《品味大数据》之序言

【作者按】写了一年多，流了一堆汗，拙作《品味大数据》终于在亚马逊、京东和当当网等网店上线了。作为小人物，写了本关于大数据的科普读物，虽不免于被大家们所不屑，但这本小书，也见证了我一年多的思考与成长历程，我思故我在嘛，值得纪念一下，特把图书的序言发表于此，如同一些大煞风景的游客，在建筑物上刻着“xxx到此一游”一样，若干年后，我也想说那么一句，“嗯，那些年，在大数据流行的时候，俺也写过那么一本书！”折腾了一辈子，人过要留名，雁过要留声，算有这么件事。

没有大牛为我写序，我为自己代言。

以下为我的序言。

 

在路上，学而时习之

当下，大数据(Big Data)被炒得如此之火，以至于很多人都在谈论它。有人逢人说项，甘做它的布道者。也有人对大数据的炙手可热，嗤之以鼻。然而，到底什么才是大数据，却没有太多人能真正说得透彻。

引用TED^[①]的创始人[更正：杜克大学著名行为经济学教授、畅销书《怪诞行为学：可预测的非理性》作者]丹•艾瑞里（Dan Ariely）写在自己脸谱网（Facebook）上的一句玩笑话：大数据就像青少年谈性，每个人都津津有味地谈论它，却没有人真的知道如何来做，而每个人又认为其他人在做，于是每个人都声称自己在做^[②]。

艾瑞里对大数据的理解，无厘头中不乏有趣，他形象地道明了，很多人在谈论“大数据”时，其实都有这么一种似是而非的感觉。

可能是所学专业为计算机的缘故，过去时常有友人问我这个“专业人士”有关大数据的问题。因为对此领域并未涉猎，每每那时，我心里不免发虚，甚至“两股战战，几欲先走”。迫于这种压力，我决定一探究竟，大数据到底是个什么东西？为何几乎身边每个人都在谈？就这样，我踏上了学习的大数据之路。

随着对大数据的不断学习，我逐渐明白：对于大数据，真想要弄个清清楚楚、明明白白，并非易事！学习的道路也并不平坦。为了避免“偏信则暗”，就得“兼听则明”，集众家之所长，花费大量时间和精力，去阅读很多文献和书籍。

为了让自己更清楚地理解大数据，在学习的路上，我就对大数据的体会以及一些有关大数据的核心观点和关键技术，包括其中的些许感悟和随想成文，形成了一系列的科技随笔。

这些科技随笔如《来自大数据的反思：需要你读懂的10个小故事》、《大数据，小数据，哪道才是你的菜？》、《大数据专家Bernard Marr：大数据是如何对抗癌症的？》及《PayPal高级工程总监：读完这100篇论文 就能成大数据高手》（编译）等，先后在知名中文IT社区CSDN上作为头条发表，并被很多大数据网站及微信公众号平台上转载，得到了读者的普遍好评，心感甚慰。

后来，北京大学出版社和龙马教育的编辑老师鼓励我，让我把大数据的科技随笔和学习笔记集结成书，写一本半学术化的大数据科普图书。编辑老师的“盛情难却”，但我又“诚惶诚恐”。

这是因为，在中国，“文人相轻”由来已久。或许就有读者会很“犀利”地质疑，现在有关大数据的书如此之多，何差你这一本？

这里，我不妨用哈佛大学著名统计学家孟晓犁（Xiao-LiMeng）教授的一句格言，聊以自慰：“你不需要先成为一名酿酒师，才能品酒^[③]”。而拙著的名称恰恰就叫《品味大数据》。

在这本书中，我把很多学者、大家的观点汇集、梳理后呈现出来，他们的观点都从不同角度，自成一家之言，诸多观点之间甚至可能相左，在书中我并没定论哪个观点正确与否，而是交给读者来判断。犹如上了一桌菜，请君品尝，然后，你说那道菜好，那它就好，是为“品味”之寓意。

此外，在写作过程中，我也常用法国作家安德烈·纪德（AndreGide）的话，来给自己打气：“所有值得拿出来说的事情，早就已经被人说过了。但是，由于以前根本没有人在听，所以必须拿出来再说一遍。”

著名作家、曾经的优秀程序员王小波先生曾戏言^[④]，写作其实就是个“减熵”的过程。熵（Entropy），代表的是信息的一种不确定度，一种未知的程度。对于王小波先生的写作而言，“减熵”过程，其实就是将不确定的、不靠谱的情节，尘埃落定，让它确定下来。这个过程并非易事，很可能是“出力不讨好”的。

王小波先生对写作的评论，让我想起我在本书第三章写下的两段话：

“今天之大数据，之所以再次吸引众人的眼球，就是因为当下的数据体积之庞大、种类之繁多、呈现之迅速，再次超过了当前秩序的容量，于是混沌重现。

但大数据的价值之大，也吸引着人们不得不接纳这种‘混沌’。但‘混沌无序’的大数据，是不能给我们创造价值的。因此，目前所有大数据的研究，在本质，都在干一件事，无非就是将这个无序的大数据时代，变得更加有序、变得可控、变得能为我所用。”

其实第一段话，概括起来，就是大数据给世人带来了“增熵”。第二段话核心思想就是，大数据价值很大，吸引世人为之折腰，为挖掘其价值，就得“减熵”。

由此看来，王小波先生所言的写作过程，其实和大数据的处理过程，在本质上，有异曲同工之妙。

王小波先生的“文学创作”，天马行空，收放自如。科技（或科普）写作好像还难以做到这样。在笔者图书的创作过程中，有时感觉到写作（更确切地说，是学习）过程，其实还是个“增熵”的过程。这是因为，有时候，想把一件事情（或一个概念，一个技术细节）弄明白、写清楚，就得去查阅很多资料，结果查得越多，感觉自己不知道的就越多，“熵”的水平就上来了，信心随之降下去了。有时候，写作也非常摧残人的自信，阅读大量的文献，常常让自己感到渺小和无助。

在我心中，时常有两个小人在纠结斗争。一个富有阿Q精神的乐观小人骄傲地说：写吧，写吧，从CSDN发表的文章反响来看，还不错，一些已经面世的大数据图书，还不一定有你写的深入浅出呢？而另一个“横眉冷对”的悲观小人——小D则狠狠打击道：你这么说，这样写，难道就不怕让那些大数据“大家们”贻笑大方吗？

感性地说，写作不仅是一个智力活，也是个心理自我调节的活，它更是个体力活，要花大量的时间、精力，投入其中。这本书的面世，花费了笔者一年有余的几乎所有休息时间，可谓累身累心。此刻，笔者算是更加深刻地体会到曹雪芹对《红楼梦》的自我评价：“满纸荒唐言，一把辛酸泪，都云作者痴，谁解其中味？”

在这本书里，笔者采用了562个注解（其中包括很多经典的论文、图书及网页资料），之所以这么做，就是为了确保文中的观点是靠谱的，是有据可查的。况且，参考文献的价值，有时大过著作（或论文）本身。这是因为，即使读者认为著作（或论文）本身不咋样，但通过参考文献的指引，相信读者也能快速找到更有价值、更高档次的文献材料^[⑤]。

在这本书里，还配有248有信息量的插图。因为有时候，“一图胜千言”。书中没有复杂的公式，也没有难懂的代码。笔者尽量用通俗易懂的语言，告诉你大数据中比较晦涩难懂的概念和术语。

在这里，之所以用“562”和“248”这样量化的数字，无非是想告诉读者，这是一本很有诚意的、尽心尽力的大数据图书。

在这本书中，侃侃而谈的范围很广，小到街头巷尾的小故事、网络段子，大到《自然》、《科学》高级别的学术论文。我会把有关大数据的一些（鼓励的、批评的及反思的）观点，加上我的一些注解，以图文并茂、通俗易懂的方式展现出来，力图让读者心有余力地品读大数据。

图书的大致布局大致分为如下4大块：第1章～第3章，主要漫谈了大数据有趣的历史，包括数据的启蒙、信息载体的演变和数据管理的发展脉络。第4章～第6章，主要聊聊了大数据的内涵，包括大数据与哲学及第四科学范氏的关联。第7章～第9章是大数据的杂谈，包括大数据的用途所在、可能面临的陷阱以及通过小故事对大数据进行了一些反思，第10章～第11章主要涉及大数据的技术，包括100多篇大数据论文的漫读及Hadoop的实战篇。整体的脉络概括起来就是四个字——“顶天立地”，所谓“顶天”，是指我们先讲了一些“务虚”的大数据道理，而所谓“立地”，是指我们随后又聊了聊比较接地气的大数据技术。

两千多年前，孔夫子就曾说过,“学而时习之，不亦说乎？”，这句话都有着很多精彩的解读。费孝通先生认为[⑥],“学”是和陌生事物的最初接触，“习”是陶炼，而“不亦说乎”描写得则是熟悉之后的亲密感觉。

在大数据学习之路上，笔者更加喜欢杨伯峻先生在《论语译注》[⑦]中对这句话的解释：“学了，然后（按一定的时间）去实习它，不也高兴吗？”对于大数据的学习，也应是这样，大数据的道理我们懂了之后，然后在得创造条件去实践它。这也是本书的写作初心。

读完这本书，读者能从中得到什么呢？在回答这个问题之前，我们先重温一下2012年《哈佛商业周刊》刊登的一篇文章[⑧]，文章指出，数据科学家是21世纪最性感的一个职业（Data Scientist ：The sexiest Job of 21^st Century）。在这个数据日益泛滥成灾的大环境下，对于这个论断，不管你信不信，反正我是信了。

数据科学家，其实就是采用科学方法、运用数据挖掘工具，在数据中寻找有价值的新洞察的那么一群人。

而想成为这么一群人，首先要具备大数据思维，认可大数据能带来大价值。我们知道，思维影响决策，很多时候，正确的思维，能起到非常重要的战略引领作用。阿里巴巴董事局主席马云先生，就是一个非常励志的例子。作为一位曾经的大学英语教师，其本人并不懂什么具体的大数据技术，却能够非常成功地带领阿里巴巴走上大数据之路，并布局未来，要从IT（Information Technology，信息技术）向DT（Data Technology，数据技术）战略转型。这不仅仅是技术的升级，更是思维方式的巨大变革。而这本书的前半部分，有助于读者培养这方面的大数据思维。对于文科背景的读者，效果可能更为明显。

大数据思维有了，还得“知行合一”，把思维落实到行动上。这就需要有专门从事大数据技术的DT工程师。数据科学家的主体，其实就是这类人群。对于理工科背景的读者而言，这本书除了能辅助读者培养大数据思维，它还是一个通俗易懂的大数据技术“综述”，特别是本书的最后两个章节，能为读者提供大数据技术全栈的“大图（Big Picture）”，并能给读者带来一个比较感性的初级技术入门。

从笔者把这本小书定位为科技随笔，就可看出，这本书之所以能得以面世，真真切切地源于它是“站在巨人的肩膀上”的。这里，笔者由衷地感谢很多前辈、大家以及网络资源提供者所做的贡献，没有你们的真知灼见，就没有这本书！

最后，说句很老套但很重要的话，由于本人的能力、学力及精力有限，书中疏忽甚至错误之处，在所难免，真心欢迎读者朋友的批评和指正。

张玉宏 

 

---

[①]TED（Technology, Entertainment, Design，即技术、娱乐、设计）是美国一家著名的致力于传播创意的非盈利组织。该机构以组织的TED大会著称，这个会议的宗旨是“用思想的力量来改变世界”。

[②]对应的英文原文是：Big data is like teenagesex: everyone talks about it, nobody really knows how to do it, everyone thinkseveryone else is doing it, so everyone claims they are doing it.....

[③] 对应的英文原句是：Youdon't need to become a winemaker to become a wine connoisseur.

[④] 池建强. MacTalk·人生元编程[M]. 北京：人民邮电出版社.2014

[⑤] 亲，你看懂这句话背后的含义了吗？在这本书里，有目前市面上大多数大数据畅销书的核心观点。在一番了解之后，如果想深入理解，再买他们书，这样省时省力省银子，多好！

[⑥] 费孝通.乡土中国.北京大学出版社.2012年10月

[⑦] 杨伯峻.论语译注（简体字本）. 中华书局.2006年12月

[⑧] DavenportT H, Patil D J. Data scientist: the sexiest job of the 21st century.[J].Harvard Business Review, 2012, 90(10):70-6, 128.

 

---------------------

读者来信交流：zhangyuhong001@gmail.com