數(shù)據(jù)處理：從大數(shù)據(jù)到大知識

施水才

我主要講三方面的內(nèi)容：第一、大數(shù)據(jù)技術(shù)和商業(yè)模式創(chuàng)新；第二、大知識；第三、我們的實踐。

大數(shù)據(jù)和傳統(tǒng)的信息化最大區(qū)別在于，大數(shù)據(jù)具備分析、預測和決策功能；另外，大數(shù)據(jù)和傳統(tǒng)海量信息處理的區(qū)別在于，大數(shù)據(jù)具有三大本質(zhì)特性—計算實時化、數(shù)據(jù)關(guān)聯(lián)化以及應用跨界化。

技術(shù)雖然很重要，但不是最重要的；數(shù)據(jù)也很重要，但也不是最重要的。最重要的是應用場景。和創(chuàng)新型的公司相比，我們非常關(guān)心是否落地。但就現(xiàn)在來說，很多大數(shù)據(jù)應用場景還是大數(shù)據(jù)公司“想象”出來的。

大數(shù)據(jù)還存在一些問題。首先，數(shù)據(jù)本身存在問題，包括數(shù)據(jù)質(zhì)量、數(shù)據(jù)開放，商業(yè)模式，是否建立數(shù)據(jù)聯(lián)盟等。誰也無法擁有全量的數(shù)據(jù)，數(shù)據(jù)的積累和優(yōu)化是個長期過程。

其次，不能脫離應用談數(shù)據(jù)。我們的數(shù)據(jù)銀行有很多數(shù)據(jù)，但不是所有數(shù)據(jù)都有價值。一個應用到底需要什么類型的數(shù)據(jù)，這是個非常復雜的問題。

再次，光有數(shù)據(jù)不行，還得有知識。如對非結(jié)構(gòu)化的數(shù)據(jù)進行結(jié)構(gòu)化處理，要依靠大量新興的技術(shù)，最終形成的是一種知識。

大數(shù)據(jù)賣什么？有賣基礎(chǔ)設施的，有賣技術(shù)的，有賣解決方案的，也有賣數(shù)據(jù)的，如數(shù)據(jù)堂。但賣什么并不重要，重要的是在商業(yè)模式上要有大數(shù)據(jù)的思維。

受大數(shù)據(jù)驅(qū)動的商業(yè)模式，主要有四種：第一、免費增值云存儲或云盤。要想獲得數(shù)據(jù)，就要免費讓用戶存儲；第二、平臺型的商業(yè)模式，如滴滴、Facebook；第三、開放型的模式，像知乎、HealthTap；第四、長尾商業(yè)模式，如kindle電子書、視頻網(wǎng)站。

大數(shù)據(jù)的技術(shù)發(fā)展趨勢：第一個趨勢，從技術(shù)上講主要是開源，柔性選擇，整個架構(gòu)上有彈性。第二個趨勢，從數(shù)據(jù)搜集管理轉(zhuǎn)向分析挖掘預測。第三個趨勢，人工智能技術(shù)的應用。人工智能產(chǎn)業(yè)發(fā)展：一是從把握、感知到智慧決策；二是當前人工智能應用的熱點基本集中在營銷、安全、金融和公共服務領(lǐng)域，未來將應用到教育、醫(yī)療、健康和金融科技行業(yè)。

我認為，大數(shù)據(jù)下一階段的三個關(guān)鍵詞就是“大知識”、“互聯(lián)網(wǎng)”和“人工智能”。

大數(shù)據(jù)在過去的四年發(fā)生了三個變化：第一、從技術(shù)上，從通用架構(gòu)到需求細分；第二、從計算分析到學習理解，增加了很多機器學習和人工智能；第三、從分析數(shù)據(jù)到構(gòu)建知識，包括知識庫、知識模型、知識圖譜。

根據(jù)VentureScanner的統(tǒng)計，截至到2016 年初，全球共有957家人工智能公司，美國以499家位列第一。覆蓋了深度學習/機器學習（通用）、深度學習/機器學習（應用）、自然語言處理（通用）、自然語言處理（語音識別）、計算機視覺/圖像識別（通用）、計算機視覺/圖像識別（應用）、手勢控制、虛擬私人助手、智能機器人、推薦引擎和協(xié)助過濾算法、情境感知計算、語音翻譯、視頻內(nèi)容自動識別等13個細分行業(yè)。

從大數(shù)據(jù)到大知識，搜索引擎的智能化包括利用知識圖譜，就是一個很好的案例。如用百度搜索馬云，會顯示阿里巴巴的創(chuàng)始團隊、企業(yè)家；用搜狗搜索馬云，第一個出來是他的關(guān)系圖譜，這就是大規(guī)模的知識圖譜在起作用，而且是自動機器學習所致。

第二個案例是即將到來的虛擬機器人時代BOTs時代，主要涉及機器學習、NLP和知識圖譜。很多公司在推出相關(guān)產(chǎn)品和技術(shù)，如智能機器人客服“小i機器人”。

第三個案例是Palantir。Palantir因拉登和龐氏騙局而被神化，對應的兩個產(chǎn)品是Gotham和Metropolis。作為排名第三的私有化公司，Palantir的核心就是知識管理和協(xié)作。

三個案例突顯了知識圖譜、NLP（自然語言處理）這兩個核心技術(shù)的重要性。無論是智能搜索、虛擬聊天機器人，還是大數(shù)據(jù)獨角獸Palantir，都不離開知識圖譜。而知識圖譜的基礎(chǔ)是大數(shù)據(jù)，大數(shù)據(jù)有分析的能力，從大數(shù)據(jù)上建立的大知識，能使大數(shù)據(jù)真正活起來。

有了大數(shù)據(jù)和深度學習之后，NLP技術(shù)領(lǐng)域?qū)⒚媾R一些新的機會和突破。關(guān)鍵是兩點：深度學習在NLP領(lǐng)域應用；問答機器人將有可能成為一個類似操作系統(tǒng)的新平臺，目前一些公司正投入巨資研究問答機器人。

拓爾思是首批在A股上市的大數(shù)據(jù)公司之一。2011年，我們在大數(shù)據(jù)的精準營銷、征信、安全等領(lǐng)域投資了10億元。我們的核心業(yè)務是大數(shù)據(jù)核心技術(shù)和基礎(chǔ)軟件平臺。包括智能信息處理軟件包、TRS海貝大數(shù)據(jù)管理系統(tǒng)、TRS水晶分布式數(shù)據(jù)庫系統(tǒng)、數(shù)據(jù)采集交換和共享平臺等。

行業(yè)應用解決方案。包括集約化政府公共服務云平臺、融媒體智能傳播服務平臺、面向安全的大數(shù)據(jù)分析和挖掘平臺、金融行業(yè)風控和監(jiān)管平臺、水晶球大數(shù)據(jù)分析師平臺。

互聯(lián)網(wǎng)營銷服務及大數(shù)據(jù)分析云平臺。包括網(wǎng)站及全網(wǎng)口碑優(yōu)化整合營銷服務、輿情分析挖掘云服務、“數(shù)家”數(shù)據(jù)服務、網(wǎng)脈網(wǎng)站數(shù)據(jù)分析平臺、思圖大數(shù)據(jù)可視化云工具。

CKM中文自然語言文本挖掘平臺?？梢赃M行情感分析，實現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)的結(jié)構(gòu)化提取。例如將文本文件中犯罪嫌疑人的名字、組織、電話號碼、車牌號、銀行卡號、QQ和微信號都結(jié)構(gòu)化提取。如何利用自然原處理技術(shù)，從海量的文本中挖掘出真正有價值的知識，并且把知識關(guān)聯(lián)起來，這是非常重要的。

水晶球大數(shù)據(jù)分析師平臺。可以稱之為中國版Palantir，將全面取代i2。這個平臺最關(guān)鍵的是知識圖譜，它比傳統(tǒng)的知識圖譜更具有擴展性。如可以把不同數(shù)據(jù)源的信息進行關(guān)聯(lián)，與地理信息系統(tǒng)或其它系統(tǒng)進行集成。水晶球的定位在于公共安全、國家安全、金融的反欺詐、軍事情報和公共關(guān)系等。（根據(jù)演講內(nèi)容整理，未經(jīng)本人審核）