BAT三巨頭開挖大數(shù)據(jù)

阿里巴巴CTO即阿里云負(fù)責(zé)人王堅(jiān)博士說(shuō)過(guò)一句話：云計(jì)算和大數(shù)據(jù)，你們都理解錯(cuò)了。實(shí)際上，對(duì)于大數(shù)據(jù)究竟是什么業(yè)界并無(wú)共識(shí)。大數(shù)據(jù)并不是什么新鮮事物。信息革命帶來(lái)的除了信息的更高效地生產(chǎn)、流通和消費(fèi)外，還帶來(lái)數(shù)據(jù)的爆炸式增長(zhǎng)。“引爆點(diǎn)”到來(lái)之后，人們發(fā)現(xiàn)原有的零散的對(duì)數(shù)據(jù)的利用造成了巨大的浪費(fèi)。移動(dòng)互聯(lián)網(wǎng)浪潮下，數(shù)據(jù)產(chǎn)生速度前所未有地加快。人類達(dá)成共識(shí)開始系統(tǒng)性地對(duì)數(shù)據(jù)進(jìn)行挖掘。這是大數(shù)據(jù)的初心。數(shù)據(jù)積累的同時(shí)，數(shù)據(jù)挖掘需要的計(jì)算理論、實(shí)時(shí)的數(shù)據(jù)收集和流通通道、數(shù)據(jù)挖掘過(guò)程需要使用的軟硬件環(huán)境都在成熟。

但歷史告訴我們，最具實(shí)干精神的互聯(lián)網(wǎng)領(lǐng)域，行動(dòng)才是最好的答案。概念、模式、理論很重要，但它們都需要實(shí)踐中逐步明朗細(xì)化。所謂實(shí)踐出真知。國(guó)內(nèi)互聯(lián)網(wǎng)三巨頭BAT坐擁數(shù)據(jù)金礦，已陸陸續(xù)續(xù)踏上了大數(shù)據(jù)掘金之路。

BAT都是大礦主，但礦山性質(zhì)不同

數(shù)據(jù)如同蘊(yùn)藏能量的煤礦。煤炭按照性質(zhì)有焦煤、無(wú)煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數(shù)據(jù)并不在“大”，而在于“有用”。價(jià)值含量、挖掘成本比數(shù)量更為重要。

百度擁有兩種類型的大數(shù)據(jù)，用戶搜索表征的需求數(shù)據(jù);爬蟲和阿拉丁獲取的公共web數(shù)據(jù)。阿里巴巴擁有交易數(shù)據(jù)和信用數(shù)據(jù)。這兩種數(shù)據(jù)更容易變現(xiàn)，挖掘出商業(yè)價(jià)值。除此之外阿里巴巴還通過(guò)投資等方式掌握了部分社交數(shù)據(jù)、移動(dòng)數(shù)據(jù)。如微博和高德。騰訊擁有的用戶關(guān)系數(shù)據(jù)和基于此產(chǎn)生的社交數(shù)據(jù)。這些數(shù)據(jù)可以分析人們的生活和行為,從里面挖掘出政治、社會(huì)、文化、商業(yè)、健康等領(lǐng)域的信息，甚至預(yù)測(cè)未來(lái)。

一、百度，含著數(shù)據(jù)出生且擁有挖掘技術(shù)，研究和實(shí)用結(jié)合

搜索巨頭百度圍繞數(shù)據(jù)而生。網(wǎng)頁(yè)數(shù)據(jù)的爬取，網(wǎng)頁(yè)內(nèi)容的組織和解析，通過(guò)語(yǔ)義分析對(duì)搜索需求的精準(zhǔn)理解進(jìn)而從海量數(shù)據(jù)中找準(zhǔn)結(jié)果，以及精準(zhǔn)的搜索引擎關(guān)鍵字廣告，實(shí)質(zhì)上就是一個(gè)數(shù)據(jù)的獲取、組織、分析和挖掘的過(guò)程。

將所有數(shù)據(jù)握在手里，是搜索引擎的夢(mèng)想。除了網(wǎng)頁(yè)外，百度還通過(guò)阿拉丁計(jì)劃吸收第三方數(shù)據(jù)，通過(guò)業(yè)務(wù)手段與藥監(jiān)局等部門合作拿到封閉的數(shù)據(jù)。但盡管百度擁有核心技術(shù)和數(shù)據(jù)礦山，卻還沒(méi)有發(fā)揮出最大潛力。百度指數(shù)、百度統(tǒng)計(jì)等產(chǎn)品算是對(duì)數(shù)據(jù)挖掘的一些初級(jí)應(yīng)用，與Google相比，百度在社交數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)的收集和由數(shù)據(jù)流通到數(shù)據(jù)挖掘轉(zhuǎn)換上有很大潛力，還有很多事情要做。

2月底在北京出差時(shí)，寫了一篇《搜索引擎的大數(shù)據(jù)時(shí)代》發(fā)在虎嗅。創(chuàng)造了零回復(fù)的記錄。盡管如此仍然沒(méi)有打消我對(duì)搜索引擎在大數(shù)據(jù)時(shí)代深層次變革的思考。

搜索引擎在大數(shù)據(jù)時(shí)代面臨的挑戰(zhàn)有：更多的暗網(wǎng)數(shù)據(jù)、更多的WEB化但是沒(méi)有結(jié)構(gòu)化的數(shù)據(jù)、更多的WEB化、結(jié)構(gòu)化但是封閉的數(shù)據(jù)。這幾個(gè)挑戰(zhàn)使得數(shù)據(jù)正在遠(yuǎn)離傳統(tǒng)搜索引擎。不過(guò)，正如文章最后提到的，大數(shù)據(jù)時(shí)代對(duì)搜索引擎來(lái)說(shuō)，既是挑戰(zhàn)，也是機(jī)會(huì)。因?yàn)樗阉饕嬖诖髷?shù)據(jù)上具備技術(shù)沉淀以及優(yōu)勢(shì)。

接下來(lái)，百度會(huì)向企業(yè)提供更多的數(shù)據(jù)和數(shù)據(jù)服務(wù)。前期百度與寶潔、平安等公司合作，為其提供消費(fèi)者行為分析和挖掘服務(wù)，通過(guò)數(shù)據(jù)結(jié)論指導(dǎo)企業(yè)推出產(chǎn)品。是一種典型的基于大數(shù)據(jù)的C2B模式。與此類似的還有netflix的《紙牌屋》美劇，該劇的男主角凱文·史派西和導(dǎo)演大衛(wèi)·芬奇都是通過(guò)對(duì)網(wǎng)絡(luò)數(shù)據(jù)挖掘之后，根據(jù)受歡迎情況選中的。

百度還會(huì)利用大數(shù)據(jù)完成移動(dòng)互聯(lián)網(wǎng)進(jìn)化。核心攻關(guān)技術(shù)便是深度學(xué)習(xí)?；诖髷?shù)據(jù)的機(jī)器學(xué)習(xí)將改善多媒體搜索效果和智能搜索，如語(yǔ)音搜索、視覺(jué)搜索和自然語(yǔ)言搜索。這將催生移動(dòng)互聯(lián)網(wǎng)的革命性產(chǎn)品的出現(xiàn)。

不過(guò)，盡管百度已經(jīng)出發(fā)，其在大數(shù)據(jù)上可做的事情還有很多。

在數(shù)據(jù)收集方面，百度需要聚合更多高價(jià)值的交易、社交和實(shí)時(shí)數(shù)據(jù)。例如加強(qiáng)自己貼吧知道的社交能力、盡快讓地圖服務(wù)與O2O結(jié)合進(jìn)而掌握交易數(shù)據(jù)，以及推進(jìn)移動(dòng)App、穿戴式設(shè)備等數(shù)據(jù)收集系統(tǒng)。

在數(shù)據(jù)處理技術(shù)上，百度成立深度學(xué)習(xí)研究院加強(qiáng)自己在人工智能領(lǐng)域的探索，在多媒體和中文自然語(yǔ)言處理領(lǐng)域已經(jīng)有一些進(jìn)展。云存儲(chǔ)、云計(jì)算的基礎(chǔ)設(shè)施建設(shè)也在逐步完善。但深度學(xué)習(xí)仍然是一個(gè)巨大的挑戰(zhàn)，百度等探索者還有很多待解問(wèn)題如無(wú)監(jiān)督式學(xué)習(xí)、立體圖像識(shí)別。

在數(shù)據(jù)變現(xiàn)方面，百度需將數(shù)據(jù)挖掘能力、數(shù)據(jù)內(nèi)容聚合和提取等形成標(biāo)準(zhǔn)化的服務(wù)和產(chǎn)品，進(jìn)而開拓大數(shù)據(jù)領(lǐng)域的企業(yè)和開發(fā)者市場(chǎng)。而不僅僅是頗為個(gè)性化、定制化地為大型企業(yè)提供解決。

百度的優(yōu)勢(shì)體現(xiàn)在海量的數(shù)據(jù)、沉淀十多年的用戶行為數(shù)據(jù)、自然語(yǔ)言處理能力和深度學(xué)習(xí)領(lǐng)域的前沿研究。在技術(shù)人才方面百度是聚集國(guó)內(nèi)最多大數(shù)據(jù)相關(guān)領(lǐng)域頂尖人才的公司。聽(tīng)說(shuō)百度前段時(shí)間花五千萬(wàn)挖了數(shù)據(jù)挖掘、自然語(yǔ)言處理、深度學(xué)習(xí)領(lǐng)域的十來(lái)位大牛，包括一些學(xué)者和教授。例如Facebook科學(xué)家徐偉。

在挖人上，舍得花錢不夠，還得用心。對(duì)于真正的大牛來(lái)說(shuō)，錢只是一個(gè)影響因素。能否實(shí)現(xiàn)自己的夢(mèng)想，公司的資源能否幫助自己的研究至關(guān)重要。徐偉在回國(guó)前就曾問(wèn)過(guò)其他從硅谷回國(guó)工程師的意見(jiàn)，得到答案是來(lái)到百度工作的發(fā)展?fàn)顩r最好，最終促成他作出決定。

總體來(lái)看，百度擁有大數(shù)據(jù)也具備大數(shù)據(jù)挖掘的能力，并且正在進(jìn)行積極地準(zhǔn)備和探索。在加強(qiáng)面向未來(lái)的研究和人才布局的同時(shí)，也注重實(shí)用性的技術(shù)產(chǎn)出。

二、騰訊，數(shù)據(jù)為產(chǎn)品所用，自產(chǎn)自銷

微創(chuàng)新提出者金錯(cuò)刀有個(gè)關(guān)于騰訊的故事。

1999年騰訊公司剛剛成立不久，天使投資人劉曉松決定向其注資的一個(gè)主要原因就是因?yàn)樗l(fā)現(xiàn)，“當(dāng)時(shí)雖然他們的公司還很小,但已經(jīng)有用戶運(yùn)營(yíng)的理念,后臺(tái)對(duì)于用戶的每一個(gè)動(dòng)作都有記錄和分析。”而另一個(gè)投資人卻因?yàn)轳R化騰在公司很小時(shí)就花錢在數(shù)據(jù)上表示不滿。此后騰訊的產(chǎn)品生產(chǎn)及運(yùn)營(yíng)、騰訊游戲的崛起都離不開對(duì)數(shù)據(jù)的重視。

騰訊擁有社交大數(shù)據(jù)，在企鵝帝國(guó)完成數(shù)據(jù)的制造、流通、消費(fèi)和挖掘。

騰訊大數(shù)據(jù)目前釋放價(jià)值更多是改進(jìn)產(chǎn)品。據(jù)騰訊Q1財(cái)報(bào)，增值服務(wù)占總收入的78.7%;電子商務(wù)業(yè)務(wù)占14.1%;網(wǎng)絡(luò)廣告收入占6.3%。從廣告收入比例可以看出騰訊的大數(shù)據(jù)在精準(zhǔn)營(yíng)銷領(lǐng)域暫時(shí)還未大量釋放出價(jià)值。與其產(chǎn)品線對(duì)應(yīng)的GMAIL、Google+的Google以及社交巨頭Facebook則通過(guò)廣告賺得盆滿缽滿。

筆者看來(lái)騰訊的思路主要是補(bǔ)齊產(chǎn)品，注重QZONE、微信、電商等產(chǎn)品的后端數(shù)據(jù)打通。例如最近騰訊微博利用“大數(shù)據(jù)技術(shù)”實(shí)現(xiàn)好友關(guān)系自動(dòng)分組、低質(zhì)量信息自動(dòng)過(guò)濾、優(yōu)質(zhì)信息分類閱讀等智能化功能。明顯的用數(shù)據(jù)改進(jìn)產(chǎn)品的思路。

那么如果騰訊要深入大數(shù)據(jù)挖掘缺少什么呢?筆者認(rèn)為其只需馬化騰“摁下啟動(dòng)按鈕”。數(shù)據(jù)已經(jīng)準(zhǔn)備好了，就差模式，也就是找到需求或者能更深層次驅(qū)動(dòng)大數(shù)據(jù)利用的產(chǎn)品，而不是用大數(shù)據(jù)改進(jìn)自己的產(chǎn)品。騰訊還在觀望，等其他人去試錯(cuò)驗(yàn)證出一套模式或者產(chǎn)品后，自己可以“站在巨人肩上”。這是騰訊的典型思維。

在人才方面，騰訊很早便開始重金挖人。尤其是2010年在Google宣布退出中國(guó)后，Google 圖片搜索創(chuàng)始人朱會(huì)燦、Google 中國(guó)工程研究院副院長(zhǎng)顏偉鵬、Google 中日韓文搜索算法的主要設(shè)計(jì)者，《浪潮之巔》及《數(shù)學(xué)之美》作者吳軍相繼加入騰訊 。搜搜花了很多錢，但被認(rèn)定為一款無(wú)法承載騰訊重托的產(chǎn)品，最后這些大牛都走了。大都回Google了。

騰訊在大數(shù)據(jù)領(lǐng)域也缺少技術(shù)帶頭人。其對(duì)公關(guān)也不重視。技術(shù)大牛很少出來(lái)做報(bào)告，更不會(huì)向百度、阿里那樣主動(dòng)包裝宣傳技術(shù)大牛。其技術(shù)雖然低調(diào)，但執(zhí)行力很強(qiáng)。據(jù)騰訊的程序員朋友說(shuō)封閉開發(fā)、集體加班是常有的事情。但配套的重金激勵(lì)也能跟上。重金之下必有勇夫、騰訊用制度保障技術(shù)產(chǎn)出。另外騰訊在高校合作領(lǐng)先一步，在2010年便與清華大學(xué)合作成立了清華騰訊聯(lián)合實(shí)驗(yàn)室。

這么看騰訊的技術(shù)人才這塊似乎有短板。會(huì)不會(huì)到時(shí)候馬化騰按下啟動(dòng)按鈕，發(fā)現(xiàn)沒(méi)數(shù)據(jù)挖掘能力呢?不會(huì)，騰訊搞不定數(shù)據(jù)挖掘，到時(shí)候依然可以挖到大牛，甚至讀論文來(lái)搞定這事兒。數(shù)據(jù)挖掘已較為成熟。數(shù)據(jù)挖掘?qū)嶋H是數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)三個(gè)領(lǐng)域的融合。在學(xué)術(shù)界已經(jīng)發(fā)展多年。不過(guò)自然語(yǔ)言識(shí)別和深度學(xué)習(xí)等方面要趕上百度，就難了。除非將百度的數(shù)據(jù)和眾大牛一起倒騰過(guò)來(lái)。

總體來(lái)看，騰訊目前的大數(shù)據(jù)是先將產(chǎn)品補(bǔ)全，產(chǎn)品后臺(tái)數(shù)據(jù)打通，形成穩(wěn)定生態(tài)圈。本階段先利用大數(shù)據(jù)挖掘改進(jìn)自己的產(chǎn)品。后期有成熟的模式合適的產(chǎn)品，則利用自家的社交及關(guān)系數(shù)據(jù)時(shí)，開展對(duì)大數(shù)據(jù)的進(jìn)一步挖掘。

三、阿里，坐擁金數(shù)據(jù)，嘗試做面向未來(lái)的數(shù)據(jù)集市

阿里巴巴B2B出身，在外貿(mào)蓬勃的大環(huán)境下，依靠服務(wù)中小企業(yè)發(fā)家。淘寶、支付寶等toC的產(chǎn)品出生前，阿里并不依賴也不擅長(zhǎng)技術(shù)。業(yè)界普遍認(rèn)為阿里沒(méi)有技術(shù)基因。直到淘寶、支付寶以及天貓三個(gè)產(chǎn)品后，對(duì)海量用戶大并發(fā)量交易、海量貨架數(shù)據(jù)的管理、安全性等方面的嚴(yán)苛要求，阿里完成進(jìn)化，在電商技術(shù)上取得不菲的成績(jī)。在一段時(shí)期阿里仍然浪費(fèi)了手里掌握的大量數(shù)據(jù)。這些數(shù)據(jù)還是“最值錢”的金數(shù)據(jù)。

數(shù)據(jù)挖掘無(wú)非是從原始數(shù)據(jù)提取價(jià)值。阿里現(xiàn)有的數(shù)據(jù)產(chǎn)品例如數(shù)據(jù)魔方、量詞統(tǒng)計(jì)、推薦系統(tǒng)、排行榜以及時(shí)光倒流相對(duì)來(lái)說(shuō)是比較簡(jiǎn)單的BI(商業(yè)智能)，沒(méi)到大數(shù)據(jù)的階段。

“大數(shù)據(jù)”浪潮襲來(lái)，阿里提出“數(shù)據(jù)、金融和平臺(tái)”戰(zhàn)略。前所未有地重視起對(duì)數(shù)據(jù)的收集、挖掘和共享。馬云在“退居”前動(dòng)不動(dòng)都對(duì)外提“數(shù)據(jù)”。有位阿里朋友甚至開玩笑說(shuō)，馬云英文名可以從Jack Ma改為Data Ma。阿里現(xiàn)CEO陸兆禧前身是CDO，首席數(shù)據(jù)官。為了用數(shù)據(jù)來(lái)驅(qū)動(dòng)阿里電商帝國(guó)，阿里還成立了橫跨各大事業(yè)部的“數(shù)據(jù)委員會(huì)”。

阿里的各項(xiàng)投資案也顯示其整合、利用和完善數(shù)據(jù)的野心：新浪微博的社交及媒體數(shù)據(jù)、高德的地圖數(shù)據(jù)和線下數(shù)據(jù)以及友盟的移動(dòng)應(yīng)用數(shù)據(jù)，都是其數(shù)據(jù)及平臺(tái)戰(zhàn)略的一部分。數(shù)據(jù)戰(zhàn)略正在首席人工智能官(CBO)車品覺(jué)領(lǐng)頭下逐步落地，王堅(jiān)的云為其提供基礎(chǔ)設(shè)施、基礎(chǔ)技術(shù)支撐。

就在馬云退休之后，王堅(jiān)對(duì)外透露其跟馬云開玩笑說(shuō)的一句話：阿里巴巴對(duì)數(shù)據(jù)的理解深度，不會(huì)超過(guò)蘇寧對(duì)電子商務(wù)的理解。估計(jì)馬云不一定認(rèn)同他這話。馬云對(duì)大數(shù)據(jù)已經(jīng)有著自己的理解和考量。

馬云曾經(jīng)說(shuō)過(guò)其對(duì)大數(shù)據(jù)的思考。大致意思是：現(xiàn)在從信息時(shí)代進(jìn)入數(shù)據(jù)時(shí)代了。區(qū)別是信息時(shí)代更多的是精英玩的游戲。我比別人聰明，我能提取出信息出來(lái);數(shù)據(jù)時(shí)代，別人比我聰明，將數(shù)據(jù)開放給更聰明的人處理，數(shù)據(jù)即資產(chǎn)，分析即服務(wù)。

計(jì)算機(jī)發(fā)展的過(guò)程是從象牙塔、到平民到草根。大數(shù)據(jù)也是這樣，一開始在象牙塔階段，少數(shù)精英公司才能玩;但到后面只要有數(shù)據(jù)就有價(jià)值。數(shù)據(jù)也有所有權(quán)，產(chǎn)生數(shù)據(jù)、流通數(shù)據(jù)、挖掘數(shù)據(jù)的都會(huì)獲得相應(yīng)的價(jià)值。而阿里擅長(zhǎng)的便是“建立市場(chǎng)”，建立一個(gè)數(shù)據(jù)交易市場(chǎng)。屆時(shí)任何個(gè)人和企業(yè)都可以將數(shù)據(jù)和挖掘服務(wù)拿上去，交易。初期阿里會(huì)將自己珍藏的電商和信用數(shù)據(jù)逐步放到上面。

有數(shù)據(jù)的人，拿上去賣，或者讓別人分析，分析即服務(wù)。沒(méi)有數(shù)據(jù)的人，即可以去買，也可以去幫別人挖掘，做礦工。

阿里并不是技術(shù)驅(qū)動(dòng)，而是業(yè)務(wù)驅(qū)動(dòng)的。因此在技術(shù)層面我們看到，基于前面提到的阿里大數(shù)據(jù)思路，其技術(shù)重心主要在系統(tǒng)層面。阿里擁有LVS(Linux Virtual Server，Linux虛擬服務(wù)器)開源軟件創(chuàng)始人章文嵩，Linux Kernal、文件系統(tǒng)、大牛DBA等領(lǐng)域的大牛。數(shù)據(jù)大牛馮大輝則是阿里支付寶數(shù)據(jù)架構(gòu)師出身。從人才布局可以看到阿里擅長(zhǎng)的技術(shù)領(lǐng)域，體現(xiàn)在對(duì)于并發(fā)訪問(wèn)、電信級(jí)別的電商業(yè)務(wù)的支撐方面的得心應(yīng)手。在去年雙十一期間，支撐了單日過(guò)億的訂單量。鐵道部奇葩網(wǎng)12306在日均40萬(wàn)時(shí)已經(jīng)不行了。

總體來(lái)看，阿里更多是在搭建數(shù)據(jù)的流通、收集和分享的底層架構(gòu)。自己并不擅長(zhǎng)似乎也不會(huì)著重來(lái)做數(shù)據(jù)挖掘的活兒。而是將自己擅長(zhǎng)的“交易”生意擴(kuò)展到數(shù)據(jù)。讓天下沒(méi)有難做的“數(shù)據(jù)生意”。

總結(jié)一下：

移動(dòng)互聯(lián)網(wǎng)浪潮下，現(xiàn)實(shí)世界正在加速數(shù)字化，每個(gè)人，每個(gè)物體、每件事情、每一個(gè)時(shí)間節(jié)點(diǎn)，都在向網(wǎng)上映射?？臻g和時(shí)間兩個(gè)維度的聯(lián)網(wǎng)，使得數(shù)字世界正在接近一步步模擬現(xiàn)實(shí)世界。歷史、現(xiàn)在和未來(lái)都會(huì)映射到網(wǎng)上。對(duì)大數(shù)據(jù)的挖掘正是對(duì)世界的二次發(fā)現(xiàn)和感知。BAT三巨頭已經(jīng)出發(fā)。