撰稿：何宛芳
近日爸爸妈妈们都在为风声鹤唳的肠病毒烦恼，殊不知早在2009年就针对H1N1流感发展出了预测机制。而且，这个流感预测机制竟不是来自医疗体系，反而是八竿子打不着的Google？
首度来台的《大数据》一书作者麦尔荀伯格在11日的演讲中，就以大数据（Big Data，又称巨量资料）的真实案例作为开场，例子中的Google，先是找出全美使用者最常搜寻的五千亿种关键字，再跟疾病管制局的流感传播资料比对，找出搜寻关键字与流感传播的相关性。
结果，Google这套流感预测机制，不但在2009年精準地预测流感在各地区、城市的传播情形，而且甚至还比疾病管制局的系统快了两週。
麦尔荀伯格指出，随着大量的资料从类比（诸如纸张）形式转为数位形式、储存成本降低与运算能力的提升，在网际网路发展了20年间，人类所产出的资料已经成长了100倍，我们所面对的已经是一个「巨量资料」的时代。
「当一张照片变成一秒钟拍16张照片时，就成了动画，」麦尔荀伯格举例说明，大数据不但是前所未见，由量变产生质变，甚至也将改变人们思考事情的脉络与研究方法。
别问Why，请问What过去人类非常执着于找到事物间的因果关係，晚上拉了肚子立刻就会联想到晚餐是不是吃坏肚子，而忽略了事情往往比我们想像得複杂多了。然而，在大数据时代里，因为可以準备大量资料来回应单一问题，「相关性」就可以取代过往人们习惯于研究的「因果关係」。
举例来说，连锁超市发现了每在飓风来袭前，店内的草莓吐司饼乾（pop tarts）就会有一波热卖。到底「为什么」有这样的巧合，对店家来说其实并不重要，只要能够确认这样的相关性，他们就能在飓风来临前透过更好的陈列，达成更好的销售。
「我们只要了解到底相关性是怎么一回事就好了，」麦尔荀伯格说明，在网路世界里运用巨量资料找到「相关性」的範例比比皆是，亚马逊（Amazon.com）的推荐购买功能，就是其中的佼佼者。
还有一个令人印象深刻的案例：多伦多大学团队与IBM合作，将巨量资料应用在早产儿的照护机制中。
早产儿容易受到感染，出现症状才用药往往已过了治疗时机，然而，这项计画则透过在早产儿身上放置感应器，大量採集早产儿包括心跳等精密数据，整理出疾病发展的「模式」（patterns），让医生能够及早用药避免症状扩延；而且最有趣的是，「这项计画的主持人，甚至还不是医生，而是资讯工程博士。」
大数据的价值在于「再利用」，变化才是常态然而，麦尔荀伯格也提醒，运用大数据的重点也在于持续不断地重跑数据，因为世界是不停地变动，唯有持续不断的更新资料，才能得到最适切的相关性。前文所提到的Google流感预测机制，就曾因为没有持续更新数据导致预测失準、饱受批评，最后在2012年重新调整资料后，才又扳回一城。
麦尔荀伯格进一步强调：「资料的价值在于我们儘可能的重新使用他们。」
一家整理交通路况的公司Inrix，发现了购物商场附近交通堵塞与销售之间的关係，这家公司就靠着购买这些在堵车地带附近店家的股票，而大赚一笔，「对他们来说，他们就把『再利用』转换成了『营收』。」
「真实的世界远比我们所想的複杂，但也更加有趣，对于我们身处的世界，我们也一定要更加谦卑，」不能再用过往快速、直觉的因果关係，企图找到存在于複杂世界中的规则。而且，透过大数据观察世界，也会发现「变化」才是常态。
「我们必须珍视变化，我们要拥抱变化，大数据只能告诉你发生了变化，它却不能告诉我们如何应对变化，我希望能够透过大数据让大家知道，我们的社会永远处在动态的变化，既然变化是无可避免，我们何不就拥抱它？为何不就将其视为新机会？但这也需要一个愿意勇于冒险并自我重塑（reinvent）的社会，企业也要愿意自我重塑，」麦尔荀伯格说。
障碍不在技术而是态度只不过，他也在会后与新北朱立伦等人针对开放政府资料的相关对谈中坦承，大数据的优势虽然很明显，但实际执行上，也的确会遭遇困难，无论在公部门、私部门，都会有类似的困境。
「企业的部门之间常常不愿意相互开放资讯，深怕其他单位抢得机先……但是，若要得到大数据的功效，就必须要打破这些藩篱，无论是在公部门或是私部门这都是最困难的部分，最困难、最複杂的部分压根就不是科技本身。若人们不想要一起合作、不能用一致的角度看待变化，就算有再多频宽、伺服器、软体也是枉然。」
最后，对此，他也提出他的解决之道：「我们不能只从科技的角度思考科技，只从大数据来看大数据，而要真正回到一般人的生活，理解民众的偏好与需求。若我们能够满足需求，那么就会得到来自群众的支持。」