“人的一生就是一堆数据，数据太重要了，只要数据在，人死了还可以让别人觉得他还活着。”

坐在帝国理工学院数据科学研究所里，听到研究所所长郭毅可淡然地说出这句话时，毛骨悚然了一下，窗外来来往往的人仿佛变成了一堆堆行走的数据。

进入大数据的正题之前，我们来看几个例子。

据2011年英国人口普查的数据统计，伦敦有约978万人口，其中白种人占到总人口的59.8%，亚裔占18.4%，黑种人占13.3%，混血占5%，阿拉伯裔占1.3%。而在伦敦978万人口当中，仅有约518万人在英国出生，这意味着近一半的伦敦人口为外来人口。更令人惊讶的是，这其中，印度、波兰、爱尔兰、奈及利亚、巴基斯坦以及孟加拉占据了人口来源数量国的前六名，如果不是看到摆在面前的精确数据，很难想得到。

看，在认清世界方面，数据很重要。

那什么是大数据？

前两年，一份由百度知道统计出来的《中国十大“吃货”省市排行榜》在网上热炒，“吃货省”广东夺冠。数据显示，在百度知道问答平台上，跟吃有关的问题有7700万条，占到2.3亿已解决问题中的三分之一。

在“网友们最想问”的问题中，“孕妇不能吃哪些食物”和“吃什么水果减肥最快”均有30万左右的人在提问；一个很萌的问题：“昨天晚上还活着的螃蟹死了，还能吃吗？”吸引了6万多网友的回复，回答人数最多。历史浏览量最高的是“看电影吃爆米花的习惯是从何时形成的”这样的冷知识，有863万网友关注。更加有趣的是，宁夏的网友最关注的是“螃蟹能吃么”，内蒙古、新疆和西藏的网友关注的是“蘑菇能吃么”，但是，吃货大省例如广东、浙江等地的网友关注的是“xx虫能吃吗？”正如广东网友“食面”评论：“看关注点就知道广东第一当之无愧。”

百度做的这件看似只是调解生活乐趣的小事情，就是大数据的一个典型应用。在百度知道7700万个有关“吃”的问题当中，涉及到的不仅仅是简单的单一类的数据，而是包括了食物的做法、吃法、成分、价格、营养价值和地域等等，可以说，这些原始的数据相当“乱七八糟”。但恰恰是这些杂乱的数据，经过挖掘、加工和整理分析，得到了有意义的统计规律，例如不同地区的饮食偏好等。

大数据有多大？拿维基百科上的例子来说，CERN做的LHC（大型强子对撞机）周长27公里，里面一共有1.5亿个传感器，每秒钟读数达四千万次。每秒钟发生的粒子对撞高达6亿次。剔除99.999%的无用数据，每秒钟也有100次碰撞需要记录。如果在这些数据里面仅仅使用十万分之一，那么一年也要积累25 petabytes的数据，相当于25000个1TB的硬盘。

不够直观？那么再举一个例子，一个人完整的基因数据就是非常大的。据华大基因创始人杨焕明院士介绍，这个数据量大得超出常人想象，在 PB(1015 字节，即一百万个 GB)这个数量级。如果仅仅从数据量的大小来看，这一个人的数据可能已经超过百度知道的数据量了。

大数据因为大，不仅远远超过人工的处理能力，也远远超过普通台式机的处理能力。只有特定的算法和特别设计的硬件架构才能够有效的处理大数据。上个月习近平携夫人对英国进行国事访问，郭毅可向习近平夫妇展示了大数据的研究成果：“我给习主席展示了三个不同项目，一是一带一路政策对邻国巴基斯坦会产生怎样的影响；二是上海地铁的人流分布和应急办法，比如静安寺地铁站封站，上海地铁的人流将往哪儿走；还有就是中国人口迁移的情况和个性化医疗的推广。” 在帝国理工的数据研究所，《华闻周刊》记者也有幸见到了这个“世界之最”——全球最大的数据可视化设施“全球数据观察站”。由64块电脑屏幕拼接而成的超级大屏幕是普通电影屏幕的两倍还大，在其背后，是37台电脑并行运算，将中国人口迁移趋势一一动态展现，随意操控下，小到一省、一市的流入人口人均收入、平均年龄、受教育状况等纤毫毕现。站在屏幕的中央，感受着数据在眼前变成触手可及的图像，如同站在浩瀚银河系感受时空交错间群星熠熠一般震撼。

“这种数据可视化技术，是进行大数据研究重要工具之一。”郭毅可介绍，数据可视化是研究如何将数据以形象化的方式展现出来的一门科学。它主要专注于分析，以连贯和简短的形式把大量的信息展现出来，而抽取何种数据进行形象化的抽象，本身就蕴含了对数据如何应用的科学思维。 他说，“这跟如今常见的大型显示屏可不一样，几十个电脑屏幕组成的动态数据图像如何准确衔接、其背后蕴含的是并行运算、多项目管理、编程，以及对数据的深刻理解。”

令郭毅可印象深刻的是，11年前，他曾经作为学术代表，参加了温家宝总理访英期间的座谈会，并提出建议：更好地将“中国制造”转变为“中国创造”，中国研究力量应该走出国门，走向全球，搞跨国实验室。如今，仅在数据科学研究所内，就有浙江大学、华为，以及建设银行等机构来此合作开设的3个联合实验室，一系列跨国合作的大数据研究，正在这里紧张进行。

去年9月，与浙江大学的“应用数据科学联合实验室”在帝国理工数据研究中心内挂牌。两校学者将在实验室共同开展大数据技术在能源、医疗保健以及生命科学等领域的应用研究。目前浙大已向实验室派出多个优秀科研团队，包括数学系的“城市污染的大数据建模、仿真及控制”项目和计算机系的“数字图书馆中海量资源的知识抽取和重组”项目等。

在问起大数据将从哪些方面改变人类生活时，郭毅可抚掌大笑，“你应该问，今后哪些方面会不被大数据改变。要我说，今后人类的生活没有一个方面不受大数据的影响。”

他向记者展示了“大数据在医疗方面也大有可为”的例子：对人的基因组进行分析，对未来的疾病进行预测，从某种程度上这也意味着基因治疗将成为可能。

2006年谷歌创始人谢尔盖·布林的妻子安妮·沃西基（Anne Wojcicki）在硅谷创立23andMe，专门从事基因测序，只需100美元，不管你住在世界的哪个角落，只需要吐一口唾沫或拔一根头发，邮寄到23andMe位于加利福尼亚州山景城的实验室里，两周后你就可以从他们网站上查询你的“身体秘密”。23andMe公司宣布，通过全基因组上超过100万个位点的基因信息分析，他们可以对259种疾病提出患病率的预测和祖先遗传分析，从而提前干预。仅仅在10年前，这项技术却需要耗费惊人的27亿美元，再加上数百科学家13年的时间。不久的将来，诸如23andMe这样的基因技术公司会越来越多，由此给制药业带来的影响将显而易见，有望实现真正的个性化诊断。

随着大数据计算的发展，中国也出现了一些试图复制23andMe模式的公司，比如创立于2008年的iDNA，还有近几年流行起来的华大基因、贝瑞和康。但他们都更注重线下的推广和销售，比如和一些医院，以及高端体检中心合作。除此之外，飞利浦现在正在研发的“个人健康管理系统”（Personal Health Management），它可以成为医疗系统管理慢性病患者的基础工具。该系统拥有供医务人员和病人使用的两个客户端，相互之间可以进行实时沟通，从而帮助医务人员更高效地管理病人，并使病人能在任何时间、任何地点获得健康服务。

而除了医疗领域，大数据对企业也将带来质的影响。2014年，美国互联网创业企业VC融资比2013年上涨了67%，累计达到196亿美元。大数据领域的迅速扩张最为明显，商务智能、数据分析和绩效管理是主要的细分行业，融资20亿美元，占总量的10%。畅销书《大数据时代》作者维克托 迈尔 舍恩伯格认为，大量的数据分析能够让传统行业更好地了解客户需求，提供个性化的服务。在“大数据”之前，企业得到的都是分散性的信息，因此在制定策略时做的都是短期行为。“大数据”则给出了一个结构性的信息，帮助企业做长期性的决策。

维克托在福布斯论坛上以美国零售公司Target为例，他们已经有大数据分析：有一天，客服人员接到一位非常生气的客户来电，这个客户说公司送给她17岁的女儿一个折扣券，而用于购买尿布或者避孕药，这位客户说：“我17岁的女儿根本不需要，你们要向我道歉。” 几天以后，客户又打来电话道歉，说你说的很准，我的女儿真的怀孕了。怀孕的女性会改变自己的生活习惯，有时候我们不知道她们已经怀孕，Target却先知道了。

基于大数据分析的结果，进行资源优化配置，才是大数据应用的落地点和真正价值。

临离开前，在帝国理工数据科学研究所的大屏幕上，郭毅可向《华闻周刊》展示了他最近的项目：以数据可视化的技术将整个宇宙呈现在眼前，墨玉一样的屏幕缓缓亮起了璀璨星河，十分震撼。当记者问起为什么做这个项目时，郭毅可盯着屏幕上的星系：“不为什么，就是探索。”

本文出自《华闻周刊》第200期精装杂志，订阅杂志