大数据到底会是谁的机会？

“大数据是机会，但只是少数人的机会，更多是巨头们的商业障眼法，比如 IBM 、Oracle、微软，他们提倡甚至夸大大数据的目的还是为了向你兜售他们的工具，兜售他们的解决方案，确切的说，从你身上赚钱。更有甚者，居然是向你兜售硬件，这不完全是扯淡么? 大硬件还差不多。”

—— fenng @ dbanotes

从2011年开始，英文IT界开始时不时的蹦出“Big Data”这一词汇；到了2012年，大数据成为了一发不可收拾的一个行业热门概念，仿佛出口不提大数据，都不好意思说自己是搞IT的。

究竟“大数据”和“数据”之间有啥区别，业界公认的定义分三方面：数据量(Volume)、处理速度(Velocity)以及数据种类(Variety)。不过说实在的，之前笔者跟IT界同行聊天时提到大数据，说这种量级的数据很久以前不就有了嘛，只不过是在研究所、气象局、金融中心、医药中心之类的地方，跑在昂贵的大型机和超级计算机上面，而现在则跑到了一批互联网公司们的廉价x86服务器集群上而已。从这个角度而言，大数据带来的变革有点类似于二十多年前的PC革命（其实更像是30多年前的小型机革命），并非前沿创新，而是从前沿到普及的过渡。

普及的范围有哪些？以下是维基百科上列出的一些例子：

网站日志，RFID，感应器网络，社交网络和社交数据，互联网上的文本和文档，互联网搜索索引，通话记录，天文，气象科学，基因学，生物化学、生物以及其他复杂的跨领域学科，军队，医疗，影像档案，视频档案，大型电子商务。

下面还给了一些具体的数字：

• 斯隆数字化巡天项目（SDSS），起始于2000年，启动后1周内收集的数据量超过了天文学历史上数据量的总和。其目前的收集速率在每晚200GB，总量超过140TB。而SDSS的后继者一旦启动，又能够在5天的时间内收集SDSS总量的这个量级。
• 大型粒子对撞机（LHC）的四个感应器在2010年内制造了13PB的数据。
• 沃尔玛平均每小时处理一百万个用户交易，相应的数据库量级已经超过2.5PB。
• Facebook的数据库里储存了超过400亿张照片。（平均4张照片1MB，总量100PB。来源）

这个对比很有意思：沃尔玛的数据比SDSS高一个量级，LHC的数据比沃尔玛的数据量高一个量级，而Facebook的数据则比LHC还高一个量级！

笔者在2005年左右的时候看到过一张图，因为很喜爱其中的含义，所以用在了自己的签名上：

498)this.width=498;'' onmousewheel = ''javascript:return big(this)'' src="/uploadfile/201301/12/1212176226.gif" width="490" border="0" height="260" alt="" />

但是前两天忽然发现，这张图里的Internet被23,993,564,998 MB的数据代表，换算过来只不过23PB，还不到一个Facebook的数据量！整个网络的数据积累速度之快，对于从上个世纪成长起来的人们而言实在是非常震惊。

接下来的问题就是，究竟谁会对这些数据感兴趣？

广告主

“我的广告费有一半被浪费了，但问题是我不知道是哪一半。”

—— 现代广告业之父 John Wanamaker

广告、市场营销涉及的范围很广，底层平台有网络媒体、社交网络、纸媒、电视、公交站旁的牌子、电梯口墙上的屏幕、学校食堂的桌子等等；中间层有广告投放系统、数据分析服务、做报告的；转化层有电子商务和实体店。

“今天我们放一个路牌广告，我可以告诉你西单路口一天两千万人可以看得到，这个数据是什么呢？真的是有一个人站在那去数这个事情吗？其实都不是。”

笔者前日拜访国双科技，其高级副总裁续扬先生这样描述起广告行业的万年问题——被浪费掉的一半。接下来，续扬先生开始感叹互联网带来的变革：

“互联网的出现，使在线的数据全部被采集成为了可能。”

也就是说，要了解用户的互联网行为，调查问卷、采样