

2019年5月27日，2019年中國国际大数据产业博览会贵州省贵阳市开幕

2018年，个人信息泄露事件接连发生：单单6月，视频网站AcFun对外宣称900万条用户数据外泄，招聘网站“前程无忧”的195万条用户求职简历泄露，圆通快递10亿条快递数据被售卖。而在7-9月，又传出顺丰快递3亿用户数据被兜售，华住旗下酒店5亿条客户开房数据被出售，万豪集团5亿名客人的信息被泄露……

最近被曝光的一份高达41GB的暗网中心交易数据文件，更是包含了14亿用户的用户名及密码，可能是迄今为止最大规模的数据泄漏事件。

这些个人信息成了明码标价、公开兜售的商品，也意味着每一个个体将因此成为广告、营销人员乃至不法分子的目标与猎物。

今年“3·15”的热门话题之一，是“疯狂的营销电话”。北京市消协发布的调查结果显示，56.92%的被调查者表示，有过被大数据“杀熟”的经历。有人说，全世界的企业可分为两种：一种是数据已泄露的企业，一种是将要发生数据泄露的企业。

童话里的海力布，掌握并成功分析了动物们的“大数据”，但他一泄密，就变成了坚硬的石头。在5月末“2019中国国际大数据产业博览会”现场，我充分感受到了扑面而来的“数字压力”。

论坛内外探讨的“数字压力”，是如何突破大数据时代各种技术瓶颈的压力，是担心在新一代信息技术蓬勃发展中“掉队”的压力，是急切地想抢抓数字化、网络化、智能化发展机遇的压力，更是直面大数据时代法律、安全、政府治理等各方面挑战的压力。

56.92%的被调查者表示，有过被大数据“杀熟”的经历。

我们既要充分利用大数据的“矛”，也要制好防范大数据泄密的“盾”。2015年图灵奖获得者惠特菲尔德·迪菲认为，目前世界公认的解决大数据安全问题的最好办法是密码学，即对数据进行一定程度的加密，即使偷听者拦截到信息，如果没有密钥也无法破解，无法了解信息的具体内容。

他认为，数据量越大，安全保障的重要性就越大。比如大数据赋能的道路网络管理和自动驾驶，可以显著提高生活质量，但如果安全问题没解决好，或遭遇恶意攻击，那将十分危险。

其实，大数据本身是可以帮助我们做好信息安全工作的。如在大数据场景中，我们可以根据用户的访问行为，判断他是否为异常用户，可及时跟踪、判断其意图，从而提前预警，防患于未然。

英国数学家托马斯·克伦普在《数字人类学》一书中指出，数据的本质是人，分析数据就是在分析人类族群自身。对公共部门和企业来说，在确保数据安全的前提下，将数据转化为服务和产品，才能更加准确地对接人们的需求和期待，从而让数据更好地服务人类社会。

在印度教中，宇宙由梵天睁眼之看产生;在佛教和耆那教中，这“看”应是来自佛陀和大雄的智慧之眼。人的六根所感是划了一个范围的，宇宙的呈现也因人之感而有一个范围。一人对宇宙不断地感，就形成了此人的世界;更多人不断地感，就形成了大数据，形成了世界。

依据《人类简史》的逻辑，大数据也可被认为是人类创造的“虚拟共同体”的一部分。当我们依托大数据、对芸芸众生有一个更为精准的表达时，我们也就成为了现代版的“猎人海力布”。