北大國家發展研究院20周年暨BiMBA15周年慶典于2014年4月16-21日北京舉辦。和訊網全程報道。阿里巴巴集團副總裁、數據委員會會長車品覺在19日的“大數據與互聯網金融”分論壇上表示，今天的大數據就是明天的小數據，這個是我們在做大數據的人里面都知道的。所以今天我們也許看見我們手上拿著非常大的數據，其實我們也是跑進去數據里面跑馬圈地的時代，當你還以為數據是很大的時候應該想想，其實你現在手上用的數據，只不過是冰山一角而已。在未來我們會看到非常多的手動收集以及被動收集的數據都會出現。
以下為文字實錄：
車品覺：我當時跟我的分析師說，我要知道我5分鐘進來的人到底是誰，到底他們是怎樣的情況。其實我不是一個在臺上會講的人。其實互聯網的數據，在1997年的時候，互聯網剛起來時候，大家都會覺得說（英語），到了2014年你會看見哪有一個網站沒有說（英語）。所以大數據本身它還是有一個另一個（英語）。
其實數據挖掘在很早之前我們就已經有用了，95年的時候，當W95發布的時候，是MV級的量。我們的大數據起碼是一年跟一年比較每年增長2點多倍的數據量，已經到幾百PB機的數量。所以大數據的成本很低，其實一點都不低，當你要設置無限數據的時候，其實它成本并不低。
今天的大數據就是明天的小數據，這個是我們在做大數據的人里面都知道的。所以今天我們也許看見我們手上拿著非常大的數據，其實我們也是跑進去數據里面刨跑馬圈地的時代，當你還以為數據是很大的時候應該想想，其實你現在手上用的數據，只不過是冰山一角而已。在未來我們會看到非常多的手動收集以及被動收集的數據都會出現。
當數據多到覆蓋整個樣本空間的時候，基于樣本的inference的時候這就是大數據。在這個時候，有互聯網，穿戴服務催生很大的量的數據，非結構化的數據的保障，用戶型的數據會顯得更豐富，以及網絡廣告從群發到精準，RTB會出現，這就是大數據的一個比較準確的。你發現今天我們所講的大數據，其實是范例的大數據，當我們有很大量數據的時候我們少是大數據，當然從科學的角度來看，它更多的是用樣本空間的觀點。
4個V，在企業來講我們說可解釋，今天的人越來越聰明了，你必須要解釋，要落地的時候我們要知道，這個數據是可實施的，這個數據是精確穩定的，而且是可以解釋給我們的。這是4個V，就是大數據落地的時候，我們基本上應該要知道的。
過去從新樣本中可以找到特征，實驗了之后得到結果。但是在大數據的時代，我們拿到新樣本的時候，因為我們有一個海量數據的樣本，所以我們今天在大數據里面，我們通常用大量的數據但是簡單的模型，不像過去小數據的時候我們用一個復雜的模型?，F實里面企業其實是很少用大數據的，一般會用大數據來先找到方向，找到方向之后還是用傳統的方法來提煉自己的數據，是交叉使用。數據的圖形里面也有不同的數據模型來闡述結果。但是海量的數據加復雜的模型，我們今天還不知道它會面會怎么樣。
我們從農耕時代，到工業技術革命，到半導體電子，到信息技術，到數據技術，我們阿里經過幾年大數據之后，我們發現過去的幾年，我們做大數據行業的人，我們有很多的工具其實都沒有健全。我們阿里用了很多時間去健全這些工具。我們已經開始建立了一個數據地圖，會用大數據的原數據告訴我這個地圖是從哪里來的。過去我們只是用數據，但是今天我們要知道數據是從哪里來的。
有很多人今天用數據的時候，他并不知道數據是有一個基礎的樓層，你不關注的話出來的結果是不穩定的。包括我們自己，三個月里面很準的，三個月以后就不準了，就是說它是不穩定的。這個應該有幾個月了，數據已經不是你當時所想的數據模型的出現。
過去來講沒有大數據的時候，我們是有問題找數據，今天有大數據的時候，我們是用數據掌找問題。所以我們決策支持部開始變化了，連我的老板都問我，你不能用低端的看一下公司里面的KTI有什么問題嗎？今天我們更多的是以數據找問題的辦法。
當然我們會發現，大數據里面好像又很完美，但是我想跟大家說一個例子，比如說今天早上我看見一間衣服，我在電腦里搜這個衣服，我搜索的時候看見了一個手表，我買了一百塊的手表。在數據庫里面，我們只關注這個人買了一百塊的手表，不會關注他之前早上的時候看見了他個衣服，也沒有人知道其實這個人之所以沒有點搜索的結果，是因為他要開會，也沒有人知道這個人拿著手機來上網的個人，和用電腦上網的他個人是同一個人。當然你也不能識別在PC里面的人是老公還是老婆，有時候他們是用同一個ID的。
其實當我們用方法看大數據的時候，我們會發現大數據里面其實有非常多的洞在里面，這個洞不是沒有收取數據。
現實中還有一點我們要放棄一些數據，我們收集數據，從來沒有想過要放棄數據的，我們有多少數據就收集多少數據，因為這個數據可能未來會有用。但是當數據大到一定程度的時候，我們要放棄一些數據。真正的大數據你不可能無極限的收下去。如果兩年前的淘寶我們買東西的行為，數據的時候，其實到現在為止這個網站已經變了，數據的場景也變了，你的生命周期也變了
忘掉大數據，企業要的是實效數據。你要理解業務的場景，你要有應用數據的能力，你要回答有沒有解決這個問題，以及下次怎么改進。我們講的是數據的生態圈，首先我們使用數據，當我們數據來幫企業做判斷，解決問題的話，我們叫這個數據是數據歡迎你。但是我們都知道業務的人很多是不知道如何來找數據的。
反過來說，我們發現另外一個圈，從無限數據中尋找數據，假設什么數據都可以獲取，就是運營數據，我們企業里面其實做數據的人很多都不知道別人怎么用數據的，所以用的人不知道有什么數據可用，但是做數據的人也不知道別人怎么用他的數據，所以企業里面最困難的是用數據的文化，以及用數據里面的管理，雖然這個閉環的存在，實際上這個閉環轉起來是很困難的。我們公司問我怎么開始用起數據，我一般都說這個圈越小越好，不要搞得很大。
前幾天我跟很資深的一個老手交流，他說企業千萬不要用大數據走歪了，走歪的話是很麻煩的。這是很常見的一個情況。
面對未來，我上個禮拜在公司里面做了一個決定，我把BI部門取消了，數據技術部。原因很簡單，早期的時候我們公司有一堆的數據，有一堆BI的人。一年后我發現，他們很喜歡我，所以他們說我要更多數據，結果我找到BI的人過來。結果大數據的出現，我們現在的圖是這樣的，應付今天的大數據，數據量很大。到底我們是不是要再請一些BI的人，這不可能的。
今天我們的決定，我們要每個業務部門他們要有做數據分析的能力，而不是一個BI部門幫助他們，所以我們要做更多的工具，讓更多的人很容易的找到他所要的數據。
我們數據里面一個非常大的瓶頸叫ETR，從生產數據庫里面把數據給到我們分施類的數據（音）。為什么我們有這么大量的BI的人，是因為當我們做分析的時候，只有商業的人才知道他是怎么看東西的，只要商業的人稍微改了，他會在底層數據再上一來，對我們的工作量來說就很大了。
我記得我剛進公司的時候，KTI改口徑很大，我們有三個月不能用數據，底下的數據全弄一遍，這是從3月到6月中間是沒有精準數據的。還好我電商的行業，3到6月還不是旺季，如果其他公司這樣的做法那就完了。我們所謂的派生維度，你可以從業務的場景來抓，就可以產生一種新的東西。
最后我想跟大家說我在思考，最近我搞兩件事情，大數據的前面有兩個，就是數據的管理層必須要去選擇，一個是存還是不存，這個數據我用，會不會未來有用，未來有用我也要收起來，所以到底是要把它存還是不存。另外一個話題就是開放還是不開放，數據的安全很重要，但是你怎么選擇這個數據是開放的。同時你要很小心，這個數據會不會影響到別人，會不會有侵犯別人的隱私，開放和不開放，存或不存。
數據十誡，這里第7條很重要，大數據安全不安全，你根本不知道這個數據是安全還是不安全。你在控制安全的時候，你怎么知道這兩個數據加起來是非常不安全的，所以你用監管是沒辦法的。當然現在有一些人開始分布式的系統里面，可以去把數據加密，就是在加密的環境下，分布式的系統可以刨除去，這是一個解決辦法。
第十點講讓人做人擅長做事，機器做機器擅長的事。
最后我想跟大家說，其實數據都是實效，在企業來講并沒有什么說大數據的神話在企業，這是我最后想跟大家講的，謝謝大家！
京公網安備 11010502049343號