美國著名科技歷史學家梅爾文?克蘭茲伯格（Melvin Kranzberg），曾提出過大名鼎鼎的科技六定律，其中第三條定律是這樣的[1]：“技術是總是配“套”而來的，但這個“套”有大有小（Technology comes in packages, big and small）”。

　　這個定律用在當下，是非常應景的。因為，我們正步入一個“大數據（big data）”時代，但對于以往的“小數據（small data）”，我們能做到“事了拂衣去，深藏身與名”嗎？答案顯然不是。目前，大數據的前途似乎“星光燦爛”，但小數據的價值依然“風采無限”。克蘭茲伯格的第三定律是告訴我們，新技術和老技術的自我革新演變，是交織在一起的。大數據和小數據，他們“配套而來”，共同勾畫數據技術（Data Technology，DT）時代的未來。

　　對大數據的“溢美之詞”，已被舍恩伯格教授、涂子沛先生等先行者及其追隨者夸得泛濫成災。但正如您所知，任何事情都有兩面性。在眾人都贊大數據很好的時候，我們也需說道說道大數據可能面臨的陷阱，只是為了讓大數據能走得更穩。當在大數據的光暈下，漸行漸遠漸無小數據時，我們也聊聊小數據之美，為的是“大小并行，不可偏廢”。大有大的好，小有小的妙，如同一桌菜，哪道才是你的愛？思量三番再下筷。

　　下文部分就是供讀者“思量”的材料，主要分為4個部分：（1）哪個V才是大數據最重要的特征？在這一部分里，我們聊聊大數據的4V特征中，哪個V才是大數據最貼切的特征，這是整個文章的行文基礎。（2）大數據的力量與陷阱。在這一部分，我們聊聊大數據整體的力量之美及可能面臨的3個陷阱。（3）今日王謝堂前燕，暫未飛入百姓家，在這一部分，我們要說明，大數據雖然很火，但我們用數據發聲，用事實說話，大數據真的沒有那么普及，小數據目前還是主流。（4）你若安好，便是晴天。在這一部分，我們說說的小數據之美，如果用“n=all”來代表大數據，那么就可以用“n=me”來說明小數據（這里n表示數據大小），我們將會看到，小數據更是關系到我們的切身利益。

　　1.哪個V才是大數據最重要的特征？

　　在談及大數據時，人們通常用4V來描述其特征，即4個以V為首字母的英文：Volume（大量）、Variety（多樣）、Velocity（速快）及Value（價值）。如果 “閑來無事”，我們非要對這4個V在“兵器譜”上排排名，哪個才是大數據的貼切的特征呢？下面我們簡要地說道說道，力圖說出點新意，分析的結果或許會出乎您的意料之外。

　　1.1 “大”有不同——Volume（大量）

　　首先我們來說說大數據的第一個V——Volume（大量）。雖然數據規模巨大且持續保持高速增長，通常作為大數據的第一個特征。但事實上，早在20年前，在當時的IT環境下，天文、氣象、高能物理、基因工程等領域的科研數據量，已是這些領域無法承受的“體積”之痛，當時實時計算的難度不比現在小，因為那時的存儲計算能力差，亦沒有成熟的云計算架構和充分的計算資源。

　　況且，“大”本身就是一個相對的概念，數據的大與小，通常都打著很強的時代烙印。為了說明這個觀點，讓我們先回顧一下比爾?蓋茨的經典“錯誤”預測。

圖1 比爾▪蓋茨于1981年對內存大小的預測

　　早在1981年，作為當時的IT精英，比爾?蓋茨曾預測說，“640KB的內存對每個人都應該足夠了（640KB ought to be enough for anybody）”。但30多年后的今天，很多人都會笑話蓋茨，這么聰明的人，怎么會預測地如此不靠譜，現在隨便一個智能手機（或筆記本電腦）的內存的大小都是4GB、8GB的。

　　但是，需要注意的事實是，在1981年，當時的個人計算機（PC）是基于英特爾CPU 8088芯片的，這種CPU是基于8/16位（bit）混合構架的處理器，因此，640KB已經是這類CPU所能支持的尋址空間的理論極限（64KB）的 10倍[2]，換句話說，640K在當時是非常非常地龐大了！再回到現在，當前PC機的CPU基本都是64bit的，其理論支持的尋址空間是2^64，而現在的4G內存，僅僅是理論極限的(2^32)/(2^64)= 1/(2^32)而！。

　　在這里，講這個小故事的原因在于，衡量數據大小，不能脫離時代背景，不能脫離行業特征。此外，大數據布道者舍恩伯格教授在其著作《大數據時代》中指出[3]，大數據在某種程度上，可理解為“全數據（即n=all）”。有時,一個所謂的“全”數據庫，并不需要有以TB/PB計的數據。在有些案例中，某個“全”數據庫大小，可能還不如一張普通的僅有幾個兆字節（MB）數碼照片大，但相對于以前的“部分”數據，這個只有幾個兆字節（MB）大小的“全”數據，就是大數據。故此，大數據之“大”，取義為相對意義，而非絕對意義。

　　這樣看來，互聯網巨頭的PB級數據，可算是大數據，幾個MB的全數據也可算是大數據，如此一來，大數據之“大”——“大”有不同，可大可小，如此不“靠譜”，反而不能算作大數據最貼切的特征。

　　1.2 數據共征——“Velocity（快速）”與“Value（價值）”

　　英特爾中國研究院院長吳甘沙先生曾指出，大數據的特征“Velocity（快速）”，猶如“天下武功，唯快不破”一樣，要講究個“快”字。為什么要“快”？因為時間就是金錢。如果說價值是分子，那么時間就是分母，分母越小，單位價值就越大。面臨同樣大的數據“礦山”，“挖礦”效率是競爭優勢。

　　不過，青年學者周濤教授卻認為[4]，1秒鐘算出來根本就不是大數據的特征，因為“算得越快越好”，是人類自打有計算這件事情以來，就沒有變化過，而現在，卻把它作為一個新時代的主要特征，完全是無稽之談。筆者也更傾向于這個說法，把一個計算上的“通識”要求，算作一個新生事物的特征，確實欠妥。

　　類似不妥的還有大數據的另外一個特征——Value（價值）。事實上，“數據即價值”的價值觀古來有之。例如，在《孫子兵法?始計篇》中，早就有這樣的論斷“多算勝，少算不勝，而況于無算乎？”此處 “算”，乃算籌也，也就是計數用的籌碼，它講得就是，如何利用數字，來估計各種因素，從而做出決策。

　　在馬陵之戰中，孫臏通過編造“齊軍入魏地為十萬灶，明日為五萬灶，又明日為三萬灶（史記·孫子吳起列傳）”的數據，利用龐涓的數據分析習慣，反其道而用之，對龐涓實施誘殺。

　　話說還有一個關于林彪將軍的段子（真假不可考），在遼沈戰役中，林大將軍通過分析繳獲的短槍與長槍比例、繳獲和擊毀小車與大車比例，以及俘虜和擊斃的軍官與士兵的比例“異常”，因此得出結論，敵人的指揮所就在附近！果不其然，通過追擊從胡家窩棚逃走的那部分敵人，活捉國民黨主帥新六軍軍長廖耀湘。

　　在戰場上，數據的價值——就是輔助決策來獲勝。還有一點值得注意的是，在上面的案例中，戰場上的數據，神機妙算的軍師們，都能“掐指一算”——這顯然屬于十足的小數據！但網上卻流傳有很多諸如“林彪也玩大數據”、“跟著林彪學習大數據”等類似的文章，這就純屬扯淡了。如果凡是有點數據分析思維的案例，都歸屬于大數據的話，那大數據的案例，古往今來，可真是數不勝數了。

　　因此，Value（價值）實在不能算是大數據專享的特征，“小數據”也是有價值的。在下文第4節的分析中，我們可以看到，小數據對個人而言，“價值”更是不容小覷。這樣一來，如果大、小數據都有價值，何以“價值”成為大數據的特征呢？事實上，睿智的IBM，在對大數據的特征概括中，壓根就沒有“Value”這個V（如圖2所示）。

　　圖2 IBM公司給出的大數據3V特征

　　我們知道，所謂“特征”者，乃事物異于它物之特點”。打個比方，如果我們說“有鼻子有眼是男人的特征”，您可能就會覺得不妥：“難道女人就沒有鼻子沒有眼睛嗎？”是的，“有鼻子有眼”是男人和女人的“共征”，而非“特征”。同樣的道理，Velocity 和Value這兩個V字頭詞匯，是大、小數據都能有的“共征”， 實在也不算不上是大數據最貼切的特征。

　　1.3五彩繽“紛”——Variety（多樣）

　　通常認為，大數據的多樣性（Variety），是指數據種類多樣。其最簡單的種類劃分，莫過于分為兩大類：結構化的數據和非結構化數據，現在“非結構化數據”占到整個數據比例的70%~80%。早期的非結構化數據，在企業數據的語境里，可以包括諸如電子郵件、文檔、健康、醫療記錄等非結構化文本。隨著互聯網和物聯網（Internet of things，IoT）的快速發展，現在的非結構化數據又擴展到諸如網頁、社交媒體、音頻、視頻、圖片、感知數據等，這詮釋了數據的形式多樣性。

　　但倘若深究下去，就會發現，“非結構化”未必就是個成立的概念。在信息中，“結構化”是永存的。而所謂的“非結構化”，不過是某些結構尚未被人清晰的描述出來而已。美國IT咨詢公司Alta Plana的高級數據分析師Seth Grimes曾在IT領域著名刊物《信息周刊》（Information Week）撰文指出：不存在所謂的非結構化，現在所說的“非結構化”，應該是非模型化（unmodeled），結構本在，只是人們處理數據的功力未到，未建模而已（Most unstructured data is merely unmodeled）[5]（如圖3所示）。

圖3 Seth Grimes：非結構化乎，不！應是非建模

　　大數據的多樣性（Variety），還體現在數據質量的參差不齊上。換句話說，這個語境下的多樣性就是混雜性（Messy），即數據里混有雜質（或稱噪音）。大數據的混雜性，基本上是不可避免的，既可能是數據產生者在產生數據過程出現了問題，也可能是采集或存儲過程存在問題。如果這些數據噪音是偶然的，那么在大數據中，它一定會被更多的正確數據淹沒掉，這樣就使得大數據具備一定的容錯性；如果噪音存在規律性，那么在具備足夠多的數據后，就有機會發現這個規律，從而可有規律的“清洗數據”，把噪音過濾掉。吳甘沙先生認為[15]，多元抑制的數據，能夠過濾噪聲、去偽存真，即為辯訛。更多有關混雜性的精彩描述，讀者還可批判性地參閱舍恩伯格教授的大著《大數據時代》[3]。

　　事實上，大數據的多樣性（Variety），最重要的一面，還是表現在數據的來源多和用途多上。每一種數據來源，都有其一定的片面性和局限性，只有融合、集成多方面的數據，才能反映事物的全貌。事物的本質和規律隱藏在各種原始數據的相互關聯之中。對同一個問題，不同的數據能提供互補信息，可對問題有更為深入的理解。因此在大數據分析中，匯集盡量多種來源的數據是關鍵。中國工程院李國杰院士認為[6]，這非常類似于錢學森老先生提出的“大成智慧學”，“必集大成，才能得智慧”。

　　著名歷史學家許倬云先生，站在歷史的高度，也給出了自己的觀點，他說“大數據”之所以能稱之為“大數據”，就在于，其將各種分散的數據，彼此聯系，由點而線，由線而面，由面而層次，以瞻見更完整的覆蓋面，也更清楚地理解事物的本質和未來取向。

　　英國數學家及人類學家托馬斯·克倫普（Thomas Crump）在其著作《數字人類學》The（Anthropology of Numbers）指出[7]，數據的本質是人，分析數據就是在分析人類族群自身，數據背后一定要還原為人。東南大學知名哲學教授呂乃基先生認為[8]，雖然每個數據來源因其單項而顯得模糊，然而由“無限的模糊”所帶來的聚焦成像，會比“有限的精確”更準確。“人是社會關系的總和（馬克思語）”。 大數據利用自己的“多樣性”，比以往任何時候都趨于揭示這樣的“總和”。

　　因此，李國杰院士認為[6]，數據的開放共享，提供了多種來源的數據融合機會，它不是錦上添花的事，而是決定大數據成敗的必要前提。

　　從上分析可見，雖然大數據有很多特征（甚至有人整出個11個V來），但大數據的多樣性（Variety），無疑它是區分以往小數據的最重要特征。