去年给物理系二年级学生讲“物理学的大数据时代和大数据时代的物理学”，整理一下，摘要写在这里。这篇是第一部分。

2015年最“火”的词汇之一就是“大数据”。

何谓“大数据”？

“大数据”译自英文里的“Big Data”，其字面上的意义应指数据量很大。也就是说：“大数据”首先要求数据足够多。但是数据量要多“大”才是“大”？到多少才是足够多？本没有科学的定义。定性地说，就是指数据量大到一定程度，使得量的变化达到了“质”的变化——即可以从这些数据中找到规律性的东西。

我们来看一个简单的例子：

先看下面的图1：2010年世界杯以来国际球员的进球和协助进球数（横坐标是参加比赛的场次）。

图1

从这张图我们看到什么呢？

1. Messi和Ronaldo是两名杰出的球员——他们的数据明显地比其他球员高出一截（名副其实的outstanding！）；

2. 大部分球员的数据都在图1下方的某一区域，可以认为这代表着国际球员的大致水平。

但这只是定性地看看。我们再做一些定量的分析：

从统计意义上说，参加比赛的场次越多，进球（+协助进球）数越多；二者应近似成正比。所以我们在图上画两条经过原点的直线（见图2）：

图2

从这张图我们看到了什么？

1． 下面那条线给出了一个“低标准线”，绝大多数球员的数据在这条线下方——可以说：数据在这条线附近的就可以说是“达标球员“！

2． 上面那条线则给出一个“高标准线”，高于这个标准的，可以说是杰出球员。（注意到数据在“高标准线”上方的只有3个球员，但其中一个的数据还是相差Messi和Ronaldo较远。）

当然这只是一个侧面；全面的大数据分析需要从不同侧面看。

我们再看一张图（上面图1, 2中那些球员的进攻vs助攻的数据）：

图3

     1. 容易看出，尽管球员的进攻次数统计上来说都是明显多于助攻次数，但二者之间还是有一个较好的正比关系——绝大多数球员都有集体（teamwork）观念；

     2. 相比起来，Messi的表现above average，而Ronaldo则明显地below average！——孰优孰劣，一目了然。

这就是大数据：有足够多的数据、经过分析可以得出一些规律性的东西（比如衡量一个球员水平的“低标准”、“高标准”），不同的数据给出不同的侧面、可以显著揭示区分的数据是关键性的。

等等。

当然，这只是非常初步的。对“大数据”进一步的认识，需要回顾物理学的大数据时代。