原标题:当大数据遇上世界杯

数据分析成为本届世界杯的“热点”之一。

谷歌、百度、微软等通过大数据分析赛果

2014巴西世界杯进入白热化,与往年世界杯不同,移动支付和移动彩票App的普及,今年“足彩”为大家增加了看球的乐趣。你听说“买足彩信谷歌”吗?据了解,通过大数据分析,谷歌准确地预测了世界杯16强比赛的胜利者。与此同时,央视的王牌节目在报道世界杯时引入了预测世界杯战果的大数据内容,百度等互联网巨头也纷纷扛起“预测”的大旗。

随着技术不断的成熟,除了能预测球赛,大数据预测也给我们的生活带来了新的变化。网友小林之前一直在电商网站上买奶粉,没想到前几天购买尿片时,快递员竟然将自己没有下单的奶粉带上,原因是经过网站数据测算,估计孩子的奶粉快要吃完了,需要的话可直接签单购买。这是国内电商网站首次尝试的基于大数据运算的“预测营销”。

“成功”预测世界杯16强?

谷歌的云计算平台成功预测了世界杯16强比赛每场比赛的胜利者。据了解,谷歌使用来自实时体育比赛数据公司Opta Sports的数据,以及由BigQuery工程师乔丹·提加尼开发的实力排行榜系统,更考虑了观众热情程度数据,以计算出主队优势,从而预测赛果。此外,谷歌使用这一系统来预测世界杯8强的比赛,结果也惊人地准确:巴西对哥伦比亚,巴西胜概率为71%;法国对德国,法国胜概率为69%;荷兰对哥斯达黎加,荷兰胜概率为68%;阿根廷对比利时,阿根廷胜概率为81%。

事实上,对于预测结果,谷歌并不是唯一做出完美预测的公司,百度、微软必应也进行了预测,大家的共同点都在于是依据云数据系统的综合分析来做出预测。

随着大数据行业的发展,谷歌、亚马逊、阿里、百度、腾讯,都因为拥有大量的用户注册和运营信息,自然地成为大数据公司。各种数据的记录也许看起来是随机的,但是当这些数据由光速电脑进行分析之后,便会揭示出影像、模式、联系和趋势,不仅可以提高业务绩效,更改变生活。

谷歌、百度等搜索引擎不仅存储了搜索结果中出现的网络连接,还会储存用户搜索关键词的行为,它能够精准地记录下人们进行搜索行为的时间、内容和方式,在你意识到自己要找什么之前预测出你的意图。

猜考题、防疫情 大数据无所不能?

去年春节期间,百度已经开始了对于春节人口流动趋势的预测;今年清明和五一,百度对全国各大景区、城市的人流热度做了预测,其针对2014年高考作文命题方向的预测更是“命中”了全国18套考题中的12套。据了解,百度的“高考预测”还可以利用历史搜索数据、历年的录取分数、各批次省控线预测全国各个大学的报考热度、难度,各种专业的报考趋势以及本省考生都对哪些专业、学校感兴趣等。百度CEO李彦宏表示,“对数据的挖掘整理只是大数据技术的初级阶段。除了通过大数据分析规律、趋势,机器必须还要会自主思考才行。”

除了IT企业计划的疾病预测、房地产预测、就业预测、金融预测,我国疾控中心也计划运用大数据,提前确定一定规模的未知疾病,为疫情控制争取时间。

不过,从目前来看,大数据的分析预测能力还远未完善。2009年,甲型H1N1流感爆发的几周前,“谷歌流感趋势”预测了流感在美国境内的传播,其分析结果甚至具体到特定的地区和州,并且非常及时,令公共卫生官员倍感震惊。不过,2013年,谷歌对于流感的预测与美国疾病控制中心汇总后的结果相比,夸大了几乎一倍。

业界认为,未来“大数据的精准分析不仅有赖于数据资源的扩充,更要基于大数据引擎的发展进步。”据了解,IBM已推出大数据行业方案,英特尔入股了大数据初创企业Cloudera,还推出了基于Hidoop的“大数据引擎”。

专家:

数据协同和隐私问题待解

谷歌、IBM、甲骨文、SAP等企业在大数据领域进行了技术创新,越来越多的国外企业凭借技术优势和先行经验进军大数据市场。然而,我国大数据产业发展仍然处于起步阶段。“每一次点击、触摸、短信、微信、微博、驾驶、飞行、通话、拍照、购买等都产生数据……虽然每天在产生大量数据,却没有显示出足够的威力。”赛迪顾问分析师表示,“交通部门有车联网、物联网、路网监控、船联网、码头车站监控等地方的大数据,卫生部门拥有流感法定报告数据、全国流感样病例哨点监测和病原学监测数据,公安部门有大量的视频监控数据,但政府部门几乎都没有大数据处理和挖掘技术。”

除了互联网公司,沃尔玛、中国移动等传统企业也掌握着大量用户数据,平台企业互相独立地应用数据淘金,各取所需,但数据的私密占有严重制约着大数据的广泛应用和融合发展。“大数据的协同可以实现智能路径规划、运力管理、流感预测、疫苗接种指导、安防追逃等。”

《大数据时代》一书中指出,“大数据本身探寻的是一种趋势,而非精准性,若要无限接近统计结果,必须让大数据与精细的传统统计方法互补,而非两者相互替代。”

此外,数据的隐私问题也仍然待解。谷歌斥巨资投入的癌症预测项目中,仅有4%的癌症患者参与到了临床试验数据库项目中,这也就意味着高达96%病患的医疗和综合体征信息难以被其他医疗机构或者医生轻易获悉。