戏说大数据
知道了大数据隐私的上述无穷杀伤力后，你也许就会追问，到底什么是大数据吧。
怎么回答呢！如果我给你背几段专家定义，那么，你很快就被搞晕了。比如，国际权威咨询机构Gartner说：“大数据，就是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产”。麦肯锡全球研究所说：“大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征”。
还有更多的权威专家们，总结了大数据的若干其它特性，比如，容量的超大性呀，种类的多样性呀，获取的快速性呀，管理的可变性呀，质量的真实性呀，渠道来源的复杂性呀，价值提取的重复性呀，等等。
伙计，劝你在未被搞晕前，赶紧先从专家定义中跳出来吧！
其实，形象地说，所谓大数据，就是由许多千奇百怪的数据，杂乱无章地堆积在一起的东西。比如，你主动在网上说的话、发的微博微信、存的照片、收发的电子邮件、留下的诸如上网纪录等行动痕迹等，都是大数据的组成部分。
在不知道的情况下，你被采集的众多信息，比如，被马路摄像头获取的视频、手机定位系统留下的路线图、在各种情况下被录下的语音、驾车时的GPS信号、电子病历档案、公交刷卡记录等被动信息，也都是大数据的组成部分。
还有，各种传感器设备自动采集的有关温度、湿度、速度等万物信息，仍然还是大数据的组成部分。总之，每个人、每种通信和控制类设备，无论它是软件还是硬件，其实都是大数据之源。甚至，像本拉登那样完全与世隔绝，不对外流露任何蛛丝马迹的人，也在为大数据提供信息；因为，一个大活人，“不对外提供信息”本身，就是一条重要的信息，说明此人必定有超级秘密！
一句话，无论你是否喜欢，大数据它就在那里；无论主动还是被动，你都在为大数据做贡献。大数据是人类的必然！
大数据与垃圾处理
大数据到底是靠什么法宝，咋知道那么多秘密的呢？用行话说，它利用了一种名叫“大数据挖掘”的技术，采用了诸如神经网络、遗传算法、决策树方法、粗糙集方法、覆盖正例排斥反例方法、统计分析方法、模糊集方法等高大上的方法。大数据挖掘的过程，可以分为数据收集、数据集成、数据规约、数据清理、数据变换、挖掘分析、模式评估、知识表示等八大步骤。
伙计，如果你已能把所有这些方法和步骤搞清楚了的话，那么，恭喜你，你已成为大数据博士了！可惜，一般人根本不关心这些“阳春白雪”，所以，还是让我们请出“下里巴人”来吧。
大数据产业，可能将是世界上最挣钱的产业！无论从工作原理、原料结构，还是从利润率等方面来看，能够与大数据产业相比拟的，也许只有另一个，从来就不被重视的产业，即，垃圾处理和废品回收！
真的，我可不是在开玩笑，更不是在自我贬低哟。
先看工作原理。其实，废品回收和大数据处理几乎如出一辙：废品收购和垃圾收集，可算做是“数据收集”吧；将废品和垃圾送往集中处理工场，算是“数据集成”吧；将废品和垃圾初步分类，算是“数据规约”吧；将废品和垃圾适当清洁和整理，算是“数据清理”吧；将破沙发拆成木、铁、皮等原料，算是“数据变换”吧；认真分析如何将这些原料卖个好价值，算是“数据挖掘”吧；不断总结经验，选择并固定上下游卖家和买家，算是“模式评估”吧；最后，把这些技巧整理成口诀，算是“知识表示”吧！
至于教授们的什么神经网络等大数据挖掘方法，在垃圾处理和废品回收专家们眼里，根本就不屑一顾，因为他们有适应性更强、效果更好的方法。若不信，请用你的所谓遗传算法去处理一下垃圾看看，保准一筹莫展。若你非要追问垃圾专家的挖掘方法是什么，嘿嘿，对不起“祖传秘方”，只传后代，并且传男不传女。
再看原料结构。与大数据的异构特性一样，生活垃圾、工作垃圾、建筑垃圾、可回收垃圾和不可回收垃圾等，无论从外形、质地，还是从内涵等方面来看，也都是完全不同的。与大数据一样，垃圾的数量也很多，产生的速度也很快，处理起来也很困难。如果非要在垃圾和大数据之间找出本质差别的话，那么，只能说垃圾是由原子组成的，处理一次后，就没得处理了；而大数据是由电子组成的，可以反复处理，反复利用。
最后来看利润率。确实有人曾在纽约路边的垃圾袋里，一分钱不花就捡到了价值百万美元的，墨西哥著名画家鲁菲诺·塔马约的代表作《三人行》。而从废品中掏出宝贝，更是家常便饭。即使不考虑这些“天上掉下来的馅饼”，就算将收购的易拉罐转手卖掉，也胜过铝矿利润率；将旧家具拆成木材和皮料，其利润率也远远高于木材商和皮货商。
总之，只要垃圾专家们愿意认真分捡，那么，他们的利润率可以超过任何相关行业。与垃圾专家一样，大数据专家也能将数据(废品)中挖掘出的旅客出行规律卖给航空公司，将某群体的消费习惯卖给百货商店，将网络舆情卖给相关的需求方等等，总之，大数据专家完全可以“一菜多吃”，反复卖钱，不断“冶金”，而且一次更比一次赚钱，时间越久，价值越大。
大数据与人肉搜索
大数据挖掘，从正面来说，是创造价值；从负面来说，就是泄露隐私了！大数据隐私是如何被泄露的呢？
从专家角度来看，大数据隐私的发现和保护，其实很简单，它就是：@3！#￥%√≠→Δ&*(/)】……。明白了吗？如果明白了，那么就请甭读此文了！
如果还没明白，那么，就请老老实实跟我来分解一下经典的“人肉搜索”吧！
一大群网友，出于某种约定的目的，比如，搞臭某人或美化某人，充分利用自己的一切资源渠道，尽可能多地收集当事人或物的所有信息，包括但不限于网络搜索得到的信息(这是主流)、道听途说的信息、线下知道的信息、各种猜测的信息等等；然后，将这些信息按照自己的目的精练成新信息，反馈到网上与其同志们分享。这就完成了第一次“人肉迭代”。
接着，大家又在第一次“人肉迭代”的基础上，互相取经，再接再厉，交叉重复进行信息的收集、加工、整理等工作，于是，便诞生了第二批“人肉迭代”。如此循环往复，经过N次不懈迭代后(新闻名词叫“发酵”)，当事人或物的丑恶(或善良)画像就跃然纸上了。如果构成“满意画像”的素材确实已经“坐实”，至少主体是事实，那么，“人肉搜索”就成功了。
前面的朴大妈和希阿姨就是这种“人肉”的牺牲品！可以断定，只要参与“人肉搜索”的网友足够多，时间足够长，大家的毅力足够强，那么，任何人，那怕你是圣贤，是地球的球长，都经不起考验，都能够被最终描述成恶魔或败类。
其实，所谓的大数据挖掘，在某种意义上说，就是由机器自动完成的特殊“人肉搜索”而已。只不过，现在“人肉”的目的，不再限于抹黑或颂扬某人，而是有更加广泛的目的，比如，为商品销售者寻找最佳买家、为某类数据寻找规律、为某些事物之间寻找关联等等，总之，只要目的明确，那么，大数据挖掘就会有用武之地。
如果将“人肉”与大数据挖掘相比，那么，此时网友被电脑所替代；网友们收集的信息，被数据库中的海量异构数据所替代；网友寻找各种人物关联的技巧，被相应的智能算法替代；网友们相互借鉴、彼此启发的做法，被各种同步运算所替代；各次迭代过程仍然照例进行，只不过机器的迭代次数更多，速度更快而已，每次迭代其实就是机器的一次“学习”过程；网友们的最终“满意画像”，被暂时的挖掘结果所替代，因为，对大数据挖掘来说，永远没有尽头，结果会越来越精准，智慧程度会越来越高，用户只需根据自己的标准，随时选择满意的结果就行了。
当然，除了相似性外，“人肉”与“大数据挖掘”肯定也有许多重大的区别，比如，机器不会累，它们收集的数据会更多、更快，数据的渠道来源会更广泛，总之，网友的“人肉”，最终将输给机器的“大数据挖掘”。
必须承认，就当前的现实情况来说，“大数据隐私挖掘”的杀伤力，已经远远超过了“大数据隐私保护”所需要的能力；换句话说，在大数据挖掘面前，当前人类还突然有点不知所措。这种情况确实是一种意外，因为，自互联网诞生以后，在过去几十中，人们都不遗余力地将若干碎片信息永远留在网上；其中，每个碎片虽然都完全无害，可谁也不曾意识到，至少没有刻意去关注，当众多无害碎片融合起来，竟然后患无穷！
提防大数据挖掘机
不过，大家也没必要过于担心，因为，在人类历史上，类似的被动局面已经出现过不止一次了，而且每次最终都会有惊无险地顺利过关；比如，天花病毒突然爆发引发恐慌后，人类便很快将其彻底消灭。其实，只要已经意识到出了问题，人类都一定能够想办法，直到圆满解决。
历史上，“隐私保护”与“隐私挖掘”之间是这样“走马灯”的：人类通过对隐私的“挖掘”，在获得空前好处的同时，又产生了更多需要保护的“隐私”。于是，又不得不再回过头来，认真研究如何保护这些隐私。当隐私积累得越来越多时，“挖掘”它们就会变得越来越有利可图，于是，新一轮的“魔高一尺道高一丈”又开始了。如果以时间长度为标准来判断的话，那么，人类在“自身隐私保护”方面整体处于优势地位，因为，在网络大数据挖掘之前，“隐私泄露”好像并不是一个突出的问题。
针对过去已经遗留在网上的海量碎片信息，如何进行隐私保护呢？如果单靠技术，显然无能为力，甚至会越“保护”就越“泄露隐私”，因此，必须多管齐下。比如，从法律上，禁止以“人肉搜索”为目的的大数据挖掘行为；增加“网民的被遗忘权”等法律条款，即，网民有权要求相关网络删除“与自己直接相关的信息碎片”。
从管理角度，也可以采取措施，对一些恶意的大数据行为进行发现、监督和管控。另外，在必要的时候，还需要重塑“隐私”概念，因为，毕竟“隐私”本身就是一个与时间、地点、民族、宗教、文化等有关的东西，在某种意义上也是一种约定俗成的东西，从来就没有过永恒不变的“隐私”，特别是当某种东西已经不可保密时，无论如何它也不该再被看成是“隐私”了；就像非洲某些部落妇女的乳房，至今仍然不是隐私一样。
(责任编辑：安博涛)
