大數(shù)據(jù)這個(gè)概念提了好多年。每次提到大數(shù)據(jù)的時(shí)候，都是個(gè)性化、精準(zhǔn)化，大家能想到的就是這些。在很多年前，IBM和很多大互聯(lián)網(wǎng)公司都在提這個(gè)話題。但是它真正產(chǎn)品化或者商業(yè)化的價(jià)值，是在2011、2012年以后才有了爆發(fā)性的增長(zhǎng)。
它有一些原因：
第一個(gè)是這兩年確實(shí)是隨著社會(huì)化媒體的普及、數(shù)據(jù)的量爆發(fā)式的增長(zhǎng)。大家每天在網(wǎng)上分享的文字、圖片、視頻，它的數(shù)據(jù)的規(guī)模要超過我們歷史上任何時(shí)期。有價(jià)值的信息也越來越多。歷史上，很多年前大家上互聯(lián)網(wǎng)，信息無非就是各種網(wǎng)頁，小網(wǎng)站、大網(wǎng)站。信息的價(jià)值不像現(xiàn)在這么充分。現(xiàn)在太多的信息反映了各位的動(dòng)機(jī)或者各位的興趣特征。比如說我兒子三歲，我經(jīng)常會(huì)發(fā)我兒子的照片，發(fā)一些養(yǎng)孩子的心理感受。結(jié)果他就曝露了我興趣的方向。這對(duì)我們數(shù)據(jù)的應(yīng)用會(huì)很有幫助。不像以前你頂多看各種各樣的網(wǎng)頁，各家的網(wǎng)頁也沒有辦法統(tǒng)一做大數(shù)據(jù)的分析。
還有一個(gè)比較重要的一點(diǎn)，也是我感觸比較深的一點(diǎn)是開放。我們以前提到個(gè)性化，大家聽過最多的有關(guān)大數(shù)據(jù)的案例就是沃爾瑪?shù)哪虿粷?，那就是大?shù)據(jù)的雛形，如果我們把這個(gè)數(shù)據(jù)運(yùn)用到網(wǎng)站說，大家想到最多的就是隱私。因?yàn)槟愕呐d趣愛好觸犯了我的隱私。但是現(xiàn)在微博、Twitter，facebook，很多社交化媒體的典型特點(diǎn)是開放的。QQ和微博最大的區(qū)別是，QQ的關(guān)系鏈，你的朋友是誰，大家是不知道的，前提是這是你的隱私。但是微博，你收聽了誰、關(guān)注了誰，你發(fā)的每一條微博所有人都看得到。你使用這個(gè)產(chǎn)品，相當(dāng)于你簽了一個(gè)協(xié)議，我要開放。不能說你在這個(gè)基礎(chǔ)上做一些數(shù)據(jù)的應(yīng)用是侵犯隱私，這個(gè)在理論上是不成立的。因?yàn)槊總€(gè)人的特征，哪怕技術(shù)不去做，我們用肉眼把你的微博拉下來看一下，也大概能看一下你的領(lǐng)域，或者你的興趣。這也給我們做大規(guī)模數(shù)據(jù)挖掘應(yīng)用提供了一個(gè)非常大的前提。隱私的問題在產(chǎn)品形成之前就解決了。
我這里簡(jiǎn)單列了一下微博的數(shù)據(jù)情況，我們每天發(fā)的微博，還有圖片，現(xiàn)在都是以數(shù)百億的來計(jì)算。這里面有一個(gè)，除了你發(fā)微博本身，還有一個(gè)重要的就是社會(huì)網(wǎng)絡(luò)，就是你的人際關(guān)系。在QQ的時(shí)候是沒有辦法做分析的，因?yàn)樗怯须[私的。但是微博非常好的一點(diǎn)，你的社會(huì)關(guān)系我們可以很放心的來使用。因?yàn)槭枪_的。在騰訊微博這樣一個(gè)產(chǎn)品里面，你會(huì)發(fā)現(xiàn)社交關(guān)系的數(shù)量達(dá)到了三百億的量級(jí)。這里面有一個(gè)傳播路徑，你發(fā)了一條信息，它的傳播的可能性軌跡，達(dá)到了萬億級(jí)別的路徑。這就是一個(gè)很大的大數(shù)據(jù)。大家很難想象，微博這樣一個(gè)產(chǎn)品，這樣大的一個(gè)產(chǎn)品體系里面，我們擁有近千臺(tái)的服務(wù)器用來計(jì)算，還不是用來做產(chǎn)品，不是用來提供服務(wù)，只是用來做離線的計(jì)算，運(yùn)算出各種公式和結(jié)果，就需要近千臺(tái)服務(wù)器。這些服務(wù)器和幾年前的服務(wù)器性能、規(guī)模都有很大的區(qū)別，每臺(tái)服務(wù)器的存儲(chǔ)空間都有數(shù)個(gè)T，我們有近千臺(tái)數(shù)個(gè)T的服務(wù)器做運(yùn)算。這么簡(jiǎn)單的一件事情，就需要近千臺(tái)服務(wù)器幫助大家運(yùn)算，你到底跟哪個(gè)人可能是朋友，到底跟哪個(gè)人是你感興趣的領(lǐng)域。在那天地震的時(shí)候，我們快速的分析出，運(yùn)算一下現(xiàn)在有哪些地震情況，還是蠻有意思的，地域的分布，這些都是大數(shù)據(jù)的運(yùn)用。大數(shù)據(jù)有兩大類數(shù)據(jù)可以用。第一類是微博里面非常重要的，你發(fā)表、收聽和關(guān)注這些全都是公開的。有一部分影視數(shù)據(jù)是典型瀏覽行為。這部分還是牽扯到應(yīng)用情況。所以用的謹(jǐn)慎一些。
大數(shù)據(jù)能做什么?我們那么多地方探討大數(shù)據(jù)，無非總結(jié)下來就做三件事：
第一，對(duì)信息的理解。你發(fā)的每一張圖片、每一個(gè)新聞、每一個(gè)廣告，這些都是信息，你對(duì)這個(gè)信息的理解是大數(shù)據(jù)重要的領(lǐng)域。
第二，用戶的理解，每個(gè)人的基本特征，你的潛在的特征，每個(gè)用戶上網(wǎng)的習(xí)慣等等，這些都是對(duì)用戶的理解。
第三，關(guān)系。關(guān)系才是我們的核心，信息與信息之間的關(guān)系，一條微博和另外一條微博之間的關(guān)系，一個(gè)廣告和另外一個(gè)廣告的關(guān)系。一條微博和一個(gè)視頻之間的關(guān)系，這些在我們?nèi)庋廴タ吹臅r(shí)候是相對(duì)簡(jiǎn)單的。
比如有條微博說這兩天朝鮮綁架我們船的事，那條微博也大概是談這件事的。人眼一眼就能看出來。但是用機(jī)器怎么能看出來這是一件事，以及他們之間的因果關(guān)系，這是很有難度的。然后就是用戶與用戶之間的關(guān)系。哪些人你愿意收聽，是你的朋友，哪些是你感興趣的領(lǐng)域，你是一個(gè)音樂達(dá)人，你是一個(gè)吃貨，那個(gè)用戶也是一個(gè)吃貨，你愿意收聽他。這就是用戶與用戶之間的關(guān)系理解。還有用戶與信息之間的理解，就是你對(duì)哪一類型的微博感興趣，你對(duì)哪一類型的信息感興趣，如果牽扯到商業(yè)化，你對(duì)哪一類的廣告或者商品感興趣。其實(shí)就是用戶與信息之間的關(guān)系，他無非是做這件事。
大數(shù)據(jù)說的那么懸，其實(shí)主要是做三件事：對(duì)用戶的理解、對(duì)信息的理解、對(duì)關(guān)系的理解。如果我們?cè)谶@三件事之間還要提一件事的話，一個(gè)叫趨勢(shì)。他也是關(guān)系的一種變種，只是關(guān)系稍微遠(yuǎn)一點(diǎn)，情感之間的分析，還有我們政府部門做的輿情監(jiān)控。他可以監(jiān)控大規(guī)模的數(shù)據(jù)，可以分析出人的動(dòng)向。在美國(guó)的好萊塢，這兩年也是基于FACEBOOK和TIWTTER的數(shù)據(jù)來預(yù)測(cè)即將上映的電影的票房。他也是一個(gè)趨勢(shì)的分析，只是我們把這個(gè)趨勢(shì)提前來。核心就是這三件事。
為什么要講這些呢?
因?yàn)檫@些在我們新版里面都有很充分的體現(xiàn)。我們的新版要做什么。新版核心是要做提高閱讀效率這件事。微博本身的形態(tài)就是很碎片化的。這個(gè)碎片化還不是因?yàn)榇蠹疑暇W(wǎng)的時(shí)間碎片化，我指的是信息的碎片化。微博就是那一百來個(gè)字，你收聽、關(guān)注了哪些人都是很隨機(jī)的，你看信息是非常零碎的。你看到一件事情的時(shí)候基本上不可能在微博上看到它的全貌。一個(gè)人說了幾句，金三胖真過分，又抓我們漁民，你能知道這件事是什么嗎?你要想知道這件事是什么。高端的人還可以搜一搜，倒騰這件事。對(duì)于一些小白來說，他根本不知道這件事是什么。新聞門戶這個(gè)時(shí)候就很重要。新聞門戶我點(diǎn)來點(diǎn)去，他大概就能看出這件事是什么。這和產(chǎn)品本身有關(guān)。但是也和這兩年隨著大家上微博越來越多，信息爆炸、信息過載有關(guān)?，F(xiàn)在我收聽了一千多號(hào)人，如果十分鐘不看的話，就一定是一百條以上沒有看。有很多我關(guān)注的信息也可以遺漏在這一百條，或者幾百條信息里面。幾百條里面有大量的營(yíng)銷、笑話、段子，我很感興趣的我的前女友的動(dòng)態(tài)就被這些段子埋沒進(jìn)去了。但是我的前女友又不太活躍。她甚至一兩個(gè)星期才發(fā)一條微博，基本上很難看得到。這就是我們微博產(chǎn)品本身的特點(diǎn)。所以我們通過幾個(gè)功能來解決信息獲取的效率。第一個(gè)是從內(nèi)容的角度對(duì)微博進(jìn)行分類，我們的頻道是通過內(nèi)容的角度把內(nèi)容歸類，把優(yōu)質(zhì)內(nèi)容提取出來。微熱點(diǎn)也是從內(nèi)容的角度把內(nèi)容進(jìn)行分類。廬山地震，別人只提了幾個(gè)字，在你的頂欄里面就會(huì)出現(xiàn)廬山地震的內(nèi)容，這是對(duì)內(nèi)容進(jìn)行分類。第二，從人的角度把信息分類，我們新版會(huì)推出一個(gè)東西，叫微圈，他是智能的分組。尤其是我們這些比較活躍的人，你可能收聽了八百、五百人，你有沒有耐心一個(gè)一個(gè)的分一個(gè)組?這是很難的，大部分人不會(huì)做這件事。所以我們是智能的分組，你什么都不用管，直接幫你分好。我的前女友我可以建一個(gè)前女友群，我要看她的消息，我就點(diǎn)到那個(gè)群里，可以分類的看這些人的動(dòng)態(tài)。
舉一個(gè)對(duì)用戶理解的能力，大家都知道李開復(fù)是這樣的，大家都知道他在微博里面有這么多我們可以分析的技術(shù)的點(diǎn)。這些點(diǎn)牽不牽扯到隱私?你去他的網(wǎng)頁上看一看也可以得到這些結(jié)論。只是這么多的點(diǎn)，你能不能憑應(yīng)用分析出來。
最后再總結(jié)一下大數(shù)據(jù)是干嗎的。
這兩年再怎么提大數(shù)據(jù)，它和歷史上出現(xiàn)的許多技術(shù)一樣，它只是一種能力和技術(shù)而已，只是一種工具而已。只是這兩年由于數(shù)據(jù)規(guī)模的擴(kuò)大，以及基于大數(shù)據(jù)誕生了很多新的產(chǎn)品和商業(yè)化的形態(tài)。所以我們才這么火的來提它。其實(shí)它還只不過是一種工具而已。我們的總結(jié)是基于大數(shù)據(jù)解決用戶的需求，提供一種最優(yōu)質(zhì)的服務(wù)才是最終目標(biāo)，大數(shù)據(jù)只是工具而已，并沒有那么懸。
在目前為止，基于大數(shù)據(jù)的應(yīng)用大都還局限在商業(yè)化為主。更多的還是提怎么做精準(zhǔn)廣告，怎么做商品推薦，怎么做這些這些。真正敢把它做產(chǎn)品化的還比較少。因?yàn)樗械拇髷?shù)據(jù)這些智能的東西都有一個(gè)特點(diǎn)，不是百分之百的準(zhǔn)確率。不像你要做一個(gè)什么樣的產(chǎn)品功能，按紐放哪就放哪，不會(huì)有錯(cuò)誤。大數(shù)據(jù)的特點(diǎn)是它只能做到一定的準(zhǔn)確率，你敢不敢產(chǎn)品化，取決于你對(duì)這個(gè)能力的準(zhǔn)確度提高到什么程度。就以我們這次微圈舉例，或者以微熱點(diǎn)舉例，如果你把一個(gè)用戶智能分組只能準(zhǔn)確到50%、60%。結(jié)果是適得其反的。你把熱點(diǎn)的聚類聚在一起，并且和你主頁上的信息匹配的時(shí)候，你的準(zhǔn)確率敢不敢做到80%、90%以上?這就是為什么我開始跟大家講大數(shù)據(jù)。其實(shí)就是第一次我們也是大規(guī)模的把大數(shù)據(jù)這種技術(shù)的能力和騰訊對(duì)數(shù)據(jù)獨(dú)有的數(shù)據(jù)規(guī)模的優(yōu)勢(shì)應(yīng)用到產(chǎn)品中去。
