北大国家发展研究院20周年暨BiMBA15周年庆典于2014年4月16-21日北京举办。和讯网全程报道。阿里巴巴集团副总裁、数据委员会会长车品觉在19日的“大数据与互联网金融”分论坛上表示，今天的大数据就是明天的小数据，这个是我们在做大数据的人里面都知道的。所以今天我们也许看见我们手上拿着非常大的数据，其实我们也是跑进去数据里面跑马圈地的时代，当你还以为数据是很大的时候应该想想，其实你现在手上用的数据，只不过是冰山一角而已。在未来我们会看到非常多的手动收集以及被动收集的数据都会出现。

以下为文字实录：

车品觉：我当时跟我的分析师说，我要知道我5分钟进来的人到底是谁，到底他们是怎样的情况。其实我不是一个在台上会讲的人。其实互联网的数据，在1997年的时候，互联网刚起来时候，大家都会觉得说（英语），到了2014年你会看见哪有一个网站没有说（英语）。所以大数据本身它还是有一个另一个（英语）。

其实数据挖掘在很早之前我们就已经有用了，95年的时候，当W95发布的时候，是MV级的量。我们的大数据起码是一年跟一年比较每年增长2点多倍的数据量，已经到几百PB机的数量。所以大数据的成本很低，其实一点都不低，当你要设置无限数据的时候，其实它成本并不低。

今天的大数据就是明天的小数据，这个是我们在做大数据的人里面都知道的。所以今天我们也许看见我们手上拿着非常大的数据，其实我们也是跑进去数据里面刨跑马圈地的时代，当你还以为数据是很大的时候应该想想，其实你现在手上用的数据，只不过是冰山一角而已。在未来我们会看到非常多的手动收集以及被动收集的数据都会出现。

当数据多到覆盖整个样本空间的时候，基于样本的inference的时候这就是大数据。在这个时候，有互联网，穿戴服务催生很大的量的数据，非结构化的数据的保障，用户型的数据会显得更丰富，以及网络广告从群发到精准，RTB会出现，这就是大数据的一个比较准确的。你发现今天我们所讲的大数据，其实是范例的大数据，当我们有很大量数据的时候我们少是大数据，当然从科学的角度来看，它更多的是用样本空间的观点。

4个V，在企业来讲我们说可解释，今天的人越来越聪明了，你必须要解释，要落地的时候我们要知道，这个数据是可实施的，这个数据是精确稳定的，而且是可以解释给我们的。这是4个V，就是大数据落地的时候，我们基本上应该要知道的。

过去从新样本中可以找到特征，实验了之后得到结果。但是在大数据的时代，我们拿到新样本的时候，因为我们有一个海量数据的样本，所以我们今天在大数据里面，我们通常用大量的数据但是简单的模型，不像过去小数据的时候我们用一个复杂的模型。现实里面企业其实是很少用大数据的，一般会用大数据来先找到方向，找到方向之后还是用传统的方法来提炼自己的数据，是交叉使用。数据的图形里面也有不同的数据模型来阐述结果。但是海量的数据加复杂的模型，我们今天还不知道它会面会怎么样。

我们从农耕时代，到工业技术革命，到半导体电子，到信息技术，到数据技术，我们阿里经过几年大数据之后，我们发现过去的几年，我们做大数据行业的人，我们有很多的工具其实都没有健全。我们阿里用了很多时间去健全这些工具。我们已经开始建立了一个数据地图，会用大数据的原数据告诉我这个地图是从哪里来的。过去我们只是用数据，但是今天我们要知道数据是从哪里来的。

有很多人今天用数据的时候，他并不知道数据是有一个基础的楼层，你不关注的话出来的结果是不稳定的。包括我们自己，三个月里面很准的，三个月以后就不准了，就是说它是不稳定的。这个应该有几个月了，数据已经不是你当时所想的数据模型的出现。

过去来讲没有大数据的时候，我们是有问题找数据，今天有大数据的时候，我们是用数据掌找问题。所以我们决策支持部开始变化了，连我的老板都问我，你不能用低端的看一下公司里面的KTI有什么问题吗？今天我们更多的是以数据找问题的办法。

当然我们会发现，大数据里面好像又很完美，但是我想跟大家说一个例子，比如说今天早上我看见一间衣服，我在电脑里搜这个衣服，我搜索的时候看见了一个手表，我买了一百块的手表。在数据库里面，我们只关注这个人买了一百块的手表，不会关注他之前早上的时候看见了他个衣服，也没有人知道其实这个人之所以没有点搜索的结果，是因为他要开会，也没有人知道这个人拿着手机来上网的个人，和用电脑上网的他个人是同一个人。当然你也不能识别在PC里面的人是老公还是老婆，有时候他们是用同一个ID的。

其实当我们用方法看大数据的时候，我们会发现大数据里面其实有非常多的洞在里面，这个洞不是没有收取数据。

现实中还有一点我们要放弃一些数据，我们收集数据，从来没有想过要放弃数据的，我们有多少数据就收集多少数据，因为这个数据可能未来会有用。但是当数据大到一定程度的时候，我们要放弃一些数据。真正的大数据你不可能无极限的收下去。如果两年前的淘宝我们买东西的行为，数据的时候，其实到现在为止这个网站已经变了，数据的场景也变了，你的生命周期也变了

忘掉大数据，企业要的是实效数据。你要理解业务的场景，你要有应用数据的能力，你要回答有没有解决这个问题，以及下次怎么改进。我们讲的是数据的生态圈，首先我们使用数据，当我们数据来帮企业做判断，解决问题的话，我们叫这个数据是数据欢迎你。但是我们都知道业务的人很多是不知道如何来找数据的。

反过来说，我们发现另外一个圈，从无限数据中寻找数据，假设什么数据都可以获取，就是运营数据，我们企业里面其实做数据的人很多都不知道别人怎么用数据的，所以用的人不知道有什么数据可用，但是做数据的人也不知道别人怎么用他的数据，所以企业里面最困难的是用数据的文化，以及用数据里面的管理，虽然这个闭环的存在，实际上这个闭环转起来是很困难的。我们公司问我怎么开始用起数据，我一般都说这个圈越小越好，不要搞得很大。

前几天我跟很资深的一个老手交流，他说企业千万不要用大数据走歪了，走歪的话是很麻烦的。这是很常见的一个情况。

面对未来，我上个礼拜在公司里面做了一个决定，我把BI部门取消了，数据技术部。原因很简单，早期的时候我们公司有一堆的数据，有一堆BI的人。一年后我发现，他们很喜欢我，所以他们说我要更多数据，结果我找到BI的人过来。结果大数据的出现，我们现在的图是这样的，应付今天的大数据，数据量很大。到底我们是不是要再请一些BI的人，这不可能的。

今天我们的决定，我们要每个业务部门他们要有做数据分析的能力，而不是一个BI部门帮助他们，所以我们要做更多的工具，让更多的人很容易的找到他所要的数据。

我们数据里面一个非常大的瓶颈叫ETR，从生产数据库里面把数据给到我们分施类的数据（音）。为什么我们有这么大量的BI的人，是因为当我们做分析的时候，只有商业的人才知道他是怎么看东西的，只要商业的人稍微改了，他会在底层数据再上一来，对我们的工作量来说就很大了。

我记得我刚进公司的时候，KTI改口径很大，我们有三个月不能用数据，底下的数据全弄一遍，这是从3月到6月中间是没有精准数据的。还好我电商的行业，3到6月还不是旺季，如果其他公司这样的做法那就完了。我们所谓的派生维度，你可以从业务的场景来抓，就可以产生一种新的东西。

最后我想跟大家说我在思考，最近我搞两件事情，大数据的前面有两个，就是数据的管理层必须要去选择，一个是存还是不存，这个数据我用，会不会未来有用，未来有用我也要收起来，所以到底是要把它存还是不存。另外一个话题就是开放还是不开放，数据的安全很重要，但是你怎么选择这个数据是开放的。同时你要很小心，这个数据会不会影响到别人，会不会有侵犯别人的隐私，开放和不开放，存或不存。

数据十诫，这里第7条很重要，大数据安全不安全，你根本不知道这个数据是安全还是不安全。你在控制安全的时候，你怎么知道这两个数据加起来是非常不安全的，所以你用监管是没办法的。当然现在有一些人开始分布式的系统里面，可以去把数据加密，就是在加密的环境下，分布式的系统可以刨除去，这是一个解决办法。

第十点讲让人做人擅长做事，机器做机器擅长的事。

最后我想跟大家说，其实数据都是实效，在企业来讲并没有什么说大数据的神话在企业，这是我最后想跟大家讲的，谢谢大家！