人类现有的认知体系是建立在稀缺数据上的成果。一场由新的价值观和方法论所带来的科技和产业正在发生变革，大数据正是这场变革的重要推动力。借助大规模数据生产、分享和利用，以崭新的思维和技术去分析，将揭示海量数据背后所隐藏的人类行为模式。未来，大数据既是企业占领市场、赢得机遇的利器，也是政府进行宏观调控、国家治理、社会管理的信息基础。大数据将成为推动信息经济高效、可持续发展的关键资源。
一、大数据的内涵和特征
大数据是一个相对抽象的概念，目前尚未形成公认的确切定义。美国国家科学基金会（NSF）从数据来源及特征角度，将大数据定义为由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、长期的、复杂的分布式数据集。国际数据公司IDC从数据形式和数据量角度，认为大数据一般涉及两种或两种以上数据形式；拥有超过100TB的高速、实时数据，或是从小数据开始收集，但数据增速保持在每年60%以上。Gartner咨询公司从计算机处理能力角度，将大数据定义为在一个或多个维度上超出传统信息技术处理能力的极端信息管理和处理问题。上述定义虽然所处角度不同，但均体现了大数据的“四V”特征，即数据规模大（Volume）、数据种类多（Variety）、数据处理速度快（Ve-locity）、数据价值密度低（Value）。4V特征区分了大数据与传统数据之间的不同，标志着面向数据的研究和应用正逐步迈入成熟和深化期。
二、发展现状及趋势分析
早在1980年阿尔文·托夫勒在《第三次浪潮》中已前瞻性地指出大数据时代即将到来。但直至2011年麦肯锡发布《大数据：创新、竞争和生产力的下一个前沿领域》报告，大数据时代的序幕才真正拉开。到2011年，全球数据总量已经达到1.8ZB（1ZB等于1万亿GB），并且以每两年翻一番的速度飞速增长。预计到2020年，全球数据总量将达到40ZB，人均数据预计将达到5247GB。在大数据时代，借助物联网、云计算等一系列新兴技术的支持，信息经济在众多方面正在发生着深刻的变革。
1.国家战略层面。联合国率先于2009年正式启动了“全球脉动”项目，希望利用大数据促进全球经济发展。通过“情绪分析”，使用自然语言解密软件对各类信息进行分析，从而预测给定地区的失业率、支出消减或疾病爆发等问题。紧随其后，各国纷纷将大数据作为夺取新一轮竞争制高点的重要抓手，并将其列入国家战略。
美国于2012年3月由政府投资2亿美元启动了“大数据研究和发展计划”，以提升大数据收集、存储、挖掘、共享能力为目标，通过提取的信息和知识服务于科研、教育与国家安全等领域；日本于2012年7月推出了“新ICT战略研究计划”，将“大数据应用”作为研究重点；英国于2013年初公布未来两年内将在大数据和节能计算研究上投资1.89亿英镑的计划，以期为大数据革命做好准备；法国于2013年4月表示政府在《数字化路线图》中将投入1150万欧元，通过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展；韩国于2013年5月表示将推出大数据中心战略，公民、企业、团体等均可通过该中心对大数据进行提取和分析。2013年11月，我国国家统计局与11家企业签署了关于大数据的战略合作协议，共同探讨和推进大数据在政府工作中的应用。
随着国家战略的推进，大数据将与有形资产、人力资本一样，成为信息经济活动重要的生产要素。
它不仅是提高生产力和竞争力的强大引擎，也可以转变成为生产力，创造大量的经济价值。据世界经济论坛预测，大数据会为全球带来440万个IT岗位，每一个大数据的岗位会催生3个非IT就业岗位，也就是说未来会推动产生1760万个就业岗位。
2.商业实践活动。麦肯锡预测，若把大数据用于美国医疗保健，每年将产生3000亿美元的潜在价值；若服务提供商利用个人位置数据，可产生6000亿美元的消费者年度剩余。面对巨大的利润空间，各大公司纷纷投身于大数据掘金之中。根据公司类型及其提供的服务不同，大数据商业实践，一是借助技术优势提供大数据整体解决方案，如IBM提供“硬件+软件+数据”智慧的分析洞察战略，提出“3A5步”的动态路线图，即掌控信息（Align）、获取洞察（Anticipate）、采取行动（Act）、学习（Learn）、转型（Transform），“智慧新财务”正是其成功范例。二是借助平台优势提供大数据应用服务，如谷歌基于自身拥有的海量用户信息，比官方提前两周时间，精准预测美国甲型H1N1流感爆发时间。三是利用分析优势借助第三方数据提供大数据分析服务，如印第安纳大学利用谷歌公司提供的心情分析工具，从网民留言中归纳出六种心情，从而对道琼斯工业指数的变化成功进行了预测。
以上述大数据商业实践活动为基础，企业未来发展呈现以下趋势。一是共创生产模式。产品的生产和价值的创造由以企业独创，日益走向社会化和公众参与的共创模式。二是共治管理模式。
在网络生态系统中，企业利用大数据平台与社会媒体、网民群体、产业链相关企业等共同协作管理，共创多赢局面。三是共享信息模式。快速积累的海量数据让企业疲于应对，共享数据信息可充分发挥公众智慧，提升产品附加值，如新浪微博通过开放API接口，产生了众多API应用，借助网络外部性有效提高了客户价值。
三、冲击及挑战
1.技术挑战。大数据的处理包括信息采集、实时处理、结果显示3个过程。随着社交网络的普及和传感设备的广泛应用，数据采集已由被动获取转变为主动、自动获取。当大量全天候、非结构化数据涌入时，需要从中采集满足特定需求的有用数据，摒弃错误数据或无用数据。采集的海量信息继而需要实时且常常是自动化地响应。即使对技术最先进、最具创新能力的系统，这也是不小的挑战。经过分析处理后的结果应以可见或可读的形式输出。种类繁多、关系复杂的非结构化数据分析结果往往使用户感到迷茫，甚至误导用户。目前，大数据分析结果展示已成为可视计算领域的研究热点。
2.人才缺口。大数据战略需要专业的数据人才作为支撑。一般用户，甚至传统B数据分析师并不具备开发大数据所需的预测分析应用程序的技能。目前，75%以上的企业表示在人员和培训方面存在障碍。有分析指出，仅美国而言，就面临14万～19万个位数据分析人才缺口，以及150万个具备理解和基于大数据研究做出决策的管理人才缺口。如何使技术团队成员适应新技术，管理类人才掌握新方法，帮助他们顺利过渡到全新的大数据管理模式，成为业界的又一挑战。
3.数据保护。2012年盛大云计算官方发布的《对“物理磁盘损坏导致个别用户数据丢失”事件声明”》，为大数据保护敲响了警钟。安全问题一方面来自于企业内部，面对潜伏的安全威胁，网络可视化成为网管的强烈诉求，而传统网络可视化，即日志分析在大数据时代不能带来任何效率；另一方面，大数据已成为网络攻击的显著目标，面对政府、企业和个人隐私信息泄露的风险，数据拥有者不仅需要硬件支撑系统的安全保护，还需要软件层面建立机制，保证对数据的一致性做到完整的检查。
4.数据共享。目前，一些拥有大量数据的企业和机构宁愿自己不用也不愿提供给其他部门共享。数据开放和共享难以推进，一是已有的、分散的政策意见约束力不够，缺少国家层面的统一管理；二是缺少数据开放共享的专职机构，现有数据共享平台难以滿足各类用户对数据资源的实际需求；三是缺少对专职数据共享服务的合理评价机制和标准。
四、对策及建议
1.以协同带动发展。构建大数据产业生态系统，通过制定技术标准和运营标准，保证产业生态系统协同、稳定运转。在保障生态系统各方利益的前提下，鼓励各企业、机构进行大数据相关技术研发及应用创新，在数据采集、数据存储、数据挖掘、可视计算等领域设立重大专项，给予政策和资金支持。加快基础设施及物联网、云计算等相关技术发展，为大数据产业腾飞奠定坚实基础。
2.以市场培育人才。市场所需的大数据人才可分为云计算类人才、计算框架和基础算法类人才及应用类人才3类。2013年初，北京航空航天大学计算机学院、软件学院和百度、淘宝、腾讯等企业合作，联合开办国内第一个大数据专业工程硕士。遵循市（下转第65页）（上接第62页）场需求，开展校企合作，一方面，可促进学校有的放矢，通过适当调整教学内容，与企业实践有机结合；另一方面，应企业所需，针对性地为企业培养一线实用型技术人才。校企结合现已成为培育大数据人才的重要方式之一。
3.以法律保护隐私。针对在大数据使用过程中对隐私权的侵犯问题，目前主要采用反病毒、建立防火墙等技术手段。但是，要真正保障每个公民的隐私权和安全，仅靠技术远远不够，法律才是切实的保障手段。因此，各国正试图通过立法的形式保护隐私，如2012年美国公布了隐私人权法案；欧盟也提出了“被遗忘的权利”法案，有望在2016年变成法律。我国也应加强这方面的立法。
4.以合作促进共享。要实现从简单数据挖掘到高效智能决策，大数据技术不能仅基于单个数据来源，而是需要综合异构的多种信息。消除“信息孤岛”，可通过多方合作的方式，搭建数据中心共享平台，借助信息共享机制，以系统互联互通为基础，充分发挥各方资源禀赋，实现相互支撑，互通有无，最终构建多方共赢的局面。
