屈一平

著名基因组专家汪建说,将一个人从怀孕第一周开始,一直到生下来的整个过程全部用基因大数据模拟记录下来,一千年以后很容易复活。
汪建的陈述背景是,大数据背景下的基因技术。正如1970年一个美国学者安德森说过的“多带来不同”,大数据正在成为未来稀有资源。
然而,面对海量数据,应用成了难题,就如斯坦福大学的Trevor Hastie所说,“在稻草里找一根针”。 你可知道这“稻草”何其多?光纤传送网与宽带信息网专家邬贺铨院士曾经这样比喻,如果把2011年获得的全世界数据量装到iPod上的话,可装满575亿个iPod。把这些iPod当砖用,可垒起两座中国长城。
据统计,全球各个行业的数据存储量,每年都在以59%的速度暴增。由于缺乏规范的数据共享和交易渠道,不同行业间很难形成数据互利共享,数据交易平台乃至交易所也就成为了迫切需求。
“很多企业愿意将自己的数据纳入政府的统计体系或纳入政府的统计数据的发布体系。但是不太愿意提供数据的收集、方法和算法这些过程性的信息。”国家统计局统计科学研究所副所长许亦频坦言,政府统计应用大数据面临数据割裂化难题。
有没有这样一个平台,可以提供经过审核的“干净”数据,一方面不侵犯个人隐私和国家安全,另一方面可以合法提供各类企业个人所需要的数据呢?
“2013年中国各个行业产生的数据孤岛,各个领域的数据被割裂化。”中关村大数据交易产业联盟秘书长、数海科技董事长秦翯告诉本刊记者,数据割裂化体现在各类活动的数据都保存在不同的领域:金融活动数据在银行,搜索数据在百度,电子商务数据在阿里巴巴,发微博微信等数据都保存在不同公司、不同企业、不同机构手中。……