穹顶数据是由成都大数据工业技能研讨院主张建立的，我国专业的大数据职业社区，会聚多样全面的科学数据集资源及大数据职业人才，致力于成为全球最大的数据要素流通渠道。

  面向大数据职业从业人员及爱好者，供给丰厚多样的科学数据集资源，以及在线工作台，开发者可以在线运用穹顶数据供给的科学数据集练习自己的算法模型，也可以下载数据集资源，在本地运用。

  周涛，电子科技大学大数据研讨中心主任、教授；成都数之联科技有限公司创始人；在Physics Reports、PNAS、Nature Communications等世界SCI期刊宣布300余篇学术论文，引证超越17000次，H指数为63；畅销书《为数据而生：大数据立异实践》作者。

  “大数据”首要是指规划大的数据，但又不仅如此。“大数据”还有“穿插复用”和“全息可见”两个特征。

  假如每一个数据都是一个孤岛，只能在其直接相关的范畴发挥自身的价值，那么这不是值得咱们振奋的所谓“大数据”。咱们要找到和完成数据之间一加一远大于二的价值，也便是发挥数据的外部性。比方国家电网的用电数据可以用于判别经济走势，移动通讯基站定位数据可以用于优化城市交通规划，微博上的重视联系和内容信息可以用于购物引荐和广告推送……以用户为中心，结合用户在不同体系留下的数据，充分使用个性化的数据发掘技能，是完成经过数据穿插而发生巨大价值的最可行的途径。一句话，大数据要求数据能充分发挥其外部性并经过与某些相关数据穿插交融发生远大于简略加和的巨大价值！

  假如谷歌把每天悉数更新的数据依照他们内部约好的格局开放给一个三四个人组成的科研或创业团队，这种仁善之举不会对这个团队有任何的协助，由于他们没有针对这种量级的数据进行检索、抓取、核算、剖析的才能。或许他们仅仅只对数据内部的一个特定逻辑片段有爱好，可是他们没有方法知道这个逻辑片段坐落这个数据的哪个方位，以及经过什么方法获取。幻想一个披着铠甲的二维生物，其他二维生物无法看到它的内部，可是咱们作为三维人，却可以经过第三个维度看到它悉数的悉数细节——低维物品关于高维生物而言是全息可见的。所以说，大数据规划可以很大，可是用起来应该举重若轻，像操作“小数据”相同简略，这就要求数据组织地十分好，内部的各种内容及相关清晰可见且简单调用获取，使得一般研讨人员和开发人员可以自若获取数据的逻辑片段并进行剖析处理。

  大数据年代最尖利的对立之一，是可获取信息量的爆炸性增加和用户鉴别挑选信息才能的有限性。大数据年代最重要的时机之一，是许多数据开端环绕个人活动。结合对立和时机，我以为在大数据年代，个性化将推翻悉数传统商业模式，成为未来商业开展的终极方向和新驱动力。

  跟着顾客个别行为数据的爆发性增加，新的商业理论与商业模式不断涌现，无论是精准社会化营销仍是依据用户偏好的商场细分，其所指向的趋势是共同的，即为每一个终端顾客供给他们最想要的产品与服务。大数据为个性化商业使用供给了足够的营养和可持续开展的膏壤，依据穿插交融后的可流通性数据,以及全息可见的顾客个别行为与偏好数据，未来的商业可以精准地依据每一位顾客不同的爱好与偏好为他们供给专特点的个性化产品和服务。

  在以互联网和移动互联网为代表的信息工业，由于用户个别行为数据的可追踪性以及施行个性化的边沿本钱相对较低，依据个性化的商业使用首要破茧而出。在我国电子商务范畴，百分点科技首先经过个性化技能为用户进行智能导购，大幅进步用户体会与出售成绩。而更好信息服务的根底，恰是依据百分点科技累积的2亿多不同用户对8000多万种产品的阅览、保藏、购物等行为。百分点科技亦在媒体、金融、医疗等范畴测验供给个性化服务。在不远的未来，个性化技能与使用将全面扩展到人们日子的每一个范畴。

  我主张读者结合阅览牛津大学互联网研讨所维克托教授的作品《大数据年代》和北京大学光华管理学院苏萌教授的作品《个性化：商业的未来》，必有所获。

  猜测是大数据最中心的科学问题。现在学术界首要关怀两类猜测问题，一是趋势猜测，二是缺失信息猜测。

  趋势猜测是指经过事物的一些底子特点信息和前期的态势剖析，猜测事物开展的轨道和终究影响力。比方经过剖析交际网络中注册一个月的用户的行为以及这些用户与其他用户的互动，猜测哪些用户将来会成为很有影响力的用户；经过用户-产品二部分图中产品的前期体现，例如一首新歌或一个新歌手上线一周的状况，来猜测这首歌或许这个歌手有没有或许走红；经过一条信息前期数小时在微博网络上的传达状况，来猜测这条信息终究的影响力等等。趋势猜测的经济价值严重。互联网科学中心曾与华为协作研发了手机彩铃下载量猜测体系，该体系协助营销部分规划商场推广战略，获得了巨大的经济报答。

  缺失信息猜测假定咱们观察到的信息仅仅悉数实在信息的一部分，在这个根底上讨论怎么使用当时信息去猜测未观察到的信息。比方咱们现在经过试验所知道的蛋白质之间的相关效果联系仅仅悉数联系中很小的一部分，可是试验验证费用贵重，经过猜测，预先判别哪些蛋白质之间或许有相互效果并以此辅导试验，可以大大节约试验本钱。又比方，新浪微博上的重视目标引荐是一种典型的缺失信息猜测，由于做出引荐的底子假定是“某甲应该重视某乙，只不过现在还没有重视”。

  同悉数新式事物相同，大数据向咱们展示美好前景的一起，也会带来若干不安要素。其间，站在普通用户的视点，我觉得最应该忧虑的是隐私走漏的问题。隐私问题一向存在，可是曾经走漏的方法和途径比较零星，而大数据的技能和理念，使得企业和政府有或许曾经所未有的力度和粒度把握咱们个人的信息，拼出一个人的全景信息。

  与战战兢兢于怎么更好维护自己的观念不同，我以为普通用户假如要真实融入大数据年代，享用个性化专属信息服务，不得不献身一部分个人隐私——实际上，即使你不愿意，一般用户也没有才能维护自己的隐私。所以，支付巨大尽力，抛弃许多有意义的服务，测验维护自己，往往是因小失大。反过来，政府和业界需求做的，是规划十分严苛严厉的法令法令和职业规矩，全力冲击那些除了供给非侵入性的或用户赞同的服务外，还以损伤用户的方法使用用户隐私牟利的企业。经过进步损害用户隐私的赏罚力度，使得这种行为自身变得因小失大，这才是底子管理的方法。

  关于其他或许的坏处也应相似，一方面要进步用户的警惕性，另一方面也不能把防备坏处的担子放到用户身上，而要由政府和业界承当更多职责！回来搜狐，检查更多