李维老师今天发了篇很有意思的博文：《西方怎么看转基因：英文社交媒体大数据调查告诉你》。非常不好意思，我根本就不关注转，还是反，我关注的是：大数据。大数据扯呼来忽悠去的，这一年无论开什么会，所有的人如果没有个“大数据”的口头禅，都不好意思说自己是个科研工作者。这得感谢科大的学弟周涛，辛辛苦苦把舍恩伯格的《大数据时代》翻译成中文，结果书一出来立即受到广泛的追捧，大家见面了不能说你看没看过《大数据时代》，而是得说，不好意思，兄弟我昨晚上又看了遍，略有心得啊。然后一副莫测高深的样子。啥？没读过？赶紧去买本好好读读，搞生信的不读这本书以后没得混了。哦，忘记说了，其实这书写的不咋滴，就是忽悠了一个简单的概念：大数据。老外嘛，历来都是踩着西瓜皮写书，滑哪儿写哪儿，有的没的啥都敢写，像巴拉巴西的《爆发》，好好写你的网络不行？非要扯个塞克勒出来，关键是这个塞克勒跟他的祖先巴拉巴西总督还挺有点儿渊源（正常，匈牙利巴掌大的地方，街坊邻居互相都能认识）。巴拉巴西还正够认真，专门跑回老家去查历史档案。《爆发》写的很精彩，推荐指数绝对五星。

  书看了一堆，可是大数据究竟咋回事儿，知道的人一知半解，不知道的也就打打酱油，比如我就是瞎掺合的。另外，就大数据所提的几个基本概念，比如，全体数据、数据混杂性和关联分析等，作为一个搞生信的我就得呵呵了：听过啥叫Genome-scale analysis吗？生信玩这个东西已经玩10几年了，所以生物数据本来就是大数据，大家一直在玩，并且就是这么玩的。可咱一直玩的，跟现在大家所说的“大数据”，有没有区别？

  李老师博文里用到的技术不复杂，一个词频分析和显示的工具，一个统计饼图，数据是从社交媒体上获得的，也就一个月的数据，体量不算大，但的的确确很好的体现了“大数据”的概念。首先，数据的跨度不重要，一个月也好，一年也好，这个无所谓，重要的是“全体数据”。并且，考虑到社交媒体本身的复杂性和重复性，获得的数据未必是干净的，或者说，100%可靠的。这个也无所谓，大数据不在乎这个。再次，大数据不讲因果，只看关联，就几张图的展示结果来看，正方反方的观点一目了然，很清晰。而且因为技术简单，所以我这种外行毫不费力的就可以看懂结果，赞！能简单说清楚的，就不需要复杂。还有，虽然李老师不说结论，其实结论是显然的，那就是：有争议。并且，你还真没什么办法来质疑他的结论。仔细看了评论和李老师的回复，大致的意见是，1) 社交媒体来做这种分析恐怕不靠谱吧？这个就笑话了，读读《爆发》，实在不行再读读《链接》，你会发现大数据能做的事情远不止这些，所以国内要大力推广创新思维的教育，别整那些没有做不到只有想不到，人家老外咋就能想到？有句话叫什么is impossible呢，自己琢磨琢磨去吧。2) 分析技术不靠谱吧？您这个恐怕就在鄙视李老师的专业修养了，这篇博文用到的技术真心不难，而且对大数据来说，去噪不是必须的，看关联就得了。3) 其他问题。您都问这么trivial的问题了，想必是有兴趣了。

  所以，结论一，李老师的博文是我看见的第一个体现“大数据”理念，并且能让我这种外行一下子就能看懂的工作。

转自：

科学网—大数据一出,谁与争锋?& 赞李维老师的博文 - 薛宇的博文

[10]李维  2013-12-26 07:11

表面上赞我，实际上赞大数据，这样更高。
不过你反复说技术不复杂，搞得我好像捡了便宜似的。
可以说的是，技术也不简单。
当然，很多人做 keyword 词频统计来挖掘大数据，在某些问题上也可能成功，甚至某些结果也可以逼近高技术。但总体而言，对于混杂的社会媒体，那样做比我的技术要差太多，走不下去的。不信你试试就知道了。

[9]李维  2013-12-26 07:04

by the way 喜欢你行文的风格，看着不累人。长而不闷，聊家常似的。

朋友寄送来这么一个讥讽大数据和大数据工作者的帖子，也从侧面反映了这个 buzz word 在中外的热度，绝对称得上2013科技流行词。