大数据时代和生物信息

『壹』 什么是大数据时代

最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据回，已经渗透答到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。” “大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。

随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。大数据（Big data）通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapRece一样的框架来向数十、数百或甚至数千的电脑分配工作。

在现今的社会，大数据的应用越来越彰显他的优势，它占领的领域也越来越大，电子商务、O2O、物流配送等，各种利用大数据进行发展的领域正在协助企业不断地发展新业务，创新运营模式。有了大数据这个概念，对于消费者行为的判断，产品销售量的预测，精确的营销范围以及存货的补给已经得到全面的改善与优化。

『贰』 大数据时代是一把双刃剑吗

一、维克托·迈尔—舍恩伯格——开大数据系统研究之先河

《经济学人》说，在大数据领域，他是最受人尊敬的权威发言人之一；《科学》说，若要发起一场关于这个问题的深入探讨，没有比他更好的发起者了。他是欧盟互联网官方政策背后的重要制定者与参与者；他是最早洞见大数据时代发展趋势的数据科学家之一；他就是维克托·迈尔—舍恩伯格。

他说，世界的本质就是数据，大数据将开启一次重大的时代转型；

他说，大数据发展的核心动力来源于人类测量、记录和分析世界的渴望；

他说，从因果关系到相关关系的思维变革才是大数据的关键，建立在相关关系分析法基础上的预测才是大数据的核心。

二、颠覆商业传统——海量数据后的相关关系

维克托·迈尔—恩伯格与时俱进地提出了在大数据时代的诸多变革，首先是分析思维的变革，而伴随这种变革会带来行动变革，而这种变革会发生在社会的方方面面，诸如商业领域、公共卫生、咨询决策以及国家政策等各个领域。最终会影响我们的生活方式与社会产业结构。

‍

大数据时代的变革，其动力来自于技术的进步与获取数据的方便性与低廉性。而这恰恰为颠覆传统时代由于各种限制而采取抽样技术而获取有用信息的途径提供了可能。现在技术成熟了，人们在获取信息时考虑的是尽可能多的样本数据，且可以是样本等于全体。同时在分析数据时更多的关注的是相关关系而非因果关系，知道是什么就已经足够了，没有必要去探究为什么。在商业领域是什么比为什么更加重要，而我觉得根据相关关系也可以去推论因果关系，这对于学术领域应该是极具有价值的。相关关系是大数据时代最重要的思维变革，而通过计算机对诸多数据的云计算与处理可以帮助我们发现这些相关关系，而这也广泛地应用于商业领域，世界上最大的零售商沃尔玛在飓风来临时把蛋挞和飓风用品摆放在一起，能获得大卖。蛋挞和飓风之间有什么因果关系吗？没有，因果在此刻没有任何意义，相关才是重要的。

在大数据时代我们每一个人都有机会去施展才华，但大数据也会让我们变得“透明”。因为我们本身就是一个数据库，我们的位置信息、消费方式、人际交往以及许多数据，都在被他者有意无意的搜集，而且我们自身却一无所知。我们的行为可以被预测，我们没有隐私。这是大数据所带来的道德问题与社会困扰。我们的世界被赤裸裸的数字包围，而或许更需要灵魂的滋润与丰满。人类的自由意志与诸神之下的尊严是否会在这条道路上异化，我不得而知，而我只想在这个时代做一个麦田里的守望者与思考者，幸福地生活才不会辜负时代与生命。

『叁』 生物信息学在科学研究中的作用

生物信息在生物学研究上的应用主要包括在基因组学研究上的应用和在蛋白质组学研究中的应用。

1、在基因组学研究中的应用

基因组（genome）表示一个生物体所有的遗传信息的总和。一个生物体基因所包含的信息决定了该生物体的生长发育、繁殖和消亡等所有生命现象。

有关基因组的研究称为基因组学（Genomics），基因组学根据研究重点的不同分为序列基因组学（Sequence genomics）、结构基因组学（Structural genomics）、功能基因组学（Functional genomics）与比较基因组学（Comparative genomics）

2、在蛋白质组学的研究中的应用

在20世纪中后期，随着DNA双螺旋结构的提出和蛋白质空间结构的解析，生生命科学的研究进入了分子生物学时代，而遗传信息载体DNA和生命功能的体现者蛋白质的研究，成为了其主要内容。

90年代初期启动的庞大的人类基因组计划，已经取得巨大的成在20世纪中后期，随着DA双螺旋结构的提出和蛋白质空间结构的解析，生生命科学的研就，人类基因组序列草图绘制完成后，生命科学研究跨入了后基因组时代。

然而，人们清醒地识到基因仅是遗传信息的载体，而生命活动的执行者是基因的表达产物一蛋白质，它是生命现象复杂性和多变性的直接体现者。

(3)大数据时代和生物信息扩展阅读：

概括来说，现代生物信息学是以核酸和蛋白质等生物大分子数据库及其相关的图书、文献、资料为主要对象，以数学、信息学、计算机科学为主要手段，对浩如烟海的原始数据和原始资料进行存储、管理、注释、加工，使之成为具有明确生物意义的生物信息。

并通过对生物信息的查询、搜索、比较、分析，从中获得基因的编码、凋控、遗传、突变等知识；研究核酸和蛋白质等生物大分子的结构、功能及其相互关系；研究它们在生物体内的物质代谢能量转移、信息传导等生命活动中的作用机制。

『肆』 什么是大数据时代

“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当回今每一个行业和答业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。” “大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。

『伍』 什么是大数据时代

（1）大数据时代的提出
最早提出大数据时代到来的是全球知名咨询公司麦肯锡，他认为数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。
（2）大数据时代的来临
随着互联网快速发展、智能手机以及“可佩带”计算设备的出现，我们的行为、位置，甚至身体生理数据等每一点变化都成为了可被记录和分析的数据。这些新技术推动着大数据时代的来临，各行各业每天都在产生数量巨大的数据碎片，数据计量单位已从Byte、KB、MB、GB、TB发展到PB、EB、ZB、YB甚至BB来衡量。
（3）大数据时代的特点
如果简单来理解什么是大数据，我们只要抓住大数据的四个特点，大量、高速、多样、价值。具体来讲就是数据体量巨大，数据的爆发性增长迫切的需要智能的算法、强大的数据处理平台和新的数据处理技术，来统计、分析、预测和实时处理如此大规模的数据；数据类型繁多，广泛的数据来源决定了大数据形式的多样性。任何形式的数据都可以产生作用，目前应用最广泛的就是推荐系统的应用；价值密度低，现实世界所产生的数据中，有价值的数据所占比例很小。相比于传统的小数据，大数据最大的价值在于通过从大量不相关的各种类型的数据中，挖掘出对未来趋势与模式预测分析有价值的数据；数据分析处理速度快，主要通过互联网传输。大数据对处理速度有非常严格的要求，服务器中大量的资源都用于处理和计算数据，很多平台都需要做到实时分析。

『陆』 生物信息发展趋势如何

既然学了bioinfo就应该知道bioinfo一共有3个主流的研究方向，分别侧重生物，计算机和统计。 才大二，有大把你时间决定以后的方向，现在学一下general的知识，才能更加明白自己到底喜欢的是什么。不要盲目听从别人的意见，选什么还是参照一下自己的兴趣和国内的形势，就目前而言国内大多数偏CS和统计方向，可是未来的事谁说的准呢？ 你读完大学，再读个研，国内的形势风云变幻啊，慢慢观望吧，先好好学习~ 个人觉得bioinformatics还是很有前途的，最后给你个小建议，一定学好生物学的知识（biochemistry，molecular biology是基础，然后，genome，genomic，molecule genetic， 各种omics, system biology）， 还有Java，另外学好UNIX指令，你会受用的~

『柒』 大数据时代是如何到来的,跟那些主要因素有关系

这东西只能说是时代在更新，社会在进步；必然会出现很多新的产物。大数据主要基于网络，因为现在基本谁都离不开手机，离不开网络。
不是专业人士，对错勿怪啊

『捌』 什么是大数据时代

让大数据区别于数据的，是其海量积累、高增长率和多样性

什么是数据？数据（data）在拉丁文里是“已知”的意思，在英文中的一个解释是“一组事实的集合，从中可以分析出结论”。

笼统地说，凡是用某种载体记录下来的、能反映自然界和人类社会某种信息的，就可称之为数据。

古人“结绳记事”，打了结的绳子就是数据。

步入现代社会，信息的种类和数量越来越丰富，载体也越来越多。

数字是数据，文字是数据，图像、音频、视频等都是数据。

什么是大数据呢？量的增多，是人们对大数据的第一个认识。

随着科技发展，各个领域的数据量都在迅猛增长。有研究发现，近年来，数字数据的数量每3年多就会翻一番。

大数据区别于数据，还在于数据的多样性。

正如高德纳咨询公司研究报告指出的，数据的爆炸是三维的、立体的。所谓的三维，除了指数据量快速增大外，还指数据增长速度的加快，以及数据的多样性，即数据的来源、种类不断增加。

从数据到大数据，不仅是量的积累，更是质的飞跃。海量的、不同来源、不同形式、包含不同信息的数据可以容易地被整合、分析，原本孤立的数据变得互相联通。这使得人们通过数据分析，能发现小数据时代很难发现的新知识，创造新的价值。

通过数据来研究规律、发现规律，贯穿了人类社会发展的始终。

人类科学发展史上的不少进步都和数据采集分析直接相关，例如现代医学流行病学的开端。伦敦1854年发生了大规模的霍乱，很长时间没有办法控制。

一位医师用标点地图的方法研究了当地水井分布和霍乱患者分布之间的关系，发现有一口水井周围，霍乱患病率明显较高，借此找到了霍乱暴发的原因：一口被污染的水井。关闭这口水井之后，霍乱的发病率明显下降。这种方法，充分展示了数据的力量。

本质上说，许多科学活动都是数据挖掘，不是从预先设定好的理论或者原理出发，通过演绎来研究问题，而是从数据本身出发通过归纳来总结规律。

近现代以来，随着我们面临的问题变得越来越复杂，通过演绎的方式来研究问题常常变得很困难。这就使得数据归纳的方法变得越来越重要，数据的重要性也越发凸显出来。

大数据是非竞争性资源，有助于政府科学决策、商家精准营销。

大数据时代，数据的重要作用更加凸显，许多国家都把大数据提升到国家战略的高度。

政府合理利用大数据，引导决策的将是基于实证的事实，政府会更有预见性、更加负责、更加开放。

中国古代治国就已经有重数据的思想，如商鞅提出，“强国知十三数……欲强国，不知国十三数，地虽利，民虽众，国愈弱至削”。

大数据时代，循“数”治国将更加有效。小数据时代，政府做决策更多依凭经验和局部数据，难免头痛医头、脚痛医脚。比如，交通堵塞就多修路。

大数据时代，政府做决策能够从粗放型转向集约型。路堵了，利用大数据分析，可以得知哪一时间、哪一地段最容易堵，或在这一地段附近多修路，或提前预警引导居民合理安排出行，实现对交通流的最佳配置和控制，改善交通。

对于商家来说，大数据使精准营销成为可能。

一个有趣的故事，是沃尔玛超市的“啤酒、尿布”现象。沃尔玛超市分析销售数据时发现，顾客消费单上和尿布一起出现次数最多的商品，竟然是啤酒。

跟踪调查后发现，有不少年轻爸爸会在买尿布时，顺便买些啤酒喝。沃尔玛发现这一规律后，搭配促销啤酒、尿布，销量大幅增加。

大数据时代，每个人都会“自发地”提供数据。我们的各种行为，如点击网页、使用手机、刷卡消费、观看电视、坐地铁出行、驾驶汽车，都会生成数据并被记录下来，我们的性别、职业、喜好、消费能力等信息，都会被商家从中挖掘出来，以分析商机。

大数据也将使个人受益。

从生物学、医学上讲，以前生物学家只是通过对单个或几个基因的操控来观察其对生物体的影响，很难发现整体的关联。现在由于技术的发展，可以分析很多，如遗传信息、全体基因的表达量信息、蛋白质族谱信息、全基因组甲基化信息、表观遗传信息等。

同时还有个人健康指标、病历、药物反应等数据。如果真能达成生物学上多维多向数据的有机融合，就能够把个人完整地描述出来，从而实现精准医疗的目的。

大数据时代，审核数据的真实性也有了更有效的手段。

大数据的特征之一是多样性，不同来源、不同维度的数据之间存在一定的关联度，可以交叉验证。例如，某地的工业产值虚报了一倍，但用电量和能耗却没有达到相应的规模。这就是数据异常，很容易被系统识别出来。发现异常后，相关部门再进行复核，就能更有针对性地防止、打击数据造假。

数据是一种资源，但数据又跟煤、石油等物质性资源不一样。物质性资源不可再生，你用多了，别人就用少了，因而很难共享。

数据可以重复使用、不断产生新的价值。大数据资源的使用是非恶性竞争的，共享的前提下，更能够制造双赢。

从另一个角度来说，数据如果不被融合、联系在一起，也不能称之为大数据。

大数据不能被直接拿来使用，统计学依然是数据分析的灵魂

现在社会上有一种流行的说法，认为在大数据时代，“样本=全体”，人们得到的不是抽样数据而是全数据，因而只需要简单地数一数就可以下结论了，复杂的统计学方法可以不再需要了。

首先，大数据告知信息但不解释信息。

打个比方说，大数据是“原油”而不是“汽油”，不能被直接拿来使用。就像股票市场，即使把所有的数据都公布出来，不懂的人依然不知道数据代表的信息。

大数据时代，统计学依然是数据分析的灵魂。正如加州大学伯克利分校迈克尔•乔丹教授指出的，“没有系统的数据科学作为指导的大数据研究，就如同不利用工程科学的知识来建造桥梁，很多桥梁可能会坍塌，并带来严重的后果。”

其次，全数据的概念本身很难经得起推敲。全数据，顾名思义就是全部数据。这在某些特定的场合对于某些特定的问题确实可能实现。

比如，要比较清华、北大两校同学数学能力整体上哪个更强，可以收集到两校同学高考时的数学成绩作为研究的数据对象。

从某种意义上说，这是全数据。但是，并不是说我们有了这个全数据就能很好地回答问题。

一方面，这个数据虽然是全数据，但仍然具有不确定性。

入校时的数学成绩并不一定完全代表学生的数学能力。假如让所有同学重新参加一次高考，几乎每个同学都会有一个新的成绩。分别用这两组全数据去做分析，结论就可能发生变化。

另一方面，事物在不断地发展和变化，同学入校时的成绩并不能够代表现在的能力。全体同学的高考成绩数据，仅对于那次考试而言是全数据。

“全”是有边界的，超出了边界就不再是全知全能了。事物的发展充满了不确定性，而统计学，既研究如何从数据中把信息和规律提取出来，找出最优化的方案；也研究如何把数据当中的不确定性量化出来。

在大数据时代，数据分析的很多根本性问题和小数据时代并没有本质区别。当然，大数据的特点，确实对数据分析提出了全新挑战。

例如，许多传统统计方法应用到大数据上，巨大计算量和存储量往往使其难以承受；对结构复杂、来源多样的数据，如何建立有效的统计学模型也需要新的探索和尝试。对于新时代的数据科学而言，这些挑战也同时意味着巨大的机遇，有可能会产生新的思想、方法和技术。

来源：《人民日报》（2015年07月20日12版）清华大学刘军教授