大資料權威專家麥爾荀伯格：比起問「Why」的因果關係，大資料更看重的是問「What」的相關性 近日美國大資料權威專家麥爾荀伯格（Viktor Mayer-Schonberger）來臺分享大資料趨勢。他認為，大資料三大特性，是巨量、雜亂和相關性，而不是一般常見的3V（Volume、Velocity、Variety）定義。如何從這些看似雜亂無章的巨量資料中，找出最適合的相關性，並以此來改變決策，幫助我們更了解世界，正是企業和政府所面臨的新挑戰。
麥爾荀伯格早年曾是名程式設計師，年僅20歲就創立一家防毒軟體公司，推出的防毒軟體一度獲選為澳洲年度暢銷軟體之一。他在哈佛大學攻讀法律，並取得倫敦經濟學院經濟碩士，而後對於大資料領域有著深入且廣泛的研究，曾發表過上百篇專論和書藉，現為牛津大學網際網路研究所教授，專攻網路治理與法規，並著有《Big Data》（臺譯：大數據）等著作。
麥爾荀伯格認為，經過蒐集而來的大資料，往往具備有三大特性，第一就是擁有非常多的訊息量。
這邊所指的「多」代表的是具有一定規模的完整資料，可透過蒐集分析發現具有相關性的問題或現象。他以過去相機對焦為例，一般只有在對焦範圍內拍出來的人物輪廓才會清晰，但範圍以外的人物輪廓往往會是模糊的，但是改用一臺可先拍照後對焦的光場相機，就能先將所有人物資料完整紀錄下來，之後在決定照片要以誰為主角，也不需要花費時間重拍，還可以獲得更多有關照片的細節。麥爾荀伯格認為，盡可能蒐集越多的完整資料，也是同樣的道理，蒐集妥了以後再進一步決定用途。
麥爾荀伯格提出的大資料第二個特性是雜亂。相較於過去受限於測量能力的限制，能取得的資料往往不多，因此會注重資料的精確性。但是，當面對的是雜亂且複雜的大資料時，就不能再以過去傳統少量資料的方式去分析，而是要有新的作法。他說，大資料要求的並不是一點錯都無法容忍接受的精確資料，更多時候反而容許有測量誤差的資料，只要透過分析可以得出有用的資料，就不用為了那一兩棵樹而放棄一整座森林。
比起問why，大資料更看重的是問What相關性 至於大資料第三個特性則是相關性，麥爾荀伯格解釋，比起問「Why」的因果關係，大資料更看重的是問「What」的』相關性。「重要的是先了解，資料要告訴我們『什麼』而不是『為什麼」。他以美國知名零售商沃爾瑪當例子，當他們在進行大資料分析時發現，每當颶風即將抵達前，當地居民除了上超市去買手電筒和電池之外，還會買了一堆被稱為是Pop-Tarts的草莓甜點，這樣的發現也替沃爾瑪帶來龐大商機，至於顧客為什麼會買這些甜點就不是那麼重要了。同樣的道理，當亞馬遜和Netflix 在推薦顧客產品時，同樣也不知道為什麼要推薦這些書或DVD影片，只要知道顧客會買單就好。
另一個麥爾荀伯格舉的例子是語言翻譯。1950年代的美國電腦科學家，曾試圖透過文法規則讓機器大量翻譯俄語資料，花了12年時間投入近數十億美元，最終還是宣告失敗。當時，IBM也在個人電腦加入更多語句和文法規則，並以此成功翻譯了60個俄文短句，但因無法進行大量翻譯也告失敗，就算是在1990年時，IBM試圖透過新開發的統計機器來翻譯10年份的加拿大國會文件資料（含英法雙語），儘管的確改善了機器翻譯的品質，但最後因投入大筆資金卻無法得到相應成果，只好退出放棄。
反觀當時還是名不見經傳的小公司Google，成立僅僅不到10年時間就完成了這項不可能任務，推出了翻譯服務，而其採用的方式只不過就蒐集了幾千億筆的網路資料來分析，其中有包括歐盟語言、網站語言、書籍和說明手冊等五花八門的資料，儘管這些資料品質參差不齊，但透過彙整分析卻能翻譯出更為精確的語句。
麥爾荀伯格舉的最後一個例子則是早產兒診斷，Carolyn McGregor博士率領了安大略理工學院與IBM的研究人員，共同開發一套身體健康追蹤系統，可以即時追縱早產兒的健康資料，包括像是心跳、呼吸、體溫、血壓等身體症狀，並且每秒鐘會回傳1,260筆資料給醫生。醫生透過這套系統可經觀察細微媽媽體內嬰兒的身體變化，提早24小時前預測出是否為早產兒的可能性，以挽救更多的生命。後來Carolyn McGregor用大資料技術來分析這些資料後，還發現早產兒在嚴重感染前，反而生命跡象會有一段時間維持穩定，顛覆了過去一般認為早產而身體先惡化再感染的理論。倘若Carolyn McGregor只專注於研究身體惡化與感染間的因果關係，就無法得到這個發現。
閱讀全文 
沒有留言:
張貼留言