1965 年，英特尔创始人戈登·摩尔（Gordon Moore）为《电子学》撰写的一篇文章里，称“单块硅芯片上所继承的晶体管数目大约每年增加一倍”，后来 1975 年他对该结论进行修正，将“每年”改为“每两年”。
从 20 世纪中叶到 21 世纪第一个十年，无数公司用惨烈的商业竞争，精益求精的技术追求证明着摩尔的分析与预测的正确性，被人称为“摩尔定律”。尽管现在随着经济、科技增长放缓，开始有人提出“摩尔定律”失效，然而过去几十年间，“摩尔定律”难以置信的准确——而在这个定律准确的预测之下，科技界迎来了快速的发展，个人电脑、服务器的性能大大提高，同时价格大大降低，为当下技术力量盛行的世界打下牢固的基础。
此后，有人基于摩尔定律修改出不少变种，试图预测不同行业的发展。现在，在可穿戴设备、智能家居加速向前发展的背景下，我们所收集到的数据变得越来越多。那么，是否存在针对“大数据”的“摩尔定律”版本？
在阐述大数据未来的时候，我们最终发现日益增长的数据，可能更像是某种负担，它们的存在本身不带来效益，只有通过分析这些数据，得出一定的结论，才有可能获得收益。而如何使用运用数据，已经成为许多声称“大数据”的初创团队的难题。但数据日益增长，不论是储存还是运算，都要花上更高的成本。
数据是负担，还是金矿？
Dan Woods 认为，如果“大数据”要迎来“摩尔定律”式的发展，不能再强调收集到的数据的数量，应该强调有价值的数据。他认为，这关系到两个层面，一个是数据单元（Data Stack），一个是数据经济体系——如何在数据经济体系下创造数据单元，让过剩的数据发挥作用，将变得十分重要。
数据单元是 Factual 的联合创始人 Gil Elbaz 在一篇阐述如何打造更加优秀的数据体验时定义的术语。Woods 颇为认可这个概念。
Woods 认为，当下的数据处理流程存在许多问题，包括“非我所创”的封闭心态，许多数据只从自己的业务当中收集；经常一个数据来源就意味着等同于一个数据集（data set）；大部分时间，公司只会使用同一种流程方法来处理；在大部分数据处理系统中，数据的来源通常不会跟随数据一起流动。
而数据单元，像是一种可扩展的供应链，从不同的数据来源当中收集数据，不管内部还是外部；数据单元的数据集是从来源广泛、丰富多样的碎片中重新组合而成；数据单元在处理流程中，会根据不同的目的来实现不同的处理流程；数据单元中，数据的出处是非常重要的，因为它常常会整合多处来源的数据。
以数据单元的视角来看，数据是必须经过策划和保养的，换言之，数据既是资产也是负债。不过，在一般的数据处理系统当中，由于无视大部分数据的处理，数据集实际上是一种负债。而在数据单元里，为数据策划，找到他们的作用，已经包含在最初的设计体系当中，是必须要做的事情之一。数据单元还可以通过各种方式来分发数据，不管是订阅，还是 API。
数据单元重新定义了数据的供应、分销方式。不过，这还只是万里长征第一步。接下来还要让所有“大数据”的参与者们一同协作，不管是谁拥有数据、谁组合数据、谁策划数据、谁利用数据打造产品。当他们不再各自为战，而是联合到一起，一种“大数据”经济体系就可以建立起来。
Woods 定义了这个经济体系下的四种角色：
而每家着眼于“大数据”的公司都应当仔细思考自己在这块经济版图里的角色。
不过，目前来说，要打造“大数据”经济体系，仍面临两重障碍：一、机构与机构之间的数据分享并不主动，除非存在公平的交易；二、缺乏鼓励数据分享行为的商业协议。不过，Woods 认为，这放在银行里的钱一样，银行拿这些钱去投资，但你仍然相信这些钱仍然是安全的，而且还能收获自己利益。数据也是如此，分享出去会让自己得到类似的收益。
实际上，现在已经有人在统计数据的生产量，比如说 61% 的数据是由机器人产生的。那么，当“大数据”供应链与经济体系都完备了之后，说不定会有人预测一个“摩尔定律”出来。
相关文章
