大數據根基在利益分配（車品覺）
任何零散的數據一旦連結形成大數據，便會威力無窮。就拿醫療數據為例，如果我們把人類生物學的複雜性比作一部動畫電影，那麼在一百年前，我們對這種複雜性的了解大約相當於電影畫面的一個圖元。可是，若看完整部電影，我們便很容易知道它說的到底是怎樣的一個故事。醫療大數據的建立，正是了解整部電影的最佳視窗，所以說當各大醫療數據成功實現了聯防，癌症便不再值得害怕。
尋共同「痛點」助鼓勵分享
在龐大的市場及科研潛力面前，夏特（Eric Schadt）這位試圖讓醫療數據共用成為現實的先驅者，顛覆傳統創立了自己的基因數據公司Sema4，一個致力創建千萬級基因技術庫的基因數據平台。雖然這件事情非常偉大和有意義，但其面臨的困難亦無疑很巨大。連夏特本人也無奈承認，「儘管已經投入數十億美元，用於對現有數據網路進行現代化改造和提供安全保障，但數據洩露事件仍然時有發生。」若不徹底根治這問題，支撐項目的信任基礎將變得脆弱。
然而，病患的醫療數據屬於個人擁有？還是醫生與病人共同創造的呢？任何大數據的形成必須經歷兩個過程，即開放與規範，兩者為遞進關係，前者是深度連結的前提，後者涉及數據的可用性。實現從零到一的過程中，首先就必須找到個體與機構之間的平衡點：人們有意願把自己的基因數據分享嗎？憑什麼？企業結集了這些大數據之後，又如何對個體有益呢？若不能達到互利，又怎樣讓更多人願意貢獻出自己的基因數據呢？
下一步要解決的問題，是如何鼓勵已擁有大量數據的醫療機構願意共用數據，讓各企業或者業務單元放棄自己的數據孤島。從我過去在阿里巴巴的經驗中，唯一的方法就是找出共同的「痛點」，當得到的利益高於他們之間的競爭，共用會變得理所當然。
接着便是規範化，我們費勁辛苦收集到的數據，該以什麼方法加工，然後成為解決問題的原材料呢？數據界大致分為兩派，一派堅持原始數據，即盡可能保持數據的原貌（裸數據）。另一派較喜歡把收集的數據規範化和格式化，根據使用的場景進行預處理。其實，數據是虛的，Solution才是實在的，沒有場景作目標的大數據如同散沙，但太實相的大數據又不靈活。所以說，不論金融大數據抑或醫療大數據，都會經歷從無到有、從有到高度連結、從連結到即時流通，最後經過工程化把數據提煉成隨時可用的「業務石油」。到那時，毋庸置疑，它會產生龐大的商機及無與倫比的回報率，但是投入的代價也着實並不便宜。
更多車品覺文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
