“大数据”的定义给人的印象缺乏主体性

点击、流量的多少并不能客观地概括“我们是谁”，而是关于希望与诉求的一种个性化的展现。目前针对“大数据”的定义给人的印象是缺乏主体性，我们不能满足于数据的产生与人有关，更要意识到，数据本身就是由人创造。这就是人的数据。

我们所处的时代还有一个比较拗口的名字，叫做“拍字节时代”（petabyte era），所谓“拍字节”即千万亿字节或千兆字节，属于较高级的储存单位。人们不仅关注存储介质的庞大体量，也在谈论数据内容的急速增长。“我们每天创造2.5万兆字节的数据，90%的现有数据在过去两年内创造。”这种说法的准确出处是IBM公司在其官网上发布的“什么是大数据”，类似的结论常常被一些媒体所转述。

不光是媒体，包括商界、学术期刊都开始热衷于研究大数据的特别之处。2013年，《哥伦比亚新闻评论》（Columbia Journalism Review）上有一篇文章，形容“大数据”是“一个包罗万象的标签”——通过分析大量的数据来重新认识世界。被誉为“信息时代的精神领袖”的克里斯·安德森（Chris Anderson）在《连线》（Wired）杂志上曾预言，数据洪流将导致科学方法不合时宜，他所谓的“理论的终结”正在一步步演变为现实——如此庞大的数据是现成的，没有必要大费周章地提出假设，然后不厌其烦地进行科学验证。如果善于获取和分析数据，它们自身就可以说明很多问题。

何谓大数据？一个数据集合需要满足三个“V”的维度，即大量（huge in volume）、高速（high in velocity）、多变（diverse in variety），有时也会附带第四点，真实或准确（veracity），这可以从不同角度进行解读。一旦掌握了全部人口的数据，就意味着产生新的可能性。在热烈的讨论中，往往被遗忘的，或者暂时被忽视的是这些新鲜出炉的字节有多少是基于个人数据创造。值得一提的是，三个“V”的维度是15年前由美国高德纳公司分析员道格·莱尼（Doug Laney）提出，当时用以描述数据管理的核心问题，后来经过重新演绎，用来定义大数据。

哈佛大学科学史系助理教授丽贝卡·莱莫夫（Rebecca Lemov）在课上讲授大数据主题时，总喜欢提到美国男星查尔顿·赫斯顿（Charlton Heston）主演的反乌托邦科幻电影《超世纪谍杀案》（Soylent Green）。影片在1973年上映，描绘了2022年的未来世界——由于污染、气候变暖和人口过剩导致资源枯竭，蔬菜水果成为稀有的奢侈品，大多数人只能依赖于绿色食品（soylent）维持生命，官方口径是由大豆（soy）和扁豆（lentil）制成。事实并非如此，男主人公经过调查后发现，绿色食品是用人做的——“Soylent green is people”，这一幕出现在影片结尾处。

莱莫夫套用了这句经典台词，称“大数据就是人”。关于大数据的定义，大部分都没有考虑到与生俱来的人性，也没有揪住意味深长的启示，比如技术与不断改变的自我定义的关系。一组不同以往的新数据，源于人类的日常生活——几乎不用深思熟虑，通过一个简单动作就能完成，推特、脸书、谷歌搜索、在线评论、一键下单。这些是“我”的模糊图像，新的虚拟生活被转换为算法处理。

对于上述数据的生产现场，人类地理学者罗伯·基钦（Rob Kitchin）最近做过编目，包括进货量的记录、数字设备对其使用历史的保存和传播（如手机）、事务处理日志和数字网络的交互（如邮件和网上银行）、网站或软件导航所带来的点击流量、嵌入物体或环境的传感器所收集的测量数据、对机读对象进行的扫描（如条形码）、车载资通系统、社交媒体的信息发布，大量的、动态的、细化的、关联的数据流由此形成。

2012年，沃尔玛每小时创造2.5千万亿字节数据，涉及逾100万笔客户交易。同年，脸书宣布每天处理25亿个页面（链接与评论）、27亿个点赞、3亿张上传的图片。与此同时，精细数据的收集场合与方法一直在更新。今年2月，脸书修改了提供给用户的性别设定，除了传统的男/女，还有56种新的非传统性别。

从输入信息中导出的持续不断的数据轨迹很快投入应用。地图上的数据流不但可以告诉你所在的位置，还能预判你的目的地。警方多了一个得力助手，在犯罪结论认定前，先通过数据对嫌疑对象的行为范式进行分析识别。“大数据是人”，这可以从两方面来理解：大数据由我们的点击、导航的偏好和行为所创造，也随之塑成了许多重大的社会政策。

有文化批评人士指出，大数据所带来的新式精神控制能够影响美国大选，也有人称其为贪婪的人类工程。哈佛商学院教授肖莎娜·祖波夫(Shoshana Zuboff)的观点是，行为数据的利用会导致一系列破坏性的后果，尤其是隐私、自治、道德理性等，负面效应可能要持续几十年。在她看来，这不过是一种新的充满恶意的资本主义。

目前针对“大数据”的定义给人的印象是缺乏主体性，没有起码的人的角度。一批从事技术研究的社会科学家发起倡议，要求研究方式从“以数据为主”转向“以人为本”，避免过分倚重数据导向的研究路径，没有给予“人”足够的重视，后者才是社会学研究的核心。这样的学术自觉起到了一定的作用，却也忽视了一个事实：信息追踪的数据本来就是由人构成的。

尽管打着未来主义的旗号，但是大数据以及数据导向的科学与社会科学的方法史产生了强烈的共鸣。20世纪，社会科学门类逐渐发展分化，社会学区别于人类学、社会心理学区别于经济学，各自形成专业、兴趣领域以及特有的工具。主流的、专业的社会科学富于各种技巧，比如数据析取、场景设置等。1924年至1926年，美国社会学伉俪林德夫妇（Robert and Helen Lynd）在印第安纳的曼西开展了“中镇研究”（Middletown study），他们采取了一种结合了人类学与社会学的方法，包括资料收集、访谈、参与观察、问卷调查以及其他形式。正如历史学家莎拉·艾格（Sarah E Igo）在《均标美国人》（The Averaged American）中写道：“任何细枝末节的事实都不会被错过，从七年级课本的内容到时下热门的电影，从在洗衣机上花费的时间到居民的庭院面积。”

1947年，心理学家罗杰·巴克（Roger Barker）在堪萨斯的奥斯卡卢萨创建了一间社会科学实验室，他和同事们定期收集关于“日常生活”的数据，包括一些并不引人注意的小事。其中有这么一条记录：“1949年4月26日，周二，上午7：01，七岁的雷蒙德摇摇晃晃地捡起一只袜子，慢慢吞吞地套进左脚时，妈妈来了句玩笑——你就不能把眼睛睁开吗？”诸如此类的琐碎内容构成了社会学研究的另一种资源，随着城市变迁、光阴流逝，这样的信息可以帮助我们重温当时的日常生活。开拓性的社会学研究除了小的个体，还关注大的群体。二战后，人类学家麦尔福·史拜罗（Melford Spiro）在西太平洋上的一座岛上给当地人提供心理测试，附近的环礁则进行着核试验。为了学术研究，史拜罗的数据挖掘面向全部人口。

到了20世纪后半叶，城市的定居者越来越习惯于在任何场合回答与自己有关的问题，著名的《金赛报告》（Kinsey Report）是在数以千计份的访谈样本基础上完成。哈佛商学院的研究团队曾在伊利诺伊的西塞罗找了一家工厂，发放了20000份调查问卷，试图弄清其他学者所提到的“难以捉摸的现象”。值得一提的是，受访对象已经开始基于自己的目的来参与这项调查，偶尔提出尖锐的问题、煽动不满情绪、调侃来访的社会学家。

距今不远的未来某一天，人们回看今日，会为我们的天真无邪感到不可思议——如此痴迷新技术，却没能发现行为数据资源的价值，轻而易举地将它们泄露出去。这是一种可能性。另一种可能的情形是，目前看来仍是新的数据采集概念遭到解构，也许是规模，也许是粒度，这种趋势其实很早就已经出现了。

白宫政府新近发布的一份关于大数据的报告称：“技术轨道显而易见，今后越来越多的个人数据将会产生，但与此同时，必然处于控制之下。”莱莫夫则重申了她的看法：数据的产生不只是与人有关，它同时也是由人所创造，这就是人的数据。