?隨著大數據技術的深入應用，未來緊缺的公共資源應該可能得到更加合理的分配。

1844年，莫爾斯發出人類歷史上的第一份電報：“上帝創造了何等的奇跡！”電報的發明，揭開了電信史上的第一頁。現如今，隨著信息技術的不斷發展和AI數據分析能力的飛速提升，大數據在今后可以創造出什么樣的奇跡呢？在2017中國大數據技術大會（BDTC2017）的媒體群訪中，澳洲昆士蘭大學教授周曉方、微軟亞洲研究院副院長首席研究員劉鐵巖、華東師范大學教授錢衛寧、滴滴出行高級副總裁章文嵩與大家共同探討了大數據的未來應用問題。

大數據，不是為了數據而數據

如今企業實施的大數據系統，大多展現的是一個非常炫酷的面板和一些看上去很吸引眼球的數據分析，但數據的實際應用價值并沒有什么確切的體現。就這個問題，四位專家分別表達了自身對目前大數據的觀點：

章文嵩總裁首先闡述了自己的觀點：“不是為了數據而數據，首先要了解需要用大數據解決的問題是什么？怎么來定義這些問題？如果把問題梳理清楚然后基于這些問題，看看在數據上能不能做很多的啟示，真正要解決問題出發而不是為了數據而數據。”

隨后周曉方教授對這個問題進行了深入分析：第一個方面是剛才說的，我們有一個問題，然后看需要什么樣的數據，用這些數據如何來解決我們的問題。第二個方面，我們現在有了數據以后，怎么樣去解放思想，創造新的應用價值。企業界和科研界可以合作解決這個問題。大數據的話，前面剛才大會的主席發言也都說了，是我們時代的特征。大數據已經是事實的存在，而且數據應用的技術在那里，各種應用場景現在也都落地了。因此，CRO們不能為了大數據而大數據，而是你到底應該做什么事情，你有什么樣的數據，需要什么數據，用這些數據怎么樣把我們已有的工作做的更好，用這些數據怎么樣能夠把我們一些新的應用推動起來。

劉鐵巖院長：數據是我們擁有的一部分，我們拿到數據是一個基礎，我們一定要從過程中找到價值，過程是我們做機器學習的這個過程，我們再講大數據一定要把數據和智能結合起來，要有全盤的規劃。在這個角度來講我們要拿什么數據是為了實現剛才各位說的實現某種目的我們尋找合適的數據，而不是拿到所有的數據覺得反正是個寶貝留下來就好，數據大也有很多好的方面，很豐富，也有很多壞的方面，是噪聲，有些可能是錯誤的，如果沒有一個有效的算法和方法，把噪聲去除掉，把信息挖掘出來，其實大數據不見得是有價值的。

最后錢衛寧教授做了對這個問題進行了總結：我們的一個看法是說，數據其實很像我們以前的電，有電之前跟有電之后應用是不一樣的，如果我有了電我還是在用蒸汽機會覺得說這個電沒有多大的作用，現在又了數據之后，我們可能說一個業務的模型或者決策的模型都是要變的，所以就是說可能你剛才講的有了數據之后我只是一個展示只是出一個報表這個還是屬于傳統的這個思維模式，但是更多的要講說我們有了這個數據之后怎么樣根據這個數據重構，去重新來設計我們整個業務的流程，這樣可以把數據用的更好。

數據清洗，如何區分沙與金

在上個問題中提到數據價值，數據好的方面，也有很多壞的方面，是干擾，是噪聲怎樣才能通過有效方法，把噪聲去除掉，把信息挖掘出來？下面幾位專家就數據清洗的問題又進行了更深入的探討。

周曉方教授：數據質量管理是大數據的一個問題，要從數據的完整性方面來看待這個問題。比如網上一部分人的觀點不能代表整個社會，因為數據不完整。還有時效性、準確性、一致性等等，這個都是傳統的問題。數據清洗這個問題已經研究了很多年。現在我們自己的研究團隊也是一直在推這個數據質量管理，現在榮耀都被AI拿走了，但是為AI進行支撐的數據管理、數據分析、各種大數據的差異都是在后面默默在做的。如果不把這個底層的數據支持做好的話，那么也就是酷炫的都沒有用。

章文嵩總裁：數據質量非常關鍵，如果數據不準你得出的任何結論都有問題。這里面我們面臨的一些問題，解決的辦法涉及到數據的收集、生產、傳輸整體的這個過程，我們對數據肯定是層層要做校驗，哪些校驗有些環節數據不準了，或者有些環節數據丟了。就拿滴滴來說最重要的一個漏洞，用戶進來那個冒泡表達了他的這個目的地，冒泡之后我們有很多的動作，然后用戶是個發單，平臺是否派單，派單后執行最后到完單支付。這個漏斗模型其實層層環節都要校驗。所以這個數據，可以幫我們定位哪些買點是對的，哪些環節是我們網絡傳輸軟件處理的BUG導致數據丟失了，這是層層校驗，就跟財務做校驗一樣，每個環節都要校驗，確保數據準確性和軟件的正確性。

劉鐵巖院長：我接觸過很多傳統企業，在跟我們聊的時候更多不是講大數據，是講AI。在深入溝通的時候，解決第一問題是大數據問題而不是智能問題。他們的愿景是想用智能解決某個應用，實際上整個公司里的數據根本沒有管理好組織起來，回到大數據真的非常重要。先是數字化，然后是傳統的管理再是數字清洗。從做機器學習和AI角度來看，什么是數據清洗什么是數據管理，我們希望從最原始的數據開始出發，然后通過特別復雜的鏈路，連到最終應用上。每個環節可能都提供反饋信息。如果我們不做端到端的處理，割裂開有可能會出現什么現象？我們在前期做數據處理的時候以為是噪聲的問題，可能是信號，我們以為是信號的東西也許是噪聲。那么怎么在整個數據鏈路的智能化的過程中都給大家一個機會，曾經當成是噪聲清洗掉的東西是有機會重新挖掘和反復匹配的，曾經被你認為是有用的東西要不斷的甄別里面的寶貝在哪里，問題在哪里，這是一個補充。

數據應用，資源的分配與民生

在隨后的討論活動中，幾位專家還就智能出行的無人駕駛對人們生活的改變，通過大數據如何減少東西部貧富差距等問題進行了深入溝通。將技術討論提升到了民生問題的高度。

我們相信，隨著大數據技術的深入應用，未來緊缺的公共資源應該可能得到更加合理的分配。比如春運的火車票可以給有切實回家需求的購票者更多的購買機會，急需就醫的患者可以更方便進行掛號，公眾的交通也能得到有針對性的調節。大數據的明天將會令人們的生活更加美好。