中國信息協(xié)會副會長 胡小明 

　　非常感謝大家能夠參加今天的會，我原來認(rèn)為下午我做第一個發(fā)言，首先是幫助大家適當(dāng)?shù)男菹⒁幌?，因為剛吃完飯需要消化。但是我看大家的積極性對我也是一個鼓勵，所以我也希望能夠跟大家做一次交流。 

　　關(guān)于政府電子政務(wù)服務(wù)的大數(shù)據(jù)，我們在這里因為大數(shù)據(jù)太熱了。我覺得這里面有風(fēng)險，希望我們在研究大數(shù)據(jù)的時候，我們不要被大數(shù)據(jù)熱沖昏頭腦。所以應(yīng)該把這個問題想清楚，哪些是可以解決的，哪些是不能解決的。 

　　第一是要以平常心對待大數(shù)據(jù)，在宣傳熱的情況下，我們發(fā)現(xiàn)我們更多講的是大數(shù)據(jù)的技術(shù)、大數(shù)據(jù)的手段改進。而對大數(shù)據(jù)的實際應(yīng)用，仔細(xì)來看真正的例子還是少的。我們講數(shù)據(jù)挖掘，講這么多年之后，講數(shù)據(jù)挖掘還是啤酒尿布，這說明問題呢？說明在應(yīng)用領(lǐng)域和技術(shù)領(lǐng)域這兩者差距還是非常大的。 

　　而現(xiàn)在我們需要的從實際當(dāng)中來考慮這個問題，我覺得大數(shù)據(jù)有點被慣壞了。目前大家都在說成立大數(shù)據(jù)機構(gòu)，申請大數(shù)據(jù)經(jīng)費。但是從大數(shù)據(jù)實際應(yīng)用來看，我覺得我們并不是很明確。到底解決什么事情，它能不能做呢？還有很多問題，我覺得大數(shù)據(jù)從我看來，它只是一個工具。它永遠是我們要做目標(biāo)的仆人。希望大數(shù)據(jù)的發(fā)展和應(yīng)用，不要走信息資源共享的路，信息資源共享喊了很多年。從國新辦的17號文開始到現(xiàn)在已經(jīng)搞了十五年了。但是在信息資源共享方面到底有多大的進步能說出來，我認(rèn)為一直沒有做好，也沒有說出太多東西。當(dāng)然這里面的原因是非常多的，為什么會這樣呢？我覺得有一個非常重要的原因，就是我們把數(shù)據(jù)資源共享的能力和效果想的太高了，我們以為它能夠解決多少問題，實際上它并不能解決那么多問題。 

　　隨著社會數(shù)據(jù)資源的增加，信息共享手段的增加，政府那點數(shù)據(jù)共享它能所做的貢獻是越來越少的。并不是所有的信息共享都是有用的，可以說多數(shù)的信息共享并不是很方便。而且他們的成本效益并不都是正的，在這種情況下，你要求全面的信息共享肯定是失敗的，正確的做法應(yīng)該是仔細(xì)挑選，可能十項里面只有一兩項是好的，你有什么必要推全面的信息共享呢？所以集中精力來做真正有效率的事情，這才是我們該做的。所以說在大數(shù)據(jù)方面來講，我們一定要以目標(biāo)位中心，以平常心來對待大數(shù)據(jù)。以目標(biāo)位中心就是不是所有的大數(shù)據(jù)都是有用的，可以說大部分的大數(shù)據(jù)都是沒有用的，真正有用的東西是少部分的，你必須把有用的挑出來。當(dāng)你想解決什么問題的時候，這時候你再談大數(shù)據(jù)，我認(rèn)為是有價值的。當(dāng)你的問題還不清楚想用大數(shù)據(jù)的時候，我認(rèn)為這完全是錯的，它根本沒有用。因為數(shù)據(jù)資源是不缺的，數(shù)據(jù)也可以是垃圾。最缺的是你的目標(biāo)，你到底想干什么，現(xiàn)在我們最大的問題是我們想干什么不清楚，所以我覺得這是一個很大的問題。 

　　目前我們對大數(shù)據(jù)概念，大家講的都是不一致的，講的都不清楚。對于政府的官員來講，他認(rèn)為我的政府?dāng)?shù)據(jù)很多，我只要把數(shù)據(jù)合起來就是大數(shù)據(jù)。因此他認(rèn)為他的一切數(shù)據(jù)都是大數(shù)據(jù)，你整合起來就多了。為什么會有這種想法呢？有很多的原因，其中一個原因你掛上大數(shù)據(jù)能夠申請經(jīng)費，能夠得到重視，能夠符合潮流。如果你沒有掛上大數(shù)據(jù)，你是小數(shù)據(jù)的整合。所以這個問題也是一個因素，但是這些問題都不重要，最重要的到底什么能解決問題，這是最重要的。 

　　另一個方面來說，我們現(xiàn)在看的大數(shù)據(jù)，大部分是基本大數(shù)據(jù)的概念，是從互聯(lián)網(wǎng)公司來的。互聯(lián)網(wǎng)公司它有了很高的技術(shù)，它能夠利用起來大數(shù)據(jù)。因此這個概念基本上是由互聯(lián)網(wǎng)巨頭決定的，過去也有預(yù)測、石油勘探它也是一堆數(shù)據(jù)，但是都不說它是大數(shù)據(jù)?；ヂ?lián)網(wǎng)出來之后它創(chuàng)造了一種經(jīng)濟，也就是說一個名詞，一個概念的出現(xiàn)是和應(yīng)用結(jié)合起來，應(yīng)用可能帶來有效的東西。它就是來自互聯(lián)網(wǎng)大數(shù)據(jù)的概念，而政府大數(shù)據(jù)它基本的概念還是傳統(tǒng)的，這兩個是不一樣的，所以政府大數(shù)據(jù)整合，并不是我們現(xiàn)在所講的大數(shù)據(jù)數(shù)據(jù)。而是我們傳統(tǒng)的數(shù)據(jù)整合、數(shù)據(jù)處理、數(shù)據(jù)分析，它是傳統(tǒng)的技術(shù)。所以這兩個技術(shù)是不一樣的，它們的概念不一樣。 

　　傳感器大數(shù)據(jù) 

　　然后是傳感器大數(shù)據(jù)，為什么？因為我們技術(shù)的發(fā)展出現(xiàn)了非常多的傳感器，而這些傳感器，它收集的數(shù)據(jù)是非常多的，這種數(shù)據(jù)用在什么地方呢？用于人工智能。比如說無人駕駛汽車以及機器人等等這樣的技術(shù)，他們也用這個技術(shù)。但是這個技術(shù)多不多，量大不大，我覺得不是最大。它最重要的特點是什么呢？就是數(shù)據(jù)處理的過程當(dāng)中沒有人的干預(yù)，它是自動化的，所以它們屬于人工智能這方面的大數(shù)據(jù)。 

　　當(dāng)我們在分析這個問題的時候，我們要關(guān)注一下當(dāng)前你想解決什么問題，其實對不同地區(qū)是不一樣的。比如說互聯(lián)網(wǎng)和傳感器大數(shù)據(jù)，什么工業(yè)4.0類似這些東西都跟這些有關(guān)，對于政府改善服務(wù)，它最主要的是整合大數(shù)據(jù)，這個大數(shù)據(jù)主要還是在傳統(tǒng)的數(shù)據(jù)范圍內(nèi)，他們需要的技術(shù)是不一樣的。 

　　對于政府來講，最重要的東西經(jīng)常是最簡單的，永遠是這樣，重要的都是簡單的。如果它不簡單，它就不會重要，重要的都是簡單的。我們現(xiàn)有的數(shù)據(jù)改善服務(wù)，這種服務(wù)全部都是在大大數(shù)據(jù)范圍內(nèi)，只是我們說大數(shù)據(jù)，但是從技術(shù)來講他們都是傳統(tǒng)的技術(shù)使用和改進?；ヂ?lián)網(wǎng)數(shù)據(jù)也可以來做，但是它并不會在政府工作改進上占據(jù)主要的位置，因此對于我們政府的工作來講，核心的問題是小數(shù)據(jù)整合最重要，這才是最重要的。 

　　互聯(lián)網(wǎng)大數(shù)據(jù)改進是專業(yè)部門做的，傳感器大數(shù)據(jù)用于工業(yè)智能，用于人工智能改進，建立各種各樣的智能系統(tǒng)，它們是有用的。 

　　大數(shù)據(jù)不適合大決策 

　　下面我再講一下大數(shù)據(jù)并不適合于大決策，大家都知道小數(shù)據(jù)適合大決策，原因是什么呢？當(dāng)我們的數(shù)據(jù)量太多的時候，畢竟你關(guān)注的范圍要窄，你關(guān)注的范圍窄，你的量才能大，才能深，這么以來你對問題的看法和視角都狹窄。我們處理大決策的問題它需要廣闊的視角。對于具體的問題來講，大數(shù)據(jù)適合于解決小問題。 

　　另外，很多問題是沒有辦法依靠大數(shù)據(jù)的，比如說國際形勢發(fā)生了變化，現(xiàn)在網(wǎng)上經(jīng)常在討論說希拉里和川普他們倆誰上臺，他們倆上臺政策不一樣，你該怎么處理，對世界經(jīng)濟影響也不一樣。像這樣的問題你能不能用大數(shù)據(jù)來分析，我覺得是不可能的。但是絕不可能分析出他們的政策會帶來什么樣的改變，因為這些東西來講是未來的東西。比如說經(jīng)濟發(fā)展美國十幾年前的9.11事件，出了很多問題，而這些問題對中國經(jīng)濟發(fā)展是有利的，為什么？因為把美國搞亂了，中國有很多的機會。這樣重大的政策反而不是大數(shù)據(jù)能夠搞出來的，原因是什么呢？當(dāng)你數(shù)據(jù)量太大的時候，你的視野不一定狹窄，如果你的視野寬闊你的數(shù)據(jù)量并不那么多。所以正因為這個原因，我們要想清楚。 

　　高層決策最主要是靠全面信息，而不是狹窄的數(shù)據(jù)。我談了大數(shù)據(jù)的服務(wù)問題，因為我現(xiàn)在在深圳，我?guī)退麄儊碛懻撘恍﹩栴}，他們總覺得政府的數(shù)據(jù)資源非常多。我要打通把數(shù)據(jù)整合，然后我就可以分出來很多東西來支持政府，這是它的一種基本思想。但是這種基本思想一般來說是不行的，為什么？政府的數(shù)據(jù)實際上一點也不多，總說政府資源占90%，那些都是三十年前的概念，因為那時候沒有互聯(lián)網(wǎng)?，F(xiàn)在互聯(lián)網(wǎng)巨頭不比政府的數(shù)據(jù)多十倍、百倍、千倍。而且政府的數(shù)據(jù)主要來自于人工調(diào)查，人工調(diào)查的效率和機器識別的數(shù)據(jù)是不一樣的。所以政府的數(shù)據(jù)是很少的，你可以把它集合起來解決問題。但是你不是需要靠大數(shù)據(jù)來分析，而是靠轉(zhuǎn)動的數(shù)據(jù)分析，來挖掘政府?dāng)?shù)據(jù)的潛能，所以這個很重要。 

　　在這種情況下，如果政府把所有的數(shù)據(jù)都整合了，然后等著你去打通，去分析出結(jié)果，這樣行嗎？政府信息資源雖然沒有開放，但是沒有不透風(fēng)的墻，政府信息代表的東西都會通過各種各樣的渠道傳遞出去，包括我們的手機、聊天、談話等等。所以在這種情況下，你想有一個非常重大的發(fā)現(xiàn)出來是不容易的。 

　　如果你能夠發(fā)現(xiàn)這些重大信息，你這些能力如何給政府提供。實際上我們提出的東西對政府的官員來講你的東西是小兒科，是外行。你要依賴大數(shù)據(jù)政府是不放心的。在這種情況下，你把各種各樣的數(shù)據(jù)整合起來，讓它變成一個可視化的服務(wù)這反而是有效的。一個可視化的服務(wù)隊政府官員來講是很歡迎的，就像我們天天都要看天氣預(yù)報。我們看天氣預(yù)報一個月幾次臺風(fēng)，可視化數(shù)據(jù)能夠迅速的一眼能夠?qū)φw有一個改觀。所以說對于政府領(lǐng)導(dǎo)來講，你提供一個可視化的圖，包括云圖和變化圖。 

　　人工智能發(fā)展的過程當(dāng)中，也是有一個進程的。在六七十年代，當(dāng)時人工智能非?；穑銇砀闳プ霾幌氯チ?。后來人們也做機器發(fā)現(xiàn)做來做去也做不下去了，什么時候開始這輪又起來了，核心是它把人工智能改成了大數(shù)據(jù)，改成了數(shù)據(jù)學(xué)習(xí)。實際上里面包含的信息，比如說機器翻譯，以前我也見國際歌搞翻譯的人，那時候的思想是造型和理解的角度來翻譯，現(xiàn)在發(fā)現(xiàn)越來越做不下去的?，F(xiàn)在的翻譯是怎么做的，上一句話是這個，下一句話是那個，什么概率最高用那個，別的東西不管。哪個詞出現(xiàn)的頻率最高就用哪個，現(xiàn)在我們發(fā)現(xiàn)我們的軟件越來越快，就是一般打這個字，下個字什么概率最高就提出來，這樣對你加快速度就更容易了。 

　　智能化的城市也和我們的大數(shù)據(jù)應(yīng)用緊密的結(jié)合起來，它這種應(yīng)用和我們決策的應(yīng)用是不一樣的。實際上數(shù)據(jù)有兩種情況，一個是用在人工智能領(lǐng)域，它應(yīng)用的系統(tǒng)是自動化的，而提出來之后機器自己來用，因為計算機本身你別看它總是數(shù)據(jù)，但是它一點都不懂信息，它腦子里面只有數(shù)據(jù)的概念，它碰到數(shù)據(jù)算概率，沒有別的概率。但是人決策不一樣，它會把所有的數(shù)據(jù)拿過來看一遍、想一遍，這兩個用途是不一樣的。所以說機器使用大數(shù)據(jù)和人來使用大數(shù)據(jù)它是兩種不同的使用方式，你會知道為什么人使用大數(shù)據(jù)結(jié)果是不確定的，機器數(shù)據(jù)是死的。 

　　當(dāng)我們在研究大數(shù)據(jù)的時候，一定要從應(yīng)用出發(fā)，而不能從資源出發(fā)。一個數(shù)據(jù)，它是資源，還是垃圾，我們不要認(rèn)為所有的數(shù)據(jù)都是資源。因為資源和垃圾它倆沒有區(qū)別，資源就是垃圾，垃圾就是資源，完全取決于不同的人在這里看，資源和垃圾本身上是一樣的，就好像你想刪掉就刪掉，你刪掉的就是垃圾，你不刪掉的就是資源，所以垃圾和資源是同一個東西。我們?nèi)绾螀^(qū)分，它判斷標(biāo)準(zhǔn)就是對人工的幫助，所以這就是要注意的事情，我們不能從資源出發(fā)，現(xiàn)在我覺得在全國各地處理推廣大數(shù)據(jù)的時候有一個觀點我是非常懷疑的，各地做的頂層設(shè)計里面。你到底是解決什么問題，你先把數(shù)據(jù)收集過來。 

　　大數(shù)據(jù)的發(fā)展要在應(yīng)用中成長，而不是在大樓中成長，這是什么大數(shù)據(jù)呢？實際上你發(fā)現(xiàn)有很多大數(shù)據(jù)確實可以解決問題，它還需要長期不斷的積累，不斷的改進。因此有效的大數(shù)據(jù)你不斷的維護它和改進它，它在應(yīng)用中成長，而不是在你的大樓中成長。 

　　所以如果你沒有想清楚做什么，你的大數(shù)據(jù)組織是非常危險的，它會浪費你很多的資源。你搞一堆垃圾，你還想升官，那樣肯定不行，因此你不能這么做，你要挑出來有用的東西，在應(yīng)用中不斷改進，也許它所用到的數(shù)據(jù)，只是幾十分之一就可以了。我的數(shù)據(jù)賣給你，當(dāng)時我想賣一點錢，他說我不要，我說你為什么不要，他說我要等我的用戶，我的用戶咨詢到哪一個我買哪一個，寧可貴一點我也要，我不要你們企業(yè)的數(shù)據(jù)，他用的是這樣來想的。 

　　在這樣的情況下，我們就需要在大數(shù)據(jù)當(dāng)中我們要進步，對高層的服務(wù)和對基層的服務(wù)是不一樣的。政府的數(shù)據(jù)整合最重要的是基層的服務(wù)，整合的數(shù)據(jù)對基層的服務(wù)有用，對高層的服務(wù)它要了解外體和整體，它并不需要精確的數(shù)據(jù)。所以我們要把精確的數(shù)據(jù)送到前線，什么是前線呢？直接為公眾服務(wù)的，他知道這家是困難戶，這家收入多少。然后把整體的趨勢可視化的圖形送領(lǐng)導(dǎo)，這樣領(lǐng)導(dǎo)一眼就知道大概的趨勢，這樣的話才會更有效。 

　　我們要以解決問題為中心，真正能解決問題的東西不見得數(shù)據(jù)量大才是能解決問題的。 

　　我舉一個例子，美國友一家公司，這個公司花錢花的太多，每一個公司都超預(yù)算非常頭疼，于是派了一位領(lǐng)導(dǎo)解決這個問題。一開始把帳單都打出來看看有什么不合格，后來計算機打出來他根本沒有辦法看，誰浪費最多，排第一，每次超支最多的，每個月發(fā)一份，然后他就不管了，各個部門都怕自己的排名表靠前，于是很快就把這個問題解決了。解決這個問題并不是靠大數(shù)據(jù)分析來解決的，而是靠排名表解決的，所以說很多問題要以解決問題為中心，大數(shù)據(jù)并不是唯一的工具。 

　　大數(shù)據(jù)被政府慣壞了，只會花錢不會干活了。所以我們要先整合好小數(shù)據(jù)，所以數(shù)據(jù)的應(yīng)用應(yīng)當(dāng)始于足下，而不要讓大數(shù)據(jù)誤導(dǎo)，這是我講的一些想法，謝謝大家。