大数据时代对社会的影响与挑战

《大数据时代对社会的影响与挑战》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、大数据时代面临机遇和挑战。一、“大数据”概念的界定（一）“大数据”概念的提出与发展2008年9月4日，《自然》（Nature）刊登了一个名为“BigData”的专辑，首次提出大数据（BigData）概念，该专辑对如何研究PB级容量的大数据流，以及目前正在制订的、用以最为充分地利用海量数据的最新策略进行了探讨。[1]2011年5月，EMC（全球最大的外置存储硬盘供应商）举办了主题为“云计算相遇大数据”的大会；紧随其后，IBM、麦肯锡等众多国外机构发布了“大数据”的相关研究报告，2011年6月，麦肯锡全球研究所发布研究报告——《大数据的下一个前沿：创新

2、、竞争和生产力》（BigData:TheNextFrontierforInnovation,Competition,andProductivity）[2]，首次提出“大数据时代”来临。此后，联合国、世界经济论坛也纷纷关注信息时代海量数据对社会经济发展所带来的冲击，2012年5月，联合国“全球脉冲”(GlobalPulse)计划发布《大数据开发：机遇与挑战》（BigDataforDevelopment:Challenges&Opportunities）[3]报告，阐述了大数据带来的机遇、主要挑战和大数据应用。2011、2012年达沃斯世界经济论坛将大

3、数据作为专题讨论的主题之一，发布了《大数据、大影响：国际发展新的可能性》（BigData,BigImpact:NewPossibilitiesforInternationalDevelopment）[4]等系列报告。奥巴马政府创造性地将“大数据”概念全面引入到公共行政领域。2009年，美国联邦政府发布《开放政府指令》（TheOpenGovernmentDirective），作为大数据的前奏推出了“Data.gov”公共数据开放网站。2012年3月，美国联邦政府发布了《大数据研究和发展倡议》（BigDataResearchandDevelopment

4、Initiative）[5]，正式启动了“大数据发展计划”，宣布将投入超过2亿美元在大数据研究上[6]；同年5月，联邦政府发布《数字政府战略》（DigitalGovernmentStrategy）[7]，致力于为公众提供更好的“数字化”服务，围绕数据进行的一系列措施在美国政府全面推进，大数据对美国政府的影响逐步显现。（二）大数据的概念“大数据”作为信息社会发展的一个新生事物，目前尚处在逐渐被认识、被应用的初始阶段，无论是学术界还是IT行业对大数据的理解各有侧重，尚未形成一套完整的理论体系，因此很难进行精准的定义。维基百科将大数据定义为“所涉及的资料

5、量规模巨大到无法通过目前主流软件工具在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯”[8]。全球知名的咨询公司如麦肯锡、Gartner以及知名信息化企业如IBM等作为大数据的推崇者，更侧重于从技术层面界定大数据。2011－2013年，Gartner发布了多个与大数据有关的白皮书，如“HypeCycleforBigData,2012”，定义了大数据的技术生命周期，报告中指出大数据不只是一项单一的技术，而是一个概念，一套技术。《互联网周刊》则认为，“大数据是通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见，最

6、终形成变革之力”。[9]⒈大数据的技术属性大数据在诞生之初仅仅是一个IT行业内的技术术语，其主要的特征有：海量化数据（Volume）——数据体量巨大及规模完整性。随着数据加工处理技术的提高，网络宽带的成倍增加，以及社交网络技术的迅速发展，使得数据产生量和存储量成倍增长，数据规模从TB级别跃升到PB级别。多样化结构（Variety）——数据类型繁多。随着物联网、社交网络、智能终端等的普及和应用，网络日志、视频、图片等非结构化数据所占比例越来越大。高速化处理（Velocity）——主要表现为数据流的处理速度快。数据规模的无限扩张既对高速化处理提出了新的

7、要求，也为其带来了新的机遇，大数据的高速化处理要求具有时间敏感性和决策性的分析，要求能在第一时间抓住重要事件发生的信息。这一点也是大数据和传统的数据挖掘技术的本质区别所在。低密度价值（Value）——体现出的是大数据运用的真实意义所在。数据规模大并不意味着价值高，相反，这些数据间更多地表现为稀缺性、不确定性和多样性。[10]尽管对大数据难以明确定义，但大数据所具有的规模性（Volume）、多样性（Variety）和高速性（Velocity）特征被广泛地认同。在3V基础上，人们对大数据的第四特性有不同的看法，IDC认为大数据具有高价值性（Value）

8、，尽管这种价值更多地表现在低价值度的碎片化数据中，如何挖掘这种价值正是大数据的关键所在；IBM则认为大数据应该具有真实性（