“大數據是機會，但只是少數人的機會，更多是巨頭們的商業障眼法，比如 IBM 、Oracle、微軟，他們提倡甚至夸大大數據的目的還是為了向你兜售他們的工具，兜售他們的解決方案，確切的說，從你身上賺錢。更有甚者，居然是向你兜售硬件，這不完全是扯淡么? 大硬件還差不多。”

—— fenng @ dbanotes

從2011年開始，英文IT界開始時不時的蹦出“Big Data”這一詞匯；到了2012年，大數據成為了一發不可收拾的一個行業熱門概念，仿佛出口不提大數據，都不好意思說自己是搞IT的。

究竟“大數據”和“數據”之間有啥區別，業界公認的定義分三方面：數據量(Volume)、處理速度(Velocity)以及數據種類(Variety)。不過說實在的，之前筆者跟IT界同行聊天時提到大數據，說這種量級的數據很久以前不就有了嘛，只不過是在研究所、氣象局、金融中心、醫藥中心之類的地方，跑在昂貴的大型機和超級計算機上面，而現在則跑到了一批互聯網公司們的廉價x86服務器集群上而已。從這個角度而言，大數據帶來的變革有點類似于二十多年前的PC革命（其實更像是30多年前的小型機革命），并非前沿創新，而是從前沿到普及的過渡。

普及的范圍有哪些？以下是維基百科上列出的一些例子：

網站日志，RFID，感應器網絡，社交網絡和社交數據，互聯網上的文本和文檔，互聯網搜索索引，通話記錄，天文，氣象科學，基因學，生物化學、生物以及其他復雜的跨領域學科，軍隊，醫療，影像檔案，視頻檔案，大型電子商務。

下面還給了一些具體的數字：

• 斯隆數字化巡天項目（SDSS），起始于2000年，啟動后1周內收集的數據量超過了天文學歷史上數據量的總和。其目前的收集速率在每晚200GB，總量超過140TB。而SDSS的后繼者一旦啟動，又能夠在5天的時間內收集SDSS總量的這個量級。
• 大型粒子對撞機（LHC）的四個感應器在2010年內制造了13PB的數據。
• 沃爾瑪平均每小時處理一百萬個用戶交易，相應的數據庫量級已經超過2.5PB。
• Facebook的數據庫里儲存了超過400億張照片。（平均4張照片1MB，總量100PB。來源）

這個對比很有意思：沃爾瑪的數據比SDSS高一個量級，LHC的數據比沃爾瑪的數據量高一個量級，而Facebook的數據則比LHC還高一個量級！

筆者在2005年左右的時候看到過一張圖，因為很喜愛其中的含義，所以用在了自己的簽名上：

但是前兩天忽然發現，這張圖里的Internet被23,993,564,998 MB的數據代表，換算過來只不過23PB，還不到一個Facebook的數據量！整個網絡的數據積累速度之快，對于從上個世紀成長起來的人們而言實在是非常震驚。

接下來的問題就是，究竟誰會對這些數據感興趣？

廣告主

“我的廣告費有一半被浪費了，但問題是我不知道是哪一半。”

—— 現代廣告業之父 John Wanamaker

廣告、市場營銷涉及的范圍很廣，底層平臺有網絡媒體、社交網絡、紙媒、電視、公交站旁的牌子、電梯口墻上的屏幕、學校食堂的桌子等等；中間層有廣告投放系統、數據分析服務、做報告的；轉化層有電子商務和實體店。

“今天我們放一個路牌廣告，我可以告訴你西單路口一天兩千萬人可以看得到，這個數據是什么呢？真的是有一個人站在那去數這個事情嗎？其實都不是。”

筆者前日拜訪國雙科技，其高級副總裁續揚先生這樣描述起廣告行業的萬年問題——被浪費掉的一半。接下來，續揚先生開始感嘆互聯網帶來的變革：

“互聯網的出現，使在線的數據全部被采集成為了可能。”

也就是說，要了解用戶的互聯網行為，調查問卷、采樣這些手段已經不需要，所有的數據在技術上都可以通過瀏覽器等終端自動收集，然后分析出來的結論，不再是針對某一個樣本，而是完整的目標群體。這就是“全數據”。

這意味著什么？廣告主不再需要依賴基于某個隨機的樣本群做出的用戶報告進行決策了，他們可以拿到所有搜索過、查看過、購買過自己產品的用戶們的互聯網行為數據！而且數據收集合理完整的情況下，他們完全有可能計算出來自己每一分廣告投入帶來的回報。

為什么會這樣說？筆者拜訪國雙科技當天，看到許云先生做的一次產品演示，其中有一點令人印象深刻：

一條時間線。

簡單來說，這條時間線是一個用戶訪問某化妝品品牌官網的一個歷史記錄。包含的信息很簡單：一個來訪時間，進入網站的來源，使用的瀏覽器，以及是否進行了購買。用戶的識別一般是通過cookie的手段和注冊用戶的機制實現，不過許云先生表示現在也有其他的技術手段；而且隨著用戶的數據越來越多的分享給互聯網服務商，辨認用戶的手段還會越來越多，越來越精準。

在許云先生展示的時間線當中，用戶在不同的時間段訪問了這家網站，并且在第四次訪問的時候進行了購買。其中可以發現一些細節：

1、用戶的第一次來訪是從微博（e.weibo.com）進入的

2、過了一個星期，用戶有意識的通過搜索又進來一次

3、用戶第三次還是通過搜索，這次訪問已經確定了購買意向，然而

4、最后購買之前，用戶換了一次瀏覽器（Chrome->IE）

所以，如果你是該企業市場部那位決定在微博平臺投放廣告的決策人，或者是負責企業微博運營的市場人員，那么通過這樣一個歷史記錄，這個廣告的效果跟最終成交的這筆單子就有了直接的聯系。當然，影響用戶最終購買的因素有很多，第一次曝光可能只是起到一個通知用戶的作用，但至少這能夠讓人有一個概念：企業微博做了是有效果的。具體算市場人員績效的時候，也好看個清楚。

就國雙科技而言，提供數據收集和展示的工具只是第一步；如果客戶需要，他們可以生成一份有針對性的報告，并進一步提出廣告投放或改版的建議。最重要的是，這些數據都是實時的——這在上世紀末可是金融界才能享受到的待遇！而且，這樣一家公司的客戶如果能夠覆蓋到一個行業的幾個巨頭企業，比如化妝品業的幾個跨國企業，那么國雙科技這樣一家200多人的小企業，也完全有可能掌握整個化妝品行業在中國區的大部分網絡廣告數據。如果要做一個行業報告出來，那么國雙科技手上掌握的有關國內廣告市場的資料，有可能連Gartner、IDC這樣的傳統的權威報告發布方手上都沒有。這在以前是不可想象的。

這就是大數據時代的機會之一。而這其中的關鍵點之一，就在于你在這個行業收集的數據是否有專業性。筆者跟續揚先生聊天的時候談到有的企業可能不愿意把這種數據的工作交給第三方的企業來做，比如處于信息安全的考慮等等。對此，續揚先生是這樣回復的：

“大家越來越意識到尊重專業性，就是說，與其他做，他不一定有我做得專業、專注。中國人有一個特點，什么都想自己干，但是有的時候有一些非常尊重專業性的話，他就去用你這些數據。”

事實上，對數據上的這種專業性的尊重，在北美、歐洲等市場早已成為常識。對于小企業而言，可能只需要找到一個合適的模式執行下去就好；但是對于上了一定規模的企業，需要決定要做哪些事情，將多少資源投入到這些事情上，都需要準確的數據進行判斷，以避免資源的無謂耗損。好的數據提取出來的結論如果能夠幫助他們減少哪怕1%的損耗，那也是非常有價值的。

對于廣告行業而言，互聯網全數據索引只是一個起步。隨著網絡的觸角從智能手機往人們的身邊發展的同時，數據收集的范圍也在迅速的擴大至現實的世界當中。比如今年開始出現在很多電梯間門口的刷q卡的機子。出租車后座上的觸屏設備。公交站旁邊的廣告牌、大學食堂的桌子，以后也很可能會能夠與我們進行互動。這種數據的廣泛性、散落性、多樣性和實時性，很可能會帶來更多的機會，對整個廣告行業造成巨大的變革。

您對于這樣的變革有何看法？歡迎留言討論！