大数据 是一个革命性的概念

我和许多经理人讨论大数据现象时，也同样提到，我很喜欢大数据这个概念的一切，但唯独不喜欢这个名字。大数据是一个革命性的概念，它可能握有改变几乎各行各业的能力。不过，基于某几项塬因，这个专有名词本身大有问题。

　　第一个问题是，「大」只是这种新型态的数据有别于既有数据的面向之一，而且对许多组织而言，「大」并非最重要的特质。根据2012年由大数据顾问业者NewVantage Partners针对大型组织的五十名经理人所做的一项调查，在大公司里，他们所处理的较属于「数据缺乏结构」的问题，而非「数据量过于庞大」的问题。在该调查中，有30%的受访者表示，他们所处理的大数据问题主要在于「必须分析来自多个来源的数据」;另有22%的受访者则主要聚焦于「分析新型态的数据」;还有12%的人主要是「分析动态的数据串流」;只有28%的受访者是以分析大于1TB的数据集为主要工作，而且这群人当中有13%是在处理介于 1TB与100TB间的数据集，但若以大数据的标准来看，这样的数据量并不算多。

　　「大数据」这个称呼还存在着其他问题。「大」这个字，很明显是相对的──就算今天看起来很「大」，并不表示到了明天仍然算「大」。而且，前述调查也显示，对一家组织而言的「大」，对另一家组织来说可能很「小」。我个人基本上认为，「大」应该指的是1/10PB以上的数据，但就算数据真的多到会造成影响，也不过就是必须购买更多硬件来储存与处理这些数据而已。

　　有人以三个V(量〔volume〕、庞杂程度〔variety〕、累积的速度〔velocity〕)来定义大数据，但有人又另外加了几个V(真实性〔veracity〕、价值〔value〕──或许下一个V是「能够花钱搞定」〔venality〕)，然而这样的描述也有问题。我认同这些都是大数据的重要特质，但假如你手边的数据只符合其中一两项的V呢?难道你就因此只握有三分之一或五分之二的大数据吗?

　　另一个问题是，太多人(尤其是相关软硬件厂商)已经把「大数据」一词拿来指称任何接受分析的数据，或者夸张一点，连纯粹呈报用的数据，或传统的企业内部资讯，也全都算在内。相关软硬件厂商与企管顾问，把任何热门新字眼拿来套用在自己既有的产品或服务上，已经是他们的惯用伎俩;在大数据方面，他们肯定也使用了这样的手法。假如你已开始在阅读谈论大数据的书籍、文章或广告，千万小心，里头若提到「数据导向决策」或是传统的数据分析手法，你所吸收的想法或许很有用、很有价值，但并不能算是什么新东西。

　　基于定义「大数据」时的上述问题，我(以及我徵询过其意见的一些专家)估计，这个不幸的术语，可能会比别的术语短命。媒体与新创企业都爱用这个字眼，但我已观察到，一些在大企业从事资讯工作的人，尤其是在银行、运输业者等已经长年掌握庞大数据的企业服务的人士，都不太爱用这样的字眼。简单讲，他们认为，这一代的新数据来源与型态，不过是先前好几代新东西的其中一代而已。当然，这并不表示「先前大家认知为大数据的那种现象」将会消失。假如你是要描述过去十年左右冒出来、种类繁多的大量新型态数据，就我所知，「大数据」依旧是最好的统称术语。

　　不过，由于这字眼实在太不精确，企业必须多解构一些，才能修正自己的策略，并且让利害关系人知道，管理团队有意如何运用这些新型态的数据，以及哪些类型的数据最为重要。大数据当然有许多不同的变种可以选择─而且每一种特质都有多种可能的选择，如图表1-2所示。你可以先从每一行之中选择一项。

　　换句话说，你与其说「我们正针对大数据推动一项硬件计划」，还不如说「我们正准备分析来自于ATM与各分行的影音数据，以求对顾客关系有更深入的了解」，会比较有建设性一些。或者，假如你服务于医疗业，你可以决定要「整合电子病历与基因数据，提供个人化的治疗方案」。此举除了有助于厘清目标与策略，也有助于避免无止境地讨论涉及的数据量究竟是大还是小(事实上，即便发展的是值得崇敬的出色事业，还是有少数企业承认，他们只有「小数据」需要处理而已─ 由此我也学到，若要让一个专有名词真正管用，就必须把彼此相对的两种情况都囊括进去).