大數據

大數據 (big data) 這個課題近年炒得很熱，但在香港像不太熱烈似的，哈哈，或許，因為這個暫不是能令股票市場興波作浪的概念吧。

這個概念在台灣看來熱得多。在書局，會見到數本台灣出版的書籍，書名均有「大數據」三個字。某日在圖書館翻閱台灣的舊雜誌，也是以此為題。原來鴻海科技集團 (Foxconn，富士康的母公司) 董士長郭台銘先生在數月前甚至誇口，要出三倍人工與 Google 搶員工呢！很熱鬧啊！

簡單來說，大數據就是從大量數據中找出事件之間的關聯，這種關聯是指統計上的關聯 (statistical correlation)，而並非事情發生的因果關係 (causal relation)。兩者有甚麼分別？例如早上鬧鐘響起起床的時候，我常會聽見小鳥的叫聲。因為鳥聲而出現鬧鐘聲？這是因果關係，但此情況下這個因果關係並不成立，因為鬧鐘之所以會響很明顯是因為我調校了鬧鐘，而不是因為有鳥聲。那麼是否因為有閙鐘聲而出現鳥聲，這果也是因果關係，我不知道是否成立。但是，鬧鐘聲與鳥聲在我起床時很多時會同時出現，兩者便算得上有一個統計上的關聯，當中可以存在或不存在因果關係。

看該雜誌，見到一個厲的例子，應該是引述自某本講大數據的著作。話說美國有關當局欲了解流感爆發的情況，但當等到醫療機構的匯報、醫生的判斷，以及種種原因，實在須時太久而且也不準確。而 Google 則想出一個方法，利用它自身搜尋引擎的優勢，用一些方法找出了搜尋字眼與流感暴發的關聯，有效且準確地預測到流感爆發！

關鍵在於，如何有效處理大量數據。以前，受時間、金錢以及種種資源所限，要收集大量數據很困難，就算收集到大量數據，要對其進行分析及研究亦十分困難的。於是往往只從母體 (population) 抽取樣本作研究 (sample) ，亦發展了相關的數學理論。

隨著電腦的功能日益強勁，以前不可能的事在今天亦變成有可能。Google 在這個年代，可以說掌握著絕對的優勢，它的業務可以說掌握著收集、處理以及分析大量數據的技術。預測流感暴發，是就特定目的來作出預測，如果沒有明確特定目的，便是預測未來吧！或許它日大家進入 google.com 進行搜尋，除了會看到 web, image, map 等數個範圍，還會有 prophecy 吧？實會準過黃大仙！

哈哈，真的嗎？我當然不會知道。但是近十年這世界產生的數據日益增加，當中九成九可能都是垃圾數據。科技日益進步，我越覺得真正有貢獻有意義的科技是越來越少的，不同的高科技產品使人目不暇接，我們會看到哇一聲，驚訝著這些以前看似不可能的技術，腦袋被一剎那的刺激所蒙騙，乖乖地付出花碌碌的銀紙，浪費了不少光陰。

預測未來？更重要，這個技術能夠分辨出垃圾與非垃圾！