大数据时代的技术与隐私

大数据怎么用

故事二：不懂外语的翻译

百度公司发展研究中心副主任率鹏给记者讲了一个有趣的故事。“百度翻译”这个工具，目前已经提供了24种语言的自动翻译服务，翻译质量在行业中领先。“但这24种语言中有12种语言，整个百度翻译的团队没有人能懂。”率鹏说，“大数据的技术使我们完全在不了解、不懂得、不能够理解这种语言的情况下，仅仅靠技术本身就开发出一个非常好的翻译工具，这在以往的时代是难以想象的。”

不懂外语的外语翻译，这个听起来很天方夜谭的故事，其实精准反映了如今大数据技术的一大特点——不需要知道为什么，只需要知道是什么。

这个技术特点，是由如今大数据本身的特点决定的。中国通信学会副理事长兼秘书长张新生表示，大数据有四大特点：一是海量，大到“以目前的技术无法管理的数据量”；二是多样，数据种类复杂，非结构数据占到所存储数据总量的75%—95%，这些非结构数据无法以现在的技术手段与关系分析的数据库来处理；三是速度，数据产生的频率和传送频率非常快，需要进行实时处理；四是价值密度低，需从大量的低质量、低价值的数据中获取知识，犹如大海捞针，获取数据成本很高。

事实上，大数据还将越来越大。在过去两年中，全球产生的信息占到人类整体掌握信息总量的90%，现在每天全球产生的数据相当于国家图书馆馆藏总量的1500倍。而互联网数据中心IDC预测，到2020年全世界将有300亿个物联网终端。中国在这一市场上将占据至关重要地位，届时中国普通家庭将拥有40个到50个智能设备或传感器，每年创造出20TB的数据。而中国国家图书馆藏书是2631万册，信息量相当于41TB。也就是说，届时一个普通中国家庭每年产生的数据，就相当于半个国家图书馆。

我们如何才能不被大数据所淹没？

“大数据的核心重点在于深度挖掘，通过挖掘产生新的应用。”张新生表示，大数据的处理技术是一个工具，它有几个新特色：不再是小样本、随机样本，而要全体数据；接收数据有混杂性，不再追求精确性；关注事物之间的相关性，可以只知道是什么，不知道为什么；对所获数据可多次、反复利用，并可扩展，具有互用性，也就是未来可能知道为什么。

大数据产业也在变得越来越大。大数据的采集和传感、物联网领域有很大关联性；大数据的处理，又和云计算等产业相关；大数据的应用和医疗、金融等各个行业相关。未来将有越来越多企业发展成大数据企业。

“大数据应该是我们的战略性新兴产业中新一代信息技术重要的产业部分，和互联网产业、物联网产业、电信产业都有很大关联性。”中国联通网络技术研究院首席专家唐雄燕表示：“大数据本身和很多产业相关，现在可能已经有几千亿元的产业规模，将来会无处不在。大数据的从业者，未来也将不止是高科技人员，也会有很多蓝领。大数据是一个材料，和石油、矿藏一样，需要有采集数据的人员，需要有探矿的人员，各种各样的人都需要。”