我理解的大数据，以高一个维度的视角毫不讲道理的直捣黄龙

编者按：本文来自道哥的黑板报，微信ID：taosay，原文是分为两天撰写完成的，为了大家的阅读方面，我们一次性整合在一篇文章了，推荐大家关注作者的微信号。

（一）

很久前就想写一篇关于大数据的文章，但总是因为觉得自己功力不够所以迟迟不敢动笔。再到后来发现大数据的概念已经烂大街了，现在只要是个做产品的，收了点用户数据，就敢把自己叫大数据，似乎不这么说的产品都是非主流了。

我也不想老生常谈的讲数据到底要多大才能称得上大数据，因为这似乎只是一个相对的值。我也不想讲大数据应该搞多么牛B和复杂的算法，因为似乎一二十年前大学计算机课本里的《机器学习》就一直在讲这些东西，很久前互联网上就在用贝叶斯算法过滤垃圾邮件了，今天看起来也没有什么本质的改进。

后来我琢磨了很久，发现大家讲的大数据其实没有什么特别的，就是数据特别多，再加上点算法分析，就能叫自己大数据了。每当这种时候我就会怀疑是不是自己出了问题，因为别人都讲的挺来劲的啊？

但真要说有什么特别的，我觉得还是有的，只是不知道其他人的想法是否和我一样。我认为的大数据，是一种思想的改变，是一种不一样的观察这个世界的角度。因为数据化让我们看到了事物的整体，所以我们看问题也从局部变成全局了，这会让我们面对同样的问题时，比过去要高效很多。

举个简单的例子，围棋这个游戏，是典型的「a minute to learn，a lifetime to master」。初学者和职业棋手之间的差距，不仅在于天赋和经验。对于围棋的初学者来说，熟悉规则后，下棋的过程是跟着感觉，爱怎么走就怎么走。但是真正的职业棋手不是这么下的，他们每天都会做大量的死活题，在他们的脑海里，因为记忆了几万道死活棋型，以及很多定式和手筋，所以面对初学者时，基本上能够做到出现什么局面，都有对应的一种应对方法。

职业棋手已经可以做到部分穷举棋盘上的变化，所以面对初学者时，就像一个高维度的智慧体面对低维度的智慧体一样轻松。这种对棋盘变化的穷举和记忆，我认为就是大数据。

同样的，在电影「中国合伙人」里有这么一个片段：新梦想（新东方原型）面对美国人的起诉，美国人认为中国学生作弊了，他们不可能考出那么高的分。此时成东青（俞敏洪原型）拿起了一本书，让对方随意翻到某一页，他就能把那页的内容背诵出来 — 这是在来时的飞机上闲的蛋疼就把那本书给背了 — 美国人都看傻了。美国人可能永远都无法想中国学生在面对GRE考试时居然会采用背字典这样的笨办法。

像这种背字典、大量题海战术的方式，我认为也是大数据。这样的方式背后的付出是艰辛的，数据量和「计算量」都很大，不会背字典和题库的美国学生当然会考不过中国学生了。

所以，我认为大数据最终带给我们的，是一种全新的思考方式。一方面我们看问题的角度从局部扩展到了整体，今天的计算能力已经足够支撑我们去看到事物的全部；另一方面，我们又可以根据这种思路，去创造和收集过去被我们忽视的数据。

大数据，不仅仅是大而已。

（二）

昨天偷懒了少了一次文字排版，没想到好多朋友发消息来说字体变小了不习惯，看来坚持大一点的字体还是有好处的。

虽然很想保持高频率更新，但没想到回阿里后工作竟然比创业时还忙。经常回家得比较晚，再加上每天脑力使用过度，所以竟是硬生生的断更了两周。在接下来我想如果可能的话，把更新的时间调整到周日的晚上，周末可能会稍微空闲点。

在此也再征集一下大家想看的话题，可以向我提问，我会选取部分作为接下来文章的选题。

延伸一下昨天关于大数据的话题。在安全行业里未来真正会具备核心竞争力的，我认为正是这样的全局视角带来的改变。

比如近年来兴起的「撞库」攻击。因为各大公司用户数据的泄露，黑客手上已经拥有了数十亿条用户数据，其中20%包含了明文密码。在过去黑客想破解一个用户的密码，可能会通过字符的排列组合生成一部字典，逐个尝试，这样破解的效率无疑是相当低的。但现在因为有了全网用户的「密码库」，只需要简单的查询用户名，多半就能知道密码是什么，简单粗暴。

大数据就应该这么简单粗暴的应用，以一种完全不讲道理的方式直接达到效果，根本不需要什么精巧的算法，就像「把大象装进冰箱」里一样。

类似的，国外一家安全公司Akamai宣称他们能非常有效的阻断DDoS攻击，原因是他们通过和运营商合作的方式获取了全球30%左右的流量，从而能有效的监控到全球所有的恶意IP，发现有攻击过来，直接根据IP信息就阻断了。这也是大数据的一种典型应用。

再举一个例子，数据可能来自于过去没有注意到的地方。对于电话诈骗的传统解决思路，一般是从用户的来电号码着手，或者是从周边信息比如短信、传播来源入手。这些传统方法已经逐渐的变得效率低下。但目前有一种解决思路是根据用户的「声纹」信息进行有效识别，这样只要积累了一个用户的「声纹信息库」，就能够在每个用户通话时，直接识别出被标记为诈骗的那个用户。

所谓「声纹」就像是指纹信息一样，每个人说话的声音其实都是独一无二的，通过数字化的方法能够有效的识别出来。目前国外一些安全公司会把这种技术用在Call Center中进行反欺诈。但声纹信息和指纹信息一样，会成为国家安全基础设施的一部分。比如国外的一些机构，一旦掌握了所有中国人，包括政府领导人的指纹信息，会酿成什么后果很难想象。这也是为什么中国政府的工作人员会禁用苹果手机的原因，至少苹果收集用户的指纹信息会威胁到国家安全。

所以，我理解的大数据，和各种复杂的算法没有直接关系，那最多只是锦上添花。我理解的大数据，就是这么简单粗暴，以高一个维度的视角毫不讲道理的直捣黄龙。

两点之间什么最短？在二维空间是直线最短。但到了三维空间，两点之间距离可以为零（虫洞），比如把一张纸上的两点对折后贴起来。

原文链接>>>