大数据，科研论文发表分析

本文分析数据来自于Web of Science, Google trend.

这篇文章准备从论文发表的角度分析，“大数据”为主题的论文有什么样的特征，这些内容对于特别是希望在这个领域发表论文的人会有帮助。

<1> 不同于前面两篇文章，这次我将会主要以统计信息客观的反应“大数据”在搜索引擎中被索引的热度，还有已发表的论文统计结果能够展现出怎样的特性。

      首先，在goole trend中同时添加"big data"和"cloud computing"这两个词，google服务器会为我们计算出这两个词的关注度随时间变化趋势图，这张图反应了从２００４年到目前这个时间段内关键词的评分变化。该评分变化反应的是这个关键词相对的关注度变化，google通过自己的统计方式和标准化过程，将关注度记为0-100分。详细计分方法

Figure 1.来自google trend的结果

      图中的英文字母代表了与关键词相关的新闻头条。蓝色表示的是关于“cloud computing”的关注度，从2008年开始年关注度震荡上升，2011年达到顶峰到今天回落到50，2年的时间下跌了将近50%；再看看红色曲线代表的“big data”，从2012年起，开始高强度的进入公众的视野，用了1年的时间几乎复制云计算的神话。最高达到将近40的关注度。这个结果完全符合Gartner曲线，也印证了笔者之前两篇文章的分析。[1]   [2]

      对于红色反应的“big data”，尽管Sam Shead的一篇名为Bigging up big data: Why the hype is about to stop的文章中。引用了Gartner一位分析师的话，最终把该技术发展势头不足的原因归结于采用的实现技术Hadoop早已经存在，并且快要过时了无法满足“大数据”的要求，这样的结论是没有根据的，hadoop只是一个开源的对数据进行分布式处理的软件框架，它的过时并不能代表大数据行不通，或许已经存在或者即将产生更多的商用且比MapReduce方法更强大有效地实现技术，所以hadoop的走势并不能代表大数据的走势。

         反观上面那条蓝色的曲线，同样在2009年初和2010年7月，“cloud computing”曾经出现过2次明显的关注度下滑，但是随后有了迅猛的回升，我认为原因是在某些方面产生了突破，比如在前沿的科研范围内有了新的理论或者新的工程技术诞生，或者是过往的科学成果实现了商业化而且有了比较乐观的成效。