Big Pattern：比数据更大的是模式

前些天我们编译一篇 《大数据时代》的文章，宣告了大数据时代的到来。现在这不仅仅是大数据而已。对于企业技术算法的大玩家来说，还要找出数据自身以外更大的东西，即大模式。

在线生活的爆炸以及廉价计算机硬件使得存储海量非结构化信息（像电子邮件或互联网点击流）成为了可能，然后再去搜索存储的信息，从中找到某些可以利用的趋势。真正的难点在于高效地去做这件事情。大规模地去做这件事情的公司会在不同的领域之间寻找相似性，希望能找出一种共同的分析手段。

说到算法，“如果我能够用于电网的话，那么也能把它用到供水上，”IBM软件及系统高级副总裁Steve Mills说。甚至跟水和电类似的交通，如果其流动有效的话，也能重用其中的某些算法。Mills先生周三旧金山举行的高盛技术会议上称之为“新数学成本结构的杠杆化。”

此类异花授粉令人想起华尔街上世纪九十年代开始的做法，招聘天文学家和理论数学家来设计晦涩难解的金融产品。现在计算的成本已经下降了如此之多，以至于把那些人才带到其他行业也有其用武之地。Mills先生说，IBM现在是数学博士在全球的最大雇主，在那里，数学家可以将自己的才能发挥到石油勘探和医学之类的事情上。“另外，我们还从事天体物理学、基因体学以及蛋白质组学研究工作，”他说。

过去五年，为了其大数据计划，IBM在收购分析公司方面的花销大约是140亿美元。“我们在寻找不同业务之间的相近性，”Mills先生说：“如果找不到相近性，我们就永远都得不到回报。”

学术和商业的许多领域都出现了寻找通用性及共同利益这种趋势。在极微的纳米级对细胞进行检查，研究人员说，生物学、化学和物理学开始互相令对方土崩瓦解。在更广的模式寻找中，统计学学生用R语言根据计算绿潮的方法证明中美洲对土著人种族灭绝的模式。网络营销人员在若干上下文的环境中寻找你的行为，然后甚至在你都还不知道自己想要的情况下卖给你需要的东西。

也许万物皆有关联，寻找出这种关联是非常吸引人的。虽如此，但是目前还存在着若干挑战。一个多世纪来，实验室的研究模式对于科学进步和产品研发都是非常重要的；也许不久它还得担负起另一个重任，即仅仅根据模式热点定位来寻找出事实。近期公司将不得不做出艰难的选择—投资什么地方，观察哪些信号。什么都想做最终还是会什么都做不了。

Via： 纽约时报