会员登录
会员注册【核心提示】早在1980年，著名未来学家阿尔文·托夫勒在《第三次浪潮》一书中，就将大数据誉为“第三次浪潮的华彩乐章”。大数据为什么这么热？如何科学对待大数据？本报记者就此专访了中国社会科学院信息化研究中心秘书长姜奇平。
早在1980年，著名未来学家阿尔文·托夫勒在《第三次浪潮》一书中，就将大数据誉为“第三次浪潮的华彩乐章”。大数据为什么这么热？如何科学对待大数据？本报记者就此专访了中国社会科学院信息化研究中心秘书长姜奇平。
人类第三次创世纪工程旨在建设一个新维度
《中国社会科学报》：当前，“大数据”在业界和学界已成为“时尚”话题，人们认为“人类已进入大数据时代”，并赋予“大数据”之于经济社会发展的作用以“革命性意义”。在您看来什么是大数据？
姜奇平：我们不用工程师的语言，而从“人类”和“时代”这个角度，看看什么是大数据。我们今天所从事的大数据，只不过是人类第三次创世纪工程的一个片断。整个工程的“目的”，旨在建设一个新的维度，使“意义”投胎到世界的“数据体”上。为什么这么说？我们可以这样表达，人类曾投了三次胎。第一次投胎的胎体，我们称之为世界1。这是实体的世界，它以实体为中介存在。这个世界以功能和使用价值，承载人们生存的存在。第二次投胎的胎体，我们称之为世界2。这是价值的世界，它以货币为中介存在。这个世界将一切转化为等长的社会必要劳动时间，即我们平常所说的价值。人们衡量一切事物的尺度，就是它“有没有价值”。这个世界以价值承载人们发展的存在。第三次投胎的胎体，我们称之为世界3。这是意义的世界，它以网络为中介存在。这个世界以意义承载人们自我实现的存在，要在以往的实用、价值的基础上，追求认同。
世界2是一个时空标准化的世界，它无法准确呈现意义的存在。今天，人们发明人际网络、物联网，都是在给意义一个适合的呈现空间，使事物隐含的快乐或痛苦的潜在含义，在我们创造的每一份价值和使用价值中鲜明呈现出来。大数据就是“意义发现”。通过意义的发现，指导价值的取舍，让有意义的价值实现，让没有意义的价值湮灭。
世界3的诞生，并不意味着世界2和世界1的消失。世界3只是相当于世界2和世界1的照明系统。传统经济相当于一个摸黑干活的系统，所谓“摸黑”就是指人们不知生产的东西哪些最终有需求，哪些没有，为此需付出巨大的交易费用，来实现供求平衡。“智慧化”相当于提供一个照明系统，让传统货币经济与实体经济不再摸黑创造交换价值（世界2的价值）和使用价值（世界1的价值），通过大数据照亮意义，即洞察最终需求，只创造那些有意义的价值和使用价值。因此人们经常把智慧比喻成明灯。这是智慧化对于传统经济的意义。
从这个意义上说，大数据与传统经济并不是对立的关系，而是一个递进发展的关系。大数据的应用，本质上就是在世界2、世界1中寻找并呈现意义。
大数据旨在实现“意义”的专业化
《中国社会科学报》：奥巴马政府将“大数据战略”上升为国家战略，甚至将大数据定义为“未来的新石油”。从当前及未来看，“大数据”究竟有什么用？
姜奇平：在这里就不介绍“大数据”细枝末节上的作用了，我仅谈谈大数据的根本作用，即实现“意义”的专业化。我先谈两个具体方面：
一是“意义赋值”系统的专业化。在大数据之前的世界，特别是工业世界，各种事务的功能系统、手段系统都是专业的，但一涉及意义，例如宗旨与目的，就变得十分业余。我们以智慧城市为例说明。从以人为本的角度看，智慧城市到底智慧不智慧，关键看它的“意义赋值”系统是否专业，有效还是无效。习近平总书记指出，人民对美好生活的向往，就是我们的奋斗目标。就等于说，人民才是意义的赋值者。离开人民群众，就没有意义；数据离开了意义，就没有智慧；没有智慧，建设的所谓智慧城市就一定是愚蠢城市，与民生实际相疏离。从这个意义上说，大数据对智慧城市建设的顶层作用，应该是把群众路线专业化，让人民群众满意不满意、幸福不幸福这类意义信息及时被洞察、被满足，从而使人民群众得到更良好的体验。
二是企业决策系统的智慧化。大数据之前的企业决策，一线员工没有决策能力，这是意义系统不专业的重要表现。用户需求这种决定企业生死的意义信号，不能在此时此地的分散条件下得到当下响应。大数据让决策这种意义处理系统发生根本变化，从后台决策向前端决策转移，从集中决策向分散决策转移，从价值决策向意义决策转移。
举例来说，人们对大数据决策容易有一种误解，以为就是数据大集中的决策。这是传统集中控制思维方式运用到分布式计算条件下常有的惯性。
海尔的决策模式强调“群龙无首”。因为如果调动起每个自主经营体的主动性，使人人成为自己的CEO，这些一线员工就会进行分散CEO式的决策，没必要事无巨细非得通过“龙首”来决策。为此，海尔用战略损益表等制度，进行战略性的价值管理，使每个员工在决策时可以按企业的战略利益来权衡当前的形势，达到比集中式决策更优越的决策效果，其最高境界就是企业无为而治。
事实上，大数据决策应是集中决策与分散决策的结合。共性的问题适合集中决策，个性的问题适合分散决策。而且，二者不一定是对立的关系。例如，一线员工的分散决策，也需要并且可以调用数据中心的分析资源和计算能力；数据中心的决策，也需要与员工本地数据，甚至客户本地数据进行锚定和关联。按美国最新的情境定价理论，在一对一的营销中，产品和服务定价这种最关键的决策，可能要依靠用户本地数据，如手机中数据的参与，通过与数据中心数据的即时匹配来完成。用户数据参与决策将成为分散化决策的一个趋势。
不能离开人这一主体来谈大数据
《中国社会科学报》：“大数据”作用的发挥，依赖于数据收集、数据提纯、数据判断等多重关键要素。但数据有时候也会骗人，有学者基于此提出，大数据“是一个过度包装的概念”，是个伪命题。对此您怎么看？
姜奇平：大数据当前确实存在包装过度的问题，主要表现在一些人把不是大数据的东西，都装到这个筐里，甚至夸大其作用，等等。但不能因此就把整个大数据说成是“伪命题”。
实质性的问题是，我们不能离开人这个主体来谈大数据。现在谈大数据，确实存在这样的倾向，而且这种倾向很普遍。例如，把“大数据”当作了“数据大”，这就确实接近“伪命题”了。因为离开了人这个参照系，很难判断数据是不是垃圾。
我认为，一些人看大数据的角度有问题。从数据这个角度解大数据，是客体的角度。仅从客体角度解大数据，缺点是难以聚焦，因为数据本身并没有告诉我们，它们的存在是为了什么。所以，我建议人们换一个角度，从主体的角度来看什么是大数据，也就是从大数据到底能解决人的什么问题这个角度，来看它是什么。这样看的结果，会发现大数据映射在主体上的是意义，是为了使人更好地获得智慧。对大数据来说，使人更能把握意义，就是智慧；干扰了人们把握意义，就是垃圾。
这个方向上的思考具有现实意义。许多专家都在提大数据的应用导向，就是在从客体供给导向，向主体需求导向转。不这样转，就成了为大数据而大数据，最后把要解决的问题丢了。这样的大数据，最后只会成为一地鸡毛、一堆碎片。更恶劣的是以搞大数据为名，其实是在为搞房地产、偷税漏税而服务，或者是套取、骗取国家有关资助，滥用纳税人的血汗钱。
我认为，“大数据”作用的发挥，不光有赖于数据收集、数据提纯、数据判断等多重技术要素，更关键的是应用，要同人联系起来，同解决人的问题联系起来。衡量大数据成效的标准，不应是TB这样的客体标准，不是创造了多少TB的数据，而应是利用这些数据，在满足人们需求方面创造了多少价值，有多大意义，这样的大数据才是“真命题”。
规避大数据过度发展的风险
《中国社会科学报》：您认为“大数据”的负面作用有哪些？
姜奇平：“大数据”是中性的，谈一个中性东西的“负面”作用，需要补上这个问题省略的潜台词，才能让这个问题本身成立。
第一种可能，如果不能正确利用大数据，会产生什么负面作用？我认为，如果离开主体，离开人们的需求、应用搞大数据，会造出许多数据垃圾，不仅不会让人的脑子变得更清楚，反而会加大决策成本，让人们迷失在过多的数据中，找不到所要的答案。
为了规避为大数据而大数据的风险，第一要强调以人为本。搞大数据的根本目的就是要提高人的洞察能力，使人变得更加智慧，至于发展技术、产业等次一级的目的，是由此派生的。第二要强调应用导向。对大数据，要抓应用促发展，以最终用户需求为导向，让大数据产生实效。要克服长官意志，让市场发挥配置大数据资源的基础作用。要避免只是从投入、供给角度片面发展大数据，最后弄出一些没有市场需要的政绩工程。
第二种可能，在大数据本身没问题的情况下，把大数据摆在不恰当的位置，或加以夸大，会产生什么负面作用？对此我认为，大数据在功能、价值和意义这一串价值链中，更多定位在意义上。意义要以功能和价值为基础，如果脱离了功能、价值而片面强调意义，负面作用是对整体产生虚化作用，也就是让事情不实在。
《中国社会科学报》：从中观上看，大数据产业的比重是不是越大越好？如何规避大数据发展不足或是过度发展的风险？
姜奇平：大数据产业比重不见得越大越好。它与产品制造业、服务业的比重应恰当。比重过高，就会出虚火。大数据作为产业，恐怕与经济的服务化程度有关，对农业、制造业、服务业等经济的服务化越发展，对差异化和质量提升的要求就会越高，对大数据的需求就会越高，大数据的产业链就会展开得越充分。而经济的服务化，也不应是人为决定的。一般在人均收入5000美元之后，出于对生活质量的追求，人们可能越来越多地把钱花在服务上。
为了规避大数据发展不足或过度发展的风险，需要的可能恰恰不是产业政策干预，而是要进一步发挥市场作用。美国《连线》杂志联合创始人凯文·凯利认为，未来人们会在个人信息保护与个性化服务需要之间达成均衡。对个性化的赋值越高，越倾向于开放个人数据，供服务者量身定制；相反，越不重视个性化（如只顾温饱），越倾向于保守个人数据，让服务者不了解自己。大数据的发达程度，显然与此机制有关。就中国现实情况来说，现在恐怕不是个性化供给能力过剩、服务水平过了，而是现有产业政策让同质化的中国制造产能过剩太突出了。因此，虽然从局部和短期看，一些地方发展大数据可能有点热，但整体上大数据发展还是不足的。