有关商家和平台利用大数据*熟（指商家对新老客户、不同地区的客户，实行不同的价格，或者利用掌握的大数据，采用十分复杂的计算方法，对消费者进行价格歧视）的消息屡有发生，而更多与大数据有关的新闻也不断挑动着人们的神经，让大家觉得自己在大数据面前似乎“无所遁形“。
对于普通人而言，大数据是一个近在眼前，却又不甚了解的事物。大数据究竟是什么？它和我们熟知的数字、数学又有着什么样的联系？大数据究竟给我们的生活带来了哪些改变？作为中国大数据倡始之人，大数据专家涂子沛通过回溯数的发展、数据在中外历史重大事件的全方位应用，清晰、直观地解释了与大数据有关的知识。以下内容节选自《给孩子讲大数据》，已获得出版社授权刊发。
《给孩子讲大数据》，涂子沛著，童趣出版有限公司编，人民邮电出版社2020年7月版。
作者丨涂子沛
摘编丨安也
大数据的出现，让统计科学和数据科学重新洗牌
这是一个关于零售帝国沃尔玛的故事。
沃尔玛，全世界最大的零售商，拥有11000多家分店、200多万名雇员。它的销售收入在2018年突破了5000亿美元，超过了很多国家的GDP（国内生产总值）。
沃尔玛的数据库是世界上最庞大的商业数据库之一。沃尔玛也是最早一批大规模使用数据挖掘技术的企业之一。它的首席信息官叫罗林·福特，数据分析是他的核心工作。罗林曾经感叹：“每天早上一醒来，我就要问自己，怎么才能让数据流动得更好、管理得更好、分析得更好？”
在一次例行的数据分析之后，研究人员突然发现：跟尿布一起搭配卖得最多的商品竟然有啤酒！尿布和啤酒，听起来风马牛不相及啊！任何一个人都很难将两者联系在一起，但这却是对历史数据进行挖掘的结果，反映的是数据层面的规律。这实在令人费解，这是一个真正的规律吗？答案，还是在数据里。
经过跟踪调查，研究人员终于发现事出有因：一些年轻的爸爸经常要到超市购买婴儿尿布，有30％~40％的“奶爸”会顺便买点儿啤酒犒劳自己。再有想象力的人恐怕也很难想到，事实的真相居然是这个样子的。沃尔玛随即对尿布和啤酒进行了捆绑销售。果然，销量双双增长。这是数据科学应用的经典案例。
电影《白金数据》（2013）剧照。
沃尔玛到底是怎样发现这个规律的呢？这就要进入数据科学的核心：数据挖掘。数据挖掘，是指通过特定的算法对大量的数据进行分析，在大量的数据当中发现新知识，供人参考。之所以称之为“挖掘”，是比喻在海量数据中寻找知识，就像开矿凿金一样困难。你可以这样理解，数据挖掘是一台由算法控制的挖掘机，而数据库就像是一座矿山。
1989年之前，数据挖掘不叫数据挖掘，而是叫一个很长的名字：基于数据库的知识发现。作为挖掘基础的数据库也不是和计算机同步产生的，它是在计算机出现之后，慢慢从软件当中成长、独立出来的。
1948年，杜鲁门和杜威竞选美国总统，盖洛普通过抽样调查预测杜威将会当选。新闻界对这个预测深信不疑，《纽约时报》等报纸提前一天印好了杜威当选美国总统的版面，准备抢占先机。结果却令所有的人都大跌眼镜，最后当选的是杜鲁门！那些印有杜威当选消息的报纸只好全部销毁。
盖洛普失败的原因就在于，抽样调查需要经过问卷设计、信息收集、数据分析等多个步骤，这导致它掌握的数据有滞后性，而真实的情况是瞬息万变的。在竞选结果出来前的最后的两周里，盖洛普不得不停止调查，而杜鲁门却恰恰在这最后的关头扭转了战局。
在大数据时代，对总统竞选的预测出现了新的方法：在投票的前后，对社交媒体上的数据进行观点的挖掘，可以较为准确地预测出谁能当选。2008年和2012年两届美国总统选举，都有人通过挖掘推特、脸书上的数据，准确预测出了结果。
这种对互联网数据的挖掘不需要设计问卷，也不需要挨个儿调查，成本很低；这样的数据分析，一个人就可以完成，而不像问卷那样要出动大量的人马；更重要的是，这种分析是实时的，没有滞后性。
所以，有越来越多的科学家相信，因为大数据的出现，统计科学和数据科学将重新洗牌，进入一个新的时代。在这个新的时代，数据挖掘将成为越来越重要的分析预测工具；抽样技术的重要性将下降，这种技术将成为辅助工具。虽然数据挖掘如日中天，但也有抢风头的，这就是机器学习。打遍天下无敌手的国际象棋机器人“深蓝”，还有把众多围棋名将下得没有脾气的机器人阿尔法狗（AlphaGo），用的都是机器学习技术。
电影《白金数据》（2013）剧照。
机器学习凭借的也是计算机算法。和数据挖掘不同的是，其算法并不是固定的，它能够随着计算、挖掘次数的增多，自动调整算法的参数，使挖掘和预测的结果更为准确。
大数据刺激了数据可视化专业市场的形成
1855年，克里米亚战争爆发了。这场战争导致50多万人死亡，异常惨烈。作为交战一方的英国当然是伤亡惨重。
弗罗伦斯·南丁格尔（1820—1910）是英国的一名战地护士，也是一名自学成才的统计学家。她在考察了英国士兵的伤亡情况之后，发现由于医疗卫生条件恶劣而导致的死亡人数，大大超出了在前线直接阵亡的人数。
南丁格尔将她的统计结果制成了一张图表。图表清晰地反映了“战斗死亡”和“非战斗死亡”两种情况下死亡人数的悬殊对比。强烈的视觉效果引发了英国整个社会的激烈讨论，促成了英国政府出台成立*医院的决策。由此，人类历史上第一所正式的*医院建立起来了。
南丁格尔后来被誉为现代护理学之母。她的这张图表更是历史上第一份“极区图”，也是统计学家对利用图形来展示数据进行的早期探索。
一张图表改变了一个制度，这并不夸张。人类天生就是感性的生物，视觉冲击对人的震撼要远远强过单纯的联想。
南丁格尔的这种做法被称为数据可视化。它是指以图形、图像、地图、动画等更为生动和易于理解的方式，展现数据的大小，诠释数据之间的关系和发展的趋势，以更好地理解并使用数据分析的结果。
南丁格尔的事例充分地证明了数据可视化的价值，特别是在公共领域的价值。生理学也证明，人的大脑皮层当中，有40%是视觉反应区，人类的神经系统天生就对图像化的信息最为敏感。通过图像，信息的表达和传递将更加直观、快捷、有效。而且，人的创造力不仅仅取决于逻辑思维，还取决于形象思维。数据可视化的技术，可以通过图像进一步激发人的形象思维和空间想象能力，吸引、帮助用户洞察数据之间隐藏的关系和规律。
20世纪70年代，由于计算机技术的兴起，一批有远见卓识的学者看到了这个领域巨大的潜力。有人认为：“未来的计算机不仅要能计算，还要能将计算结果转变为直观的图形。我们应该研究这两种结果，因为每一种都有助于我们理解问题。”
1983年，耶鲁大学的教授爱德华·塔夫特成了数据可视化这门学科的掌门人。塔夫特系统考证了人类用“图形”表达“数据”和“思想”的渊源，整理了历史古籍中的图形瑰宝，并结合计算机的发展给统计领域带来的革命，出版了《定量信息的视觉展示》一书。这本书后来被公认为是“数据可视化”作为一门学科的开山之作。
塔夫特强调，数据可视化的关键在于“设计”，“信息过载这回事并不存在，问题出在糟糕的设计，如果你用来表达数据的图形让人感觉杂乱不解，那就要修改你的设计”。美国总统每年公布政府预算都是美国的一件大事。在塔夫特的领导下，美国白宫曾经用一张图对奥巴马公布的年度预算进行了可视化处理。如下图，图形以线条的粗细表明各项收支金额的大小，左边是收，右边是支，中间的红色部分是赤字缺口，形象贴切。奥巴马收了多少钱，要办哪些事，各项收入和支出一目了然。
奥巴马在2010年预算开支的可视化展示。（数据来源：《华盛顿邮报》，2010年2月1日）
进入21世纪之后，大数据的爆炸使人们更加需要展示数据、理解数据、演绎数据的工具。这种需求，刺激了数据可视化专业市场的形成，其产品迅速增多，可谓绚丽多彩、百花齐放。从最早的点线图、直方图、饼图、网状图等简单图形，发展到以监控商务绩效为主的仪表盘、记分板，再到交互式的三维地图、动态模拟、动画技术等。
作为一个新兴的行业，数据可视化的发展潜力不容小觑。数据可视化工程师既懂数据分析，又精通构图的艺术，集故事讲述和艺术家的特质于一身，通过把复杂的数据转化为直观的图形，他们把数据分析的结果推向了普通大众，可谓是大数据时代的导航员。
“物证云”是大数据在警务系统内的应用
大数据之大，不仅在于容量大，其根本还在于潜在的价值大。
人类可以迈进大数据时代，最根本的原因，是人类的数据技术取得了重大的突破。通过以数据挖掘为核心的一系列技术，人类在数据当中发现了新的知识、创造了新的价值，从而为社会带来“大知识”“大科技”“大利润”和“大智能”等大机遇。
在这个新时代，数据就是财富，数据分析的能力就是核心竞争力，很多行业都要相继跨入一个数据兴则兴、数据强则强的“数据竞争”时代。这也是一场数据科学家之间的竞争，以发现新知识为使命的数据挖掘和机器学习，就是这个时代最为瞩目的竞争利器。
我曾旅居杭州4年。这4年中很喜欢看《钱江晚报》。有一天，我看到一个大消息，之江花园案破了！
之江花园别墅的这起案件曾经轰动整个杭州市。2003年，有人在一个雨夜潜入之江花园，入室抢劫*人，随后潜逃，再无音信。这一年，华人神探李昌钰第一次来杭州，有人拿这个案子问他，当时他也拿不出办法，但留下了一句话，“只要时机到来，案子迟早会破”。这个时机，一等就是13年。让人没想到的是，等来的时机竟然是大数据。
20世纪90年代，杭州警方开始普及“生物痕迹”的概念，引进了物证管理系统；2008年，标准化采集仪器“搜痕仪”在杭州的派出所得到普及，它可以收集记录人像、DNA（脱氧核糖核酸）、指纹、掌纹、足印以及鞋底式样等数据；2012年，这些数据开始向云端转移，形成“物证云”，任何一个嫌疑人的数据都可以在“物证云”中和其他数据进行大范围的比对。“物证云”正是大数据在警务系统内的应用。它在之江花园案的破案过程中起到了关键作用。
2015年9月，一名姓俞的男子在诸暨一家面馆因为争吵而伤人。当地警方把他制伏后，提取了他的DNA等数据，并录入到“物证云”上。没有想到的是，对数据进行跨地区比对已经实现了，警方发现他的各项数据和之江花园案留下的痕迹高度吻合，俞某的身份很快得到确认。为了破之江花园案，杭州警方十多年来踏破铁鞋，但真正破案时却没费多少工夫。这首先要归功于“物证云”的强大覆盖能力，“物证云”让一些零散的数据形成了联系，破案时机就在这种比对中出现了。
1975年至1986年间，美国出现了一起连环案，犯罪嫌疑人被称为“金州*手”。办案人员追踪他20多年，查对过数千名嫌疑人，但都没能抓到他。
电影《源代码》（2011）剧照。
2017年12月，一名探员突然想到了一个应用大数据的新办法。他把已经掌握的嫌疑人的DNA上传到一个寻亲网站，这个网站能够分析上传的基因数据，为人们寻亲溯祖提供线索。结果，真的找到了一个和嫌疑人DNA部分匹配的人。凭借这个重要的发现，警方将嫌疑人的范围从上百万人缩小至一个家族。在排查之后，警方抓到了案犯迪安杰洛。此时，这位“金州*手”已经72岁了。正义虽然姗姗来迟，却没有缺席，这里面最大的功臣也是大数据。
我的警察朋友这样告诉我：“大数据和新技术太厉害了，我们现在是有案必破，破积案、等案破、没案破。”“今天你要是做了坏事，就别跑，因为你根本跑不掉，你就坐在家里，等着警察来找就没错了。”这说的可能有些夸张，但也正说明警方如今的底气不是一般的足。为什么底气能这么足？正是因为有了大数据的分析。
今天，几乎人类所有的行为都在留下数据。凡走过的，必留下痕迹。通过对痕迹的分析，一个人几乎没有秘密。普通人是这样，犯罪分子也是这样，除非他一直躲在深山老林里不出来，显然，这在现代社会几乎是不可能的。
用数据和“云”解决“空巢”老人的救助问题
大自然中没有两片相同的叶子。因为，纹理可以将一片叶子与另一片叶子区分开来。也没有两个人的声纹或指纹是相同的。同样，在数据空间里，一个人或一个物体就是一个独特的“数体”，它可以被无数数据定义、支撑、背书。每一组、每一条数据又都有自己的特征，就像声纹和指纹，它们是数据纹理，简称“数纹”。每个人的脸型、指纹、心跳和血压等生理数据不一样，每个人的社会活动也不一样，不断地收集、整合一个人的数据，一个独特的数纹就出现了。凭借这些数纹，就可以清晰地定义一个人，区分这个人和另一个人。
这种个体区分力，在人类的历史上还从没有过。但今天的政府正在拥有，我叫它“单粒度治理”的能力，意思是，人正在成为显微镜下的一粒原子。打个比方，就像漫天飞雪，虽然每片雪花高度相似，但它们在形成过程中，由于水蒸气条件的不同，形成了各自的独特构造，再受气流的影响，纷纷扬扬下落的路径充满变数，每一片都不一样。今天的技术就好比上苍之眼，可以在空中锁定、跟踪、分辨每一片雪花的轨迹。
电影《白金数据》（2013）剧照。
2018年8月，南方的一个花园小区里，一对老人倒在家中，被发现时已死亡多日。新闻报道说：二老都是退休教师，老爷子70多岁了，患有阿尔茨海默病，老太太也患有多种疾病。两位老人平常和蔼可亲，没有想到说走就走了，多日后才被邻居发现，实在可怜。老人有一个儿子，就住在隔一条马路的小区。
小区里人来人往，儿子就住在隔壁的小区，可这样的事还是发生在了眼皮子底下，到底出了什么问题？大家可能会想到邻里关系的冷漠，儿子对老人疏于照顾，老人即使身处闹市，又与独居有什么区别？
每家都有老人。当今中国，独居老人或者叫“空巢”老人的问题已经非常严重。据统计，截止到2018年年底，我国60周岁以上的人口大约有2.5亿，占人口总数的18%，其中65周岁以上的人口约1.7亿，占人口总数的12%。中国即将进入人口老龄化的高峰阶段。
我曾经还看过一个报道，有一个在外地打工的游子打电话回家，连打了几天都没人接听。他非常担心，放下工作直奔家中，推开门就发现惨剧已经发生了。几天之前，他父亲因为心脏病发作死在浴室，母亲瘫痪在床，因为没有人照顾饿死了。不断看到这样的悲剧，真是令人难受。我想，今天有那么多的传感器、智能手环，用好了一定可以解决这个问题。移动技术已经让人类永不下线，传感器普及的浪潮正在到来。
智能手环收集到的数据如果可以和医院实时联通，那么被监控者的心跳、体温等数据就可以源源不断地传送到医院的数据库中。当被监控者的心跳出现异常时，算法就可以把数据推送给医生，提醒其注意及时救治。
目前，江苏省扬州市的个园社区正在尝试为老人安装“智能看护”传感器，主要包括：床垫传感器、马桶传感器、煤气泄漏报警器和室内红外线传感器等。这些传感器每天会按时将收集的数据发送到系统终端，社区负责人员和子女只要打开手机，就可以了解到老人当天的生活情况。
日本社会也存在老龄化的问题，比中国更严重。据统计，日本的独居老人约600万，每年有4万人孤独离世。为了关注他们，日本人也用上了大数据，他们通过能源提供商监测这一家住户的水龙头几天没被使用了，灯有没有被打开，燃气一直在被使用或者没被关掉等。日本家庭的水表一般安装在住所外面，因此，改造水表很方便。
通过安装一个可以实时记录用水量的电子指示器，关注独居老人的想法就可以实现。远方的子女每天都可以看到老人的能源使用数据，从这些数据推测老人做饭、洗澡所需的时间。当发现数值异常时，可以立即与当地社区联系，请社区工作人员到家中查看。这样一来，日本独居老人在家中死亡若干天后才被发现的事件减少了30%。
把数据用好，把“云”用好，“空巢”老人的救助问题将发生极大的变革。
知冷知热知心，是大数据的终极追求
2013年7月，华东师范大学有一位女生收到校方的短信：同学你好，发现你上个月餐饮消费较少，不知是否有经济困难？
这条温暖的短信也要归功于大数据。校方通过挖掘校园饭卡的消费数据，发现这位女生每顿饭的餐费都偏低，于是向这位女生发出关心的询问。
电影《点球成金》（2011）剧照。这部电影讲述了球队如何用数据建模的方式，挖掘潜在的明星队员。
借助数据分析，华东师范大学把每个月在食堂吃饭超过60顿、总消费不足420元的学生，悄悄列为受资助对象，不用审核、不用公示，学校直接将金额各不相同的补贴款打进这些学生的饭卡。因为校方在长期的管理当中发现，不少家境贫寒的学生，因为面子原因不愿申请贫困生助学金。如果进行公开的评审和公示，难免会伤害一些学生的自尊心。这种方法可以说是用心良苦了。当然，偶尔也会出现美丽的错误！刚才说的那位女生之所以消费低，只是因为正在减肥。
误会之所以发生，并不是因为大数据不管用，而是在于数据不够多、不够全面、不够强大。大数据的特点除了“量大”，还有“多源”。如果除了饭卡，还有其他来源的数据作为辅助，判断就会更加准确。
我的朋友周涛教授在电子科技大学工作，作为国内知名的大数据专家，他主持过一个课题，叫“寻找校园中最孤独的人”。该课题从3万名在校生中采集到了2亿多条行为数据。这些数据包括学生选课、图书馆刷卡、寝室门禁、食堂消费以及学校超市购物等数据，都是学生在刷一卡通时产生的。
通过对不同的卡在不同地点的刷卡数据进行分析，课题组最终发现了电子科技大学有800多名学生，他们在校的大部分时间都是独来独往的。每一次排队，前后都没有同学或好友，他们是“最孤独的人”。这些孤独的人患上心理疾病的可能性很大，家长和学校如果提前予以关注，就会避免悲剧的发生。这也是大数据温暖的一面。知冷知热知心，应该是大数据的终极追求。
本文节选自《给孩子讲大数据》，较原文有删节修改，小标题为编者所加，非原文所有，已获得出版社授权刊发。
编辑丨刘亚光
校对丨吴兴发
