眾所周知，任何社會(huì)發(fā)展的潮流和趨勢(shì)，背后都有一系列綜合因素共同驅(qū)動(dòng)，那么對(duì)于數(shù)字經(jīng)濟(jì)的發(fā)展也是一樣。

我們要關(guān)注驅(qū)動(dòng)數(shù)字經(jīng)濟(jì)發(fā)展的關(guān)鍵技術(shù)因素，或者說，影響社會(huì)發(fā)展大方向的底層“慢變量”到底是什么，其中從數(shù)據(jù)科學(xué)發(fā)展角度，最重要的“慢變量”就是大數(shù)據(jù)技術(shù)的成熟和普及。

大數(shù)據(jù)技術(shù)的發(fā)展，改變了傳統(tǒng)的數(shù)據(jù)分析方法和人們對(duì)數(shù)據(jù)的使用方式，同時(shí)，也改變了在信息化、數(shù)字化產(chǎn)業(yè)實(shí)踐中，如何存儲(chǔ)、管理、傳輸、搜索、分析、觀察等一系列數(shù)據(jù)相關(guān)技術(shù)活動(dòng)的基本模式和評(píng)價(jià)方式。

大數(shù)據(jù)技術(shù)，讓數(shù)據(jù)分析真正從“實(shí)驗(yàn)室環(huán)境”走向“生產(chǎn)環(huán)境和商業(yè)環(huán)境”，讓數(shù)據(jù)分析的本質(zhì)從“算法理論”轉(zhuǎn)化為“算法工程”。

1.傳統(tǒng)的數(shù)據(jù)分析方法為何已不能滿足數(shù)字經(jīng)濟(jì)時(shí)代的現(xiàn)實(shí)業(yè)務(wù)需求

數(shù)字經(jīng)濟(jì)之所以快速發(fā)展，首先要?dú)w功于人們對(duì)數(shù)據(jù)分析處理能力的快速提升。自從2003年Google提出了分布式的數(shù)據(jù)存儲(chǔ)與計(jì)算技術(shù)架構(gòu)，大數(shù)據(jù)技術(shù)得到快速的發(fā)展和崛起。

無論是在軟件方面、硬件方面，還是在關(guān)于數(shù)據(jù)處理的技術(shù)方面，都出現(xiàn)了越來越多的創(chuàng)新形態(tài)，揭示著人們?cè)跀?shù)據(jù)處理能力的邊界得到了史無前例的拓展。

可以說，在以數(shù)據(jù)為基本對(duì)象的技術(shù)實(shí)踐上，從傳統(tǒng)的實(shí)驗(yàn)室環(huán)境，真正走向了現(xiàn)實(shí)業(yè)務(wù)的實(shí)戰(zhàn)環(huán)境。數(shù)據(jù)不是為了驗(yàn)證某個(gè)科學(xué)理論，而是為了帶來業(yè)務(wù)啟發(fā)，提供智能決策能力，最終完成從數(shù)據(jù)要素到經(jīng)濟(jì)價(jià)值的完整過程轉(zhuǎn)換。

為了突出說明大數(shù)據(jù)技術(shù)的重要性，還是要先回到傳統(tǒng)的數(shù)據(jù)分析方法，了解傳統(tǒng)方法的特征和局限性。

在傳統(tǒng)的數(shù)據(jù)分析場(chǎng)景，數(shù)據(jù)是干凈、純粹、任務(wù)相關(guān)的，甚至是統(tǒng)計(jì)分布客觀均勻的。比如要分析小麥作物與光照強(qiáng)度的相關(guān)性，那么會(huì)嚴(yán)格控制實(shí)驗(yàn)環(huán)境中溫度、濕度、微生物指標(biāo)等諸多物理參數(shù)，接著只要收集足夠量的數(shù)據(jù)樣本，就可以進(jìn)行非常有效的數(shù)據(jù)分析。

上述這些數(shù)據(jù)都是在嚴(yán)格控制的環(huán)境下產(chǎn)生的，因此數(shù)據(jù)與目標(biāo)問題的相關(guān)性非常強(qiáng)，通過有意“挑選”出來的數(shù)據(jù)對(duì)象可以很好地解釋人們關(guān)心的問題，提供令人滿意的解決方案。

因此，在傳統(tǒng)通過數(shù)據(jù)分析場(chǎng)景中，數(shù)據(jù)量通常不需要太大，往往幾十條、幾百條就能支持業(yè)務(wù)分析應(yīng)用。

人們此時(shí)可以把更多精力關(guān)注到數(shù)學(xué)模型的客觀性、嚴(yán)謹(jǐn)性，以及可解釋性。

對(duì)于傳統(tǒng)的數(shù)據(jù)分析，常用的方法主要包括回歸分析、統(tǒng)計(jì)推斷、指標(biāo)分析、傳統(tǒng)機(jī)器學(xué)習(xí)、概率圖模型等，這些模型要求變量的挑選以及變量之間的關(guān)系都設(shè)計(jì)精良，只有這樣，才能充分發(fā)揮出這些數(shù)據(jù)的本源價(jià)值。

然而，傳統(tǒng)的數(shù)據(jù)分析方法只適用于“實(shí)驗(yàn)室環(huán)境”的數(shù)據(jù)集，在真實(shí)世界中并沒有太多施展拳腳的機(jī)會(huì)。

在真實(shí)世界場(chǎng)景中，數(shù)據(jù)環(huán)境是大數(shù)據(jù)的環(huán)境，雖然數(shù)據(jù)夠多，但是數(shù)據(jù)質(zhì)量并不好，也就是所謂的數(shù)據(jù)看起來多，實(shí)際上少（看似有用的數(shù)據(jù)少）。

那么，這個(gè)質(zhì)量不好怎么理解呢？

其實(shí)，這里講的就是所謂“著名的”大數(shù)據(jù)5V特征，即Volume（數(shù)據(jù)量大）、Velocity（數(shù)據(jù)高速產(chǎn)生）、Variety（數(shù)據(jù)形式多樣）、Value（價(jià)值密度低）、Veracity（真實(shí)性差）。

大數(shù)據(jù)概念不是被設(shè)計(jì)出來的，而是被發(fā)現(xiàn)出來的。5V不就是客觀世界中信息的最原始形態(tài)么？

數(shù)據(jù)本身是自然而然的狀態(tài)，是按照最樸素的狀態(tài)產(chǎn)生出來的：數(shù)據(jù)量很大，也不一定干凈，有表格、文字、音頻、視頻、日志等不同格式，數(shù)據(jù)渠道來源不同，信息有真有假，內(nèi)容有實(shí)有虛。

2.人們需要一套應(yīng)付“非典型”數(shù)據(jù)問題的數(shù)據(jù)分析技術(shù)——大數(shù)據(jù)技術(shù)

大數(shù)據(jù)技術(shù)解決了兩方面的問題，一是效率的問題，二是質(zhì)量的問題，兩方面問題本身也是彼此相關(guān)的。

面對(duì)效率問題，大數(shù)據(jù)技術(shù)得益于底層軟硬件計(jì)算框架的能力發(fā)展，而面對(duì)質(zhì)量問題，大數(shù)據(jù)技術(shù)則依賴于數(shù)據(jù)科學(xué)算法的研究和創(chuàng)新。

在效率方面，大數(shù)據(jù)技術(shù)提供更高效的數(shù)據(jù)處理性能。

首先，是數(shù)據(jù)存儲(chǔ)。為了能夠?qū)Σ煌袷降臄?shù)據(jù)進(jìn)行靈活的存儲(chǔ)、讀寫、和管理，在傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)的基礎(chǔ)之上，又先后興起了NoSQL和NewSQL等非關(guān)系型數(shù)據(jù)庫(kù)。

非關(guān)系型數(shù)據(jù)庫(kù)可以對(duì)任意結(jié)構(gòu)的數(shù)據(jù)源進(jìn)行定義和存儲(chǔ)，業(yè)務(wù)適用性更廣泛，很好地回應(yīng)了5V中Variety（多樣）的特征。

此外，由于大數(shù)據(jù)場(chǎng)景下數(shù)據(jù)規(guī)模巨大（Volume），需要構(gòu)建能夠存儲(chǔ)大規(guī)模數(shù)據(jù)的數(shù)據(jù)管理系統(tǒng)和文件管理系統(tǒng)，于是相應(yīng)地就催生了分布式的數(shù)據(jù)存儲(chǔ)架構(gòu)。

該架構(gòu)可以在單臺(tái)機(jī)器存儲(chǔ)能力有限的情況下，用多臺(tái)機(jī)器組網(wǎng)構(gòu)成存儲(chǔ)節(jié)點(diǎn)集群，統(tǒng)一地存儲(chǔ)和管理海量的數(shù)據(jù)資源。

其次，是數(shù)據(jù)計(jì)算。針對(duì)給定的數(shù)據(jù)計(jì)算問題，大數(shù)據(jù)技術(shù)實(shí)現(xiàn)了編程和執(zhí)行策略的優(yōu)化設(shè)計(jì)。

比如，通過引入并行計(jì)算架構(gòu)，以及該架構(gòu)下OpenMP、GPU、MPI等相應(yīng)的并行編程技術(shù)，可以同時(shí)對(duì)多個(gè)近似的、單元化的計(jì)算任務(wù)進(jìn)行并行處理，提升芯片的整體利用率。

再有，通過引入分布式計(jì)算架構(gòu)，把單個(gè)復(fù)雜的計(jì)算任務(wù)分配給多個(gè)單臺(tái)機(jī)器協(xié)同處理，發(fā)揮多個(gè)計(jì)算資源的整體性能。

另外，通過引入流式計(jì)算架構(gòu)，可以有效地解決實(shí)時(shí)計(jì)算的問題（Velocity，高速），機(jī)器可以邊讀取、邊計(jì)算，讓數(shù)據(jù)處理系統(tǒng)快速地響應(yīng)外部業(yè)務(wù)環(huán)境的實(shí)時(shí)變化。

在質(zhì)量方面，大數(shù)據(jù)技術(shù)提供更先進(jìn)的數(shù)據(jù)分析能力。

考慮到大數(shù)據(jù)場(chǎng)景下數(shù)據(jù)質(zhì)量通常并不那么好，因此在數(shù)據(jù)分析方法的層面上也逐漸衍生出了新的技術(shù)解決思路。

在大數(shù)據(jù)的“技術(shù)觀念”下，會(huì)自然地“放松”算法模型在科學(xué)嚴(yán)謹(jǐn)性上的約束限制，同時(shí)更加強(qiáng)調(diào)其實(shí)用性價(jià)值。

人們更加關(guān)注數(shù)據(jù)之間的相關(guān)性，而非因果性，盡管這種相關(guān)性可能比較隱晦，或者難以解釋，但是確實(shí)能夠呈現(xiàn)出數(shù)據(jù)背后隱含的業(yè)務(wù)含義，并對(duì)日常應(yīng)用起到重要的定量決策支撐。

深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)可以說是大數(shù)據(jù)在算法方向最為重要的技術(shù)突破，其背后的想法是：只要數(shù)據(jù)規(guī)模足夠大，哪怕數(shù)據(jù)質(zhì)量差一點(diǎn)也沒關(guān)系。

尤其是深度學(xué)習(xí)模型，與傳統(tǒng)的統(tǒng)計(jì)模型或機(jī)器學(xué)習(xí)模型不同在于，其模型的變量和結(jié)構(gòu)都可以從數(shù)據(jù)中探索而來，而不用人為進(jìn)行精巧設(shè)計(jì)。

深度學(xué)習(xí)模型非常善于從低價(jià)值密度的大規(guī)模數(shù)據(jù)資源中，面向特定的業(yè)務(wù)場(chǎng)景，進(jìn)行知識(shí)模型的自動(dòng)提煉。

當(dāng)前，市場(chǎng)化商業(yè)環(huán)境所能產(chǎn)生的業(yè)務(wù)數(shù)據(jù)，在很多領(lǐng)域已經(jīng)可以滿足建模所需的數(shù)據(jù)規(guī)模需求，這也為深度學(xué)習(xí)的廣泛應(yīng)用提供了良好的落地基礎(chǔ)。

3.總結(jié)

值得注意的是，大數(shù)據(jù)技術(shù)的出現(xiàn)對(duì)傳統(tǒng)數(shù)據(jù)分析方法來說，是補(bǔ)充而非替代的作用。大數(shù)據(jù)技術(shù)充分發(fā)揮了數(shù)據(jù)在規(guī)模維度上的資源優(yōu)勢(shì)，從而對(duì)前端的數(shù)字化應(yīng)用提供更多有價(jià)值的業(yè)務(wù)信息。

在實(shí)際應(yīng)用中，傳統(tǒng)數(shù)據(jù)分析中的思想和方法更多是和大數(shù)據(jù)技術(shù)互相融會(huì)貫通、協(xié)同應(yīng)用，很多底層的技術(shù)思想也在互相借鑒，彌補(bǔ)著自身技術(shù)的不足與應(yīng)用缺陷。