大数据或将爆发惊人威力 如何成企业制胜法宝？

　　【中国智能制造网 市场分析】大数据部门该放在运营团队还是技术团队?在红杉资本中国基金会专家合伙人、原阿里数据委员会会长车品觉看来，纠结于此类问题的企业，距离大数据的法门尚远。车品觉认为，大数据应该是CEO直接领导的战略级部门，是一把开启新世界大门的钥匙。今天，大数据已在营销、风险控制等领域已大放异彩;而在可预见的未来，基于大数据的诸多模式创新，将带给我们无限的想象空间。　　三大颠覆性变化正在发生，将爆发惊人威力
　　
　　近，我去了一趟美国，看到大数据的几个变化，这些变化有可能极大地改变世界。
　　
　　个变化是开始从被动搜集数据，转变为主动搜集数据。美国一家公司现场给我们表演，电视里正在播放新闻，他们把手机放在电视机旁，手机很快识别出这是CNN新闻频道，以及正在播出什么内容。我们三个人拿出自己的手机，手机同时放三首不同的歌，他们的软件很快辨别出这三首歌是什么，以及作为背景正在播放的电视新闻。这意味着，非结构性的数据编程结构性数据，开始从被动搜集数据转变为主动搜集数据。
　　
　　第二个变化是非实时转实时。滴滴打车的数据可以说明不同地点的人流情况，但是零售业得到了这些数据，又如何触到它的用户群呢?大家知道这个世界有一个，DSP(Demand-Side Platform需求方平台)，作为中间方，DMP记录用户去了哪个网站，用了什么APP。当人使用APP时，数据会告诉DSP，这个人出现在了某一个地方，DSP就能够帮商户做智能投放。由于背后有大数据支撑，放在很短的时间内就能完成。这种模式对营销来说，是一个颠覆。
　　
　　另外，还有一个非常重要的变化是对话。美国有两大公司，几乎同时宣布了一项战略性科技——对话的人工智能。比如，你的房间有一个音响，这个音响同时是一个传感器。当你说“我要买一瓶酱油”，音响会和你说：“老板，你是不是要买你之前买过的酱油?”你说：“不是，我要买新的。”它就会告诉你，新的酱油以及同样差不多的有几种，建议你选择哪种。这个变化将引发一个大的颠覆。
　　
　　隐私＋归属权：从混沌走向清晰
　　
　　说到大数据，不得不提的是大数据与隐私这个问题。
　　
　　这次在美国，见到一个在隐私问题上给美国总统提意见的专家。他说，关于个人隐私会有一个颠覆性的变化，这一变化在欧洲已经开始了，现在是美国。过去，当用户使用一个应用时，都会和应用方签订一个协议，表明用户同意把自己的数据交给应用方以改善用户体验。但是，大部分人都不知道自己同意的是什么，仅仅是点击了“同意”。美国的法律对此准备进行修改，这可能会改变大数据产业。
　　
　　在这个变化中有个问题，数据分可识别数据、不可识别数据。互联网上的数据，有的可以识别是你，有的不可以识别是你。当不能完全知道他是谁，没有办法和他说你是否同意时该怎么办?现在，美国正在认真讨论类似的事情。
　　
　　另一个问题是数据的拥有权是谁?早期大家是按照实物的思路，来定义数据拥有权的法律，后来发现这条路撞墙了。数据的可爱之处就是看见就看见了，不在于是你拿着还是我拿着。法律界已经开始关注这个问题。
　　
　　关于隐私问题，大部分用户更多是希望平衡好，你不能拿到我的数据我一点好处都没有，你拿了数据使用我却一点都不知道。所以，问题是谁有权控制?比如脸书，每一次使用用户数据，会告诉用户，这个数据会在某个点使用，这就涉及数据使用透明和是否可控的权利问题。这个行业里面很多人不想讲这个问题，但并不是不知道。但这是我们做大数据的人必须要慢慢解决的，否则这是一个定时炸弹。
　　
　　当然，有大量的数据不相关隐私。比如，用1000个人或者5000个人的数据算出来的结果，当做大数据营销的时候，有没有把他捆绑在5000个人当中营销?美国有些法案很可爱，认定个人数据的隐私问题不是放在单独的案例当中，而是放在行业里面。我问专家，为什么要放在行业里面?他说，个人隐私和行业有关，比如卖药的，个人隐私的监管就会非常严格，而游戏类的个人数据会相对简单一些。在欧洲则是一套法律，不分行业。欧洲人认为，隐私是一个人的底线。而美国认为价值和隐私之间可平衡。这些都是未来大家都会议论的课题。
　　
　　做好缝合，不断迭代
　　
　　大数据的本身是异构异类的数据，就像裁缝把不同的材料缝成一件衣服一样，需要很多技术把数据连接起来，让这些数据可以使用。不同材料缝合在一起，中间会有一些缝合处。
　　
　　美国任何一个做大数据的人，都会告诉你数据关联很难。美国可以把数据关联起来的公司有几家。美国大数据行业在产业链上，是可以分工的。你干这个，我干那个，大家协同把东西做出来。这和中国的情况是有区别的。
　　
　　要把大数据整合起来，数据源好不好非常重要。另外有没有不同的环境可以进行数据测试，也很重要。
　　
　　数据是迭代的，算法是迭代的，产品服务也是迭代的。数据有不同的版本、算法有不同的版本，我们要找到优、同一个语境下好的算法，达到好的服务。