150130大数据科学方法的变革和哲学思考.docx

大数据科学方法的变革和哲学思考 2015-01-26  HYPERLINK javascript:void(0); 和君商学 随着信息技术和网络技术的快速发展，人类所存储的数据越来越多，数据已经从量变走向了质变，成为了“大数据”(Big Data)。大数据概念首见于1998年《科学》(Science)中的《大数据的管理者》(A Handler for Big Data)一文。 2008年《自然》(Nature)的“大数据”(“Big Data”)专刊之后，大数据便爆发了，成为了学术、产业和政府各界甚至大众的热门概念，美国等发达国家已经制定并实施大数据战略。 刘红、胡新和指出，大数据带来了第二次数据革命，使得万物皆数的理念得以实现，标志着数据发展史上第三个阶段的开始；数据在科学研究中的地位与作用发生了变化，引发了一系列哲学问题，应当纳入到科学哲学的研究领域。S.莱奥内利(S. Leonelli)以生物医学本体(Biomedical Ontologies)为案例，探讨了理论在数据密集???科学中的角色。W. 皮奇(W. Pietsch)探讨了大数据中的因果性，提出大数据的水平建模。在各界喧嚣的大数据浪潮中，大数据究竟意味着什么？这是一个非常值得深思的问题。 一、大数据的内涵及方法 关于大数据表现形式的概括，目前较为广泛认可的是4V说，即规模性(vlume)、多样性(variety)、高速性(velocity)以及价值性(value)。如果从大数据存在方式及其功能的角度来加以审视，即从其自身维度、支撑维度、工具维度和价值维度来考察，就形成了“四维说”(见图1)。 图1　大数据的“四维说” 　　从自身维度看，大数据是数据科学。数据科学以海量的数据为研究对象，通过数据挖掘等手段来寻找海量数据中潜在的规律。它研究各个科学领域所遇到的具有共性的数据问题，通过对数据的规律的研究来实现对科学问题的解答。比如，天文学的研究方法与癌症的研究方法是相通的。 　　从支撑维度看，大数据是技术平台。海量数据的收集、存储以及提取都不同于常规数据，需要全新的软硬件技术支持。无论是数据的查询还是分析，都必须基于特定的软件，这些技术以及用于存储和查询的系统的总和，便是支撑大数据分析的技术平台。 　　从工具维度看，大数据是研究方法。它已经进入生物信息学、生物医学、地震预报、天气预报等数据密集型的科学领域。图灵奖得主吉姆·格雷(Jim Gray)更明确指出，科学将进入继实验、理论、计算模拟之后的第四范式：数据密集型科研。 　　从价值维度看，大数据是潜在资源。麦肯锡报告指出，在医疗行业，大数据每年创造的价值预计超过3000亿美元，在零售业方面，大数据预计将提升利润60％以上。 　　作为研究方法的大数据，为科学提供了一种新的研究方法。大数据概念由费亚德(Fayyad)在1995年的知识发现会议上首次提出，主要研究方法是数据挖掘，其基本目标有两个：描述(descriptive)与预测(predictive)。通过描述以刻画海量数据中潜在的模式，并根据数据中潜在的模式来进行预测，从而发现数据中有价值的模型和规律。 　　数据挖掘的主要技术有：分类(classification)、关联分析(association analysis)、聚类分析(cluster analysis)以及异常检测(anomaly detection)。分类是指通过数据学习得到一个分类模型(classification model)，该模型将自变量对应到因变量，从而实现对自变量的分类。关联分析是指发现海量数据中有意义的数据关系，包括频繁项集和关联规则(association rule)。聚类分析是指将海量数据划分成有意义的多个簇(cluster)，簇内的对象具有很高的相似性，不同簇中的对象很不相似。异常检测是指找出其行为很不同于预期对象的过程，这种对象称为离群点(outlier)。 　　目前，国际上对于大数据方法中的模式(pattern)与模型(model)并没有作区分。在谭(Pang-Ning Tan)等人编写的教材《数据挖掘导论》中，对于数据挖掘的定义使用的是模式一词，在分类这一具体技术中，使用的则是模型一词。W.皮奇则指出，大数据的目标就是发现海量数据中潜在的模型。在此意义上，大数据方法是一种模型方法。 　二、大数据方法的变革 1.与传统模型方法比较，大数据模型与传统模型有很大的区别 例如，孙小礼将模型划分为物质形式的科学模型与思维形式的科学模型(见表1)。在物质形式的模型中，模型来源属于天然存在物的便是天然模型，模型来源属于人工制造物的便是人工模型。在思维形式的模型中，根据模型不同的特点分为：理想模型、数学模型、理论模型以及半经验半理论模型。理想模型强调的是模型的抽象性，数学模型强调的