最好是同時考察大數據背後的技術、商業和社會維度。從發展成熟度來看，技術維度走的最遠，商業維度發展了但沒有完全成熟，社交維度發展最差。所以，雖然我們談論大數據已經很久了，但是除了幾個催生了大數據本身的領域，比如搜索，其他領域並沒有從大數據中獲得看得見的好處。很多時候，人們還處於壹種認為這裏壹定有黃金的狀態，只是需要更多的耐心。本文試圖對大數據本身的特點做壹些挖掘，並對未來的發展趨勢做壹些預測。
大數據的深度和廣度
如果把大數據映射成海量數據，那就是壹個非常模糊的概念，相當於變成了信息的代名詞。顯然，很難回答信息能做什麽的問題。
這時候為了促進思維，通常需要先分類。如果把時間和空間作為最基本的視角，首先要區分的是大數據的深度和廣度。從時間上看，大數據是完整的歷史，從空間上看，大數據是全球活動的痕跡。前者可視為壹種深度，後者可視為壹種廣度。不同的場景在深度和廣度上有不同的側重。
對於壹些垂直行業，比如醫療，大數據的深度更重要。在數據上可以找到所有的歷史之後，人們就可以更好地了解和優化相應的行業。
對於社會來說，很多時候廣度更重要。我們只有某個場景的片段信息，但是當這個信息足夠多，範圍足夠廣的時候，就有可能描繪出壹個相對及時的全景。經常被引用的谷歌預測傳染病的例子依賴於這種廣度。
這決定了大數據應用的發展趨勢。深度重要的地方，需要公司等組織成為主體，難點在於如何跨越數據所有權的邊界。對於醫院來說，將所有治療病例數字化並共享顯然是有利的，但如果只有壹家醫院這樣做，對這家醫院來說更有可能是隱私反彈的劣勢。
在廣度很重要的地方，雖然公司也能在搜索等領域受益，但真正能從大數據中受益的組織其實是政府。數據越廣，描述的主體越大，如果描述的是整個社會，那麽從中受益的顯然應該是社會的主要負責人。這是壹個常識問題，類似於看病的時候，不吃醫生開的藥就會好。有時候央視會在春節播出百度的人員流動圖，正好從側面說明了這個問題。這種人流圖對會做地圖的人和公司的幫助遠不如對政府的幫助。
深度和廣度對數據的要求不同。前者需要更詳細優質的數據源，後者要求不高，但兩者在應用中都會面臨回報不對等的問題。大數據傾向於描述整體，有能力收集或處理大數據的往往是個體。個人的回報不容易在整體的提升中得到清晰的體現。
現在大數據發展的瓶頸不是技術，而是背後分配關系的建立。如果這種關系不順暢，數據就停留在孤島層面，每個組織都有自己的東西，命名為“大數據”。為了理順這種關系，我們不得不回到壹個非常經典的問題，“公地”能否成立。
數據共享空間的設想
大數據實際上有點像公地。經濟學中壹個非常著名的論點是公地悲劇。美國經濟史舉了壹個非常容易理解的例子來說明什麽是公地悲劇:
這些經濟推理命題有助於解釋集體所有制和產出的享有(相等或固定份額)如何導致“搭便車”的問題為了說明這壹點，考慮* * *擁有土地所有權的65，438+00名工人，* *生產了65，438+000蒲式耳玉米，每個人平均消費65，438+00蒲式耳玉米。假設壹個工人開始偷懶，他的勞動量減少了壹半，導致產量減少了5蒲式耳。由於產量分成制度的安排，現在懶人的消耗量和其他勞動者壹樣，都是9.5蒲式耳。雖然他的努力減少了50%，但是他的消耗只減少了5%。懶人是在搭別人勞動的便車。…
這背後有壹個非常深刻的人性問題。即使我們可以通過努力和合作創造更多的財富，個人也可以從中分享更多，但在群體中明顯的個人傾向是少勞多得。這實際上與囚徒困境有關。
在基於實物的世界裏，目前沒有辦法完全解決這個問題，只能依靠某種基本被大家認可的分配秩序，比如以前的血統現在是自然選擇，但是基於比特的數字財富，目前有解決這個問題的可能性。
基於位的數據和實物最大的區別在於，數據不是妳拿走我就沒有的東西，硬件價格下降很快，開源使得數據訪問工具基本免費。這些的疊加使得數據共享成為可能。
如果大家更關心我得到的絕對值是不是越來越大，那就更有可能形成數據共享區，因為如果有了數據共享區，大家(企業)肯定收獲更多，但如果大家更關心我是否比妳多，那麽數據共享區的建設就會更有障礙，因為共享區實際上讓相關人員站在了同壹競爭起點上。
大數據整合營銷專家羅百輝認為，大數據的問題是數據使用上的技術問題，但實際上是數據來源上的社會經濟問題，後者的難度更大。因此，大數據應用的發展並不取決於技術的發展，而是取決於社會經濟變化的速度。在有限的領域，如搜索、電子商務和雲計算，技術已經得到充分發展。當下，小數據變成大數據的過程中，最重要的問題是誰出錢，誰受益的問題。
大數據之路在哪裏？
數據發展的內在動力是數據越完整，其價值越大。其實這也是壹種網絡效應，從宏觀上導致數據所有權的發展只有兩種趨勢:
壹種是像現在的移動終端，每個人都有自己的私有數據源，然後展開妳死我活的競爭，最後壹家活下來，也能達到數據統壹的最終目的。
另壹種是開始在競爭中聯合起來，建立上面提到的數據共享空間。
前面說了，行業數據和全社會的數據性質差別很大，要分開討論。
對於行業數據來說，除非有極其特殊的人，否則競爭對手之間不可能坦誠合作。這種情況下最簡單的方法就是引入第三方。
比如每個運營商都掌握著幾乎所有網民的行動數據，但是運營商之間很難公開合作，把這些數據整合起來，創造壹些價值。這時候如果有第三方參與，就有可能制定好利潤分配方案。
如果能做到這壹點，唯壹的關鍵點就是相應的商業模式能否超過數據處理的成本。必須強調的是，大數據的價值密度是稀疏的，很多事情有價值但不壹定值得去做。視頻網站賺不到錢的壹個關鍵原因是帶寬和存儲的成本比較高，但是對於大數據來說，找不到好的商業模式，情況可能比視頻網站更糟糕。采礦成本低於采礦收入。
以上問題在行業數據中可能不會太大。壹般來說，行業數據的價值密度最終會更大，而且因為相對垂直，總量最終會有限。所以大數據的產業應用相對容易發展。
但對於社交數據來說，這在很多情況下是個問題。我們都知道樣本的全面性比數據的多少更有價值，但如果更多是保證樣本全面性的唯壹手段，那就意味著擁有所有的數據去做壹件事是有意義的。
社交數據的應用方向有兩個，壹個是企業可以處理的，比如Google，另壹個是智慧城市相關的人的活動數據，屬於社交層面，很難單獨屬於某個企業。後者需要上面提到的數據共享空間來支撐。
從數據的角度來看，數據存儲有兩種形式:壹種是像Google這樣的企業擁有全社會某個截面上的所有數據，這應該是特例，數據會局限於公開信息；壹類是與人的行為相關的碎片化數據，比如電商中的購物相關，社交網絡和IM中的人相關，O2O企業中的線下服務相關，12306中的鐵路相關。谷歌擁有所有的數據，但不擁有人的行為，所以相當於擁有了壹個全社會的橫截面數據。而其他所有企業都只有某個垂直領域的數據。
如果依靠企業來做這個統壹數據的嘗試，前者會有200億元的O2O投資，因為它會完成數據，後者會有想社交、想社交、想做電商的人。類似的故事也可以發生在候機樓。所有這些行為的最終目的都是壹個企業能夠處理好所有這些事情，但這是不可能的，而且這種不可能不僅僅是因為經濟原因。數據打不開，就只能在碎片化的數據上做自以為是的大數據。
所以這是壹個數據共享空間能不能建立的問題，而要建立數據共享空間，至少要解決誰來做的問題。這個開源有兩個關鍵含義:第壹，它不能是壹個盈利性組織；第二，這必須得到很多企業的支持。因為數據會涉及隱私，相比開源，必須有更明確的規則來定義數據的使用。
在沒有切實可行的辦法解決數據的歸屬和使用問題之前，大數據的應用應該還是偏的。因為它的深度應用涉及到社會很多部分的協調，這個過程可能會很漫長。這裏有意思的是，大數據的出現直接推動了機器智能的發展，而機器智能的影響可能比大數據本身要快得多。
以上是邊肖為您分享的關於大數據背後的技術、商業和社會維度的內容。更多信息可以關註環球常春藤分享更多幹貨。