“从事后到事前”的转变——谈粒数据的概念的影响力

最近在写关于数据质量的文档，一直在脑中有个问题，数据到底怎么给评价质量乃至数据价值？如果从数据完整度或数据一致性的角度来说，很多垃圾数据的表现并不差，就算是考虑到数据与业务的相关性，那也是需要建模进行描述性统计分析，这其中的时间成本和人员素质要求可不低。

之前参加过几次信标委的数据标准研讨会，出席的专家大部分时间所讨论的，于我上面所讲的数据质量分析方法并无本质的区分。更有位中科院专门研究数据质量的专家称，数据质量不可严密考证，因为数据价值不可估量。

是的，我非常同意数据价值要通过数据质量来体现这个观点，激进一点说，考虑到数据复制成本几乎为零，对照商品质量与商品价格的关系，可以认为数据质量等同于数据价值。但我们已经知道，数据价值并不是依靠数据本身来实现的，数据与其他的数据进行关联，做成产品，能够应用开来，解决业务痛点，数据的价值必须要升华为一种服务的能力。质量再高的数据如果没找到合适的应用途径，也是无用；我们可以给服务定价，但数据本身，是很难定价的。

考虑到一种情况，如果数据在被生产的同时，已经带有了场景属性呢？比如说，一次购物行为，涉及到的对象：顾客、商家、银行，关键点：商品、网页点击、物流、顾客满意度等。暂且不问这些数据是怎么汇集起来的，光看结果，这个完整的数据集质量，其实是很高的。它几乎可以拿来就用，还可以相互比对，交叉验证等。可以说，这个数据集在质量上是接近完美的（考虑到数据采集的误差和人类参与整理的不可预知风险）。

这就是中国大数据技术与应用联盟副理事长赵平生先生提出的粒数据概念，我把它做了下延伸。粒数据最大的革新在于，它让数据质量管理从事后转向了“事前”，严格地说应该是事中，事情发生过程中。再也不要面对数据的质量管理，而是数据产生参与各方的同心协力，“以合法、合规的方式产生一条真实的电子数据...一旦产生即不可被修改”。听听，是不是觉得有点像区块链技术？去中心化的记录，可扩展、安全可靠等，与其靠一个人来搜集维护，不如大家一起，形成一个联合共享式的数据仓库。
粒数据一旦产生，将产生连锁效应，其联结的范围可以扩充至全世界、联结的深度可以贯穿全行业。它的魅力如此之大，以至于每家企业共享出来的数据可以得到潜在的几倍乃至几百倍的业务收益回赠。粒数据一出现，天然就带有革*min的诉求，它甚至带有某种共产主义的特质，一起劳动、一起收获，没有垄断和私自占有，全社会合作化大生产，听起来，很美好不是吗？

这也是粒数据或者说是区块链的局限之处，为什么？有利益的地方就有人的“贪心”在作怪。参照比特币的安全性，区块链从技术上来说是接近完美的，然而，对于面向应用的区块链，一旦其赖以生存的加密机制被暴力破解或者某些参与者人为恶意制造假数据，致使整个区块链的参与者都要承担巨大的风险。看看各大金融机构对区块链的态度，基本都是在做前沿调研，谁也不敢真放开了做落地。没有绝对的安全，只有绝对的利益，从数据共享开放回滚到封闭自足，技术恐怕从来都不是决定因素。

粒数据的概念，应该说是很超前的。就算在当下，市场监管和经济环境支撑不起粒数据的全面应用，在某些特定的领域，粒数据还是具有相当大的启发性的：比如说政府部门和企业内部，以产生数据的事件为一个集合，形成大数据应用的基本数据单位，而不是之前，把数据采集完了之后再去做关联。同时，这也有助于引导我们养成数据思维的好习惯。

参考资料：
区块链将彻底改变人工智能 | 熵、区块链和人工智能
http://mp.weixin.qq.com/s?src=3×tamp=1487570404&ver=1&signature=SUYadu4nEUpBWl2JafkdEZFJwx7q8Ze1ZuhTNVgM0s2JlTDHdJKzznCHgGjuyLY0SybgwimguvhLLKO50fO61r*vOU-1GAId0Rh2Urw0XSPcGYTGhxUB6e2e*yx3OPrGNtmohuJsGMxH0FIbGcQzZ-gfiOr5O8KeETFSM8TK*vo=
一文详解“粒数据”-大数据领域最新研究成果
http://www.cbdio.com/BigData/2017-01/09/content_5426759.htm
《DAMA数据管理知识体系指南》，p214-p230