主题：回覆本嘉明兄:對台灣現況與民情的分析 -- aiguille

如果你真关心大数据有关内容，我知道的信息比较同步说的基本在茶馆论坛老槐的帖子，大数据一和大数据二上面。这里因为过去的3D打印与石墨烯有关讨论，被很多自诩的理科生斩钉截铁的自负弄的无所适从了。不好意思。

我就说我自己接触的一部分事例吧，两条线。一个是我老师的老师的，一个是我自己做的。

一.我老师的老师一开始是给阿里做后台数据分析工作，不是替阿里干是合作关系。我第一次听他们的讲课，讲他们做的算法是2012年上海信息协会年会介绍他们进展。其中一组数据我记忆犹新，他说原本他们做的检索需要2分半，当时已经可以做到56秒，之后速度会更快，去年初已经在20秒内了。什么数据，基于药监码一物一码的检索，数据库的数据是200万亿条代码。这是很初期合作的一部分。我也提过有关部门一开始就介入，什么部门，其中之一是总参。起码启动资金是总参投的，说到这个很多可能奇怪，为什么药监码阿里项目总参会投入。起因很实际，汶川地震。汶川地震后，部队在运输过程中发现一个问题，部队发现他们运送到当地很多物资实际当地都有，或者灾区临近的区域储备充足，因此导致的运力浪费某种算法得出的结论，因数据混乱导致占用特别通道的浪费相关空运能力的百分之40，浪费运力重灾区就是药品。造成药品纯粹数据混乱的原因，有几部分。这里简述其中两部分。

1.地方数据库与中央数据库彼此之间是一个个信息孤岛，信息库彼此隔绝。

2.药监码出处有四个部门，商检部门，卫生部门，工商管理部门以及生产监管部门，各自为政。

这个就是今天被叫做阿里健康的项目，开始启动的原因。这后面有很详尽的国家步骤与配套，具体同步信息基本发布在茶馆的讨论中。怎么评价你的权力，我态度是起码你要知道中国在这个领域实际已经做到了什么。

二.我们自己的项目，表面工作是给一个相关职能部门做职业招聘网站与职业培训网站。实际后台信息分析的是，根据点击信息激活沉睡数据。根据数据对比，查询有关人在激活信息与沉睡数据之间的状态。结合，他的个人消费记录，结合他的住房信息，结合他的叫他交通违章记录以及个人医保社保信息。来判断这个人的实际生活状态，比较正式的叫法是舆情分析一部分。这个比较少见公开新闻，多数人恐怕对舆情分析，还多从网络爬虫的工作角度看即时分析这一块。实际，即时数据与沉睡数据的比照权重也相当重要。从今年开始，个别地区这样的数据比较已经可以扩展到QQ聊天记录，微博记录，部分论坛聊天记录，以及手机语音记录。不久前上线的，国家预警信息中心正式启动就是与此有关的配套。如果你觉得这一段有点玄乎，我说说工作流程。比如，为了预防上海类似的踩踏事件的发生。在可预见出现大级别人流的时间节点，同步各种信息节点的信息，如果在比较集中的时间段出现同一关键词。比如手机论坛与QQ 通信中有出现外滩与人民广场，城隍庙，新天地，徐家汇，世博园之类的字样。根据历年统计数据比照，一旦相关数据到达警戒位置，那么相关地点的地铁以及公交系统就要启动分流限流措施。警察，也要进入疏导的状态。而不是路踩踏事故发生的时候，依靠视频头数人头的预警方式，当然这种手段才开始积累数据样本。这种预警方式，是早期预警的一部分范畴。相关大数据应用，早期难免还会有瑕疵，随着数据样本的完善，改善可期。我这里只是说一部分应用的节点及其运作方式。

以上仅供参考。

还有人工智能与人工智慧是很大的风水岭。很多人说大数据容易混淆这些，相关讨论我在邀请相关工作的专业人士在茶馆讨论的，你有兴趣关注哪里吧。最近忙，肠胃崩溃了，系统的写东西分不了心。说点实际工作中的经历还是可以间接说明一点现状的。