大数据究竟有多大？

今天跟大家分享的是涂子沛先生写的《大数据》，大数据这个词估计大家都听说过，但到底什么是大数据？翻看书的封面，在封面内页底有这样一段话：

大数据（Big Data）

指一般的软件工具难以捕捉、管理和分析的大容量数据，一般以“太字节”为单位。“大数据”之“大”，并不仅仅在于“容量之大”，更大的意义在于：通过对海量数据的交换、整合和分析，发现新的知识，创造新的价值，带来“大知识”、“大科技”、“大利润”和“大发展”。

从上述描述不难看出，在涂先生看来，大数据的大首先是“容量大”，一般以“太字节”为单位；其次是“价值大”，可以发现新知识，创造新价值。那“太字节”究竟是啥意思，以其为单位的数据到底有多大？翻开书第36页，里面有一张表，可以帮助读者理解数据的存储单位。在这张表里，是这样来描述太字节的，太字节的英文标识是TB，大小相当于1024吉字节或2⁴⁰。表中对太字节的含义举了这样一个例子，“美国国会图书馆所有登记的印刷版书本的信息量为15太字节，截至2011年底，其网络备份的数据量为280太字节，这个数据还在以每个月5太的速度递增”。如果上述例子觉得比较难懂，那换个简单点的例子，1太字节的英文标识是1TB。目前比较流行的移动硬盘的容量就是1TB，一般普通品牌的移动硬盘的售价大概在600-800元左右。通常我们存储一部高清电影需要1G，即1吉字节。那一个1TB的移动硬盘可以存储多少部高清电影呢？一千多部，如果你每天看一部，需要花1个半小时的话，那看完1TB的电影需要花费你多少时间？如果你能坚持天天看，1TB容量的电影盘能看2年多。看完这些电影之后，你能增长多少知识？

如果上述描述能让你对大数据这个词有那么一点点感觉的话，接下来可能你又会好奇：那计算机又是如何从这些大容量的数据里发现新知识，创造新价值的呢？

接下来，翻到书的第88页，有一张“从数据、信息到知识的演变”图，涂先生首先给出了一个“1.85”数据。然后，给这个数据赋予一个特定的背景，使其成为反映某个人的身高信息。比如，奥巴马身高1.85米。接下来，就可以采集更多的信息，以便提炼出规律，即知识。比如，采集若干黑人男性的身高信息，通过统计方法提炼出如下知识：“大多数黑人男性的身高超过1.85米”。呵呵，看到这个结论之后，我比较奇怪，为什么在成都看到的黑人男性的身高大多都低于1.85米呢？

如果你读了上述这张图之后，还是有点迷糊，那就再继续翻到书第94页。在这一页里给出了一个经典案例，讲述了一个关于零售帝国的故事。哈哈，就是在沃尔玛里曾发生的有关“啤酒和尿布”的故事。啤酒和尿布？听起来的确风马牛不相及，但这却是对沃尔玛某销售历史数据进行挖掘后发现的规律。这种令人费解的结果是否反映的是一个真正的规律呢？经过跟踪调查，研究人员发现：一些年轻的爸爸经常要到超市去购买婴儿尿布，有30%到40%的新爸爸会顺便买点啤酒犒劳自己。为了验证上述发现，沃尔玛随后对啤酒和尿布进行了捆绑销售，不出意料，销售量双双增加。呵呵，有趣吧！上述案例现在已经成为“数据挖掘”的一个经典案例，如果想要知道得更加详细一些， 可以接着往下看，还有很多惊喜等着你，欢迎交流～

张利华

2015年10月15日于翡翠城

推荐阅读：涂子沛著《大数据：正在到来的数据革命，以及它如何改变政府、商业与我们的生活》桂林：广西师范大学出版社，2012.7