“大數據已死。”

說這話的，正是來自Google十年員工，數據分析產品BigQuery創始成員之一，Jordan Tigani。

在最新發布的一篇博文中，他表示——

(相關資料圖)

大數據概念在十多年前開始興起，時至今日，銷售們仍用“海量數據帶來指數級增長曲線”說法，來勾起（唬住）客戶為相關服務買單的欲望，否則就將被數字時代拋棄。作者自己也曾是其中之一。

但現在，Jordan Tigani不僅認為這種說法行不通，還稱——“數據大小根本不是問題所在。”

那么問題在哪？他認為，我們已無需擔心數據大小，而應專注于如何使用數據來做出更好的決策。

如此言論之下，也吸引了不少業內人士的圍觀和熱議。

他的上述觀點有何依據？

不妨從證明過程看起。

值得注意的是，作者表示，證明過程中相關圖表曲線并不是嚴格參考了數據，而是憑記憶手繪的，這位資深從業者強調——重要的是曲線形狀趨勢，而非確切數值。

“恐嚇”客戶的話術出問題了

Jordan Tigani先從一張PPT聊開去。

這是一條數據量隨時間增長，呈現指數級增長的曲線，在過去十年，幾乎每個大數據產品推銷都從該曲線開啟。他曾就職的谷歌、SingleStore都不例外。

亮出曲線后，銷售們會順勢鼓吹產品，告訴客戶——大數據時代來了！你需要我手里的產品服務！

但Jordan Tigani認為，多年來的事實已證明，處理數據的老方法已經行不通了，且大多數應用程序也不需要處理大量數據。

一個佐證是近些年傳統架構的數據管理系統復興，諸如SQLite、Postgres、MySQL都增長強勁，與之對比，“NoSQL”甚至“NewSQL”增長卻停滯不前。

一個明顯例子是MongoDB，它是排名最高的NoSQL類數據庫，也同樣是最火的橫向擴展類數據庫，此前幾年MongoDB增長勢頭強勁，但最近規模卻小幅下降，且與MySQL等主流數據庫仍存差距。

Jordan Tigani認為——如果大數據真是未來，那情況應該不一樣。

鼓吹大數據時代就在眼前的另一個說法是——每個人都會被產生的數據淹沒。

但Jordan Tigani在研究客戶中發現絕大多數客戶總數據存儲量不超過1TB，即便大型企業，其數據量級也soso。

根據他的從業經驗，所服務的最大客戶數據存儲量是第二大客戶的2倍，第二大客戶又是第三位的2倍。

這樣一來，客戶數據大小與數量服從冪律分布。

只有極少數客戶擁有PB級數據，成千上萬客戶每月存儲費用不超過10美元，而他們服務客戶存儲資源使用的中位數，連100GB都不到。

不僅作者本人這么認為，Gartner、Forrester等機構分析師及其他從業者也表示，大部分企業的數據庫量級都小于1TB，且100GB是常態。

拿一家超千名客戶的公司舉例，即便每個客戶每天下一個訂單，里面包含100項數據，每天生成數據仍小于1字節，三年后是1GB，而要達到1TB，這家公司得做幾千年生意。

另一個例子是之前作者接觸了一家E輪獨角獸公司，且還在快速成長中，但即便這樣，他們的財務數據、客戶數據、營銷跟蹤數據及服務日志加起來，也只有幾GB。

就這，能叫大數據？

還不算完，即便看“已有”部分，也有問題。

由于現代云平臺將存儲與計算分開，兩部分利用量級也有很大差距，即——數據存儲增長速度，遠大于計算資源需求增速。

具體來說，企業數據的存儲量隨時間推移，肯定是線性增加的，但大部分分析計算需求是針對近期數據，不可能一遍又一遍反復讀取舊數據。因此，計算需求不會同步迅速增加。

Jordan Tigani的一個客戶就是這樣。

作為全球頭部零售商，他們原有100TB本地數據，遷移到云上后，數據量變成了30PB，增加了300倍，如果計算資源需求也隨之拉滿，那他們在數據分析上的花費將達幾十億美元，但事實上，他們只花了很小一筆費用。

作者認為，大量計算服務不被需要，也就意味著前沿架構不太有必要，甚至分布式處理也Duck不必。

與之類似，分析數據的工作負載也遠小于數據體量。

多數時候，人們往往只會查詢前1小時、前1天或上周數據，較小的表會被頻繁查詢，但大表就不一定了。

在作者本人BigQuery工作經歷中，數據量巨大的客戶幾乎從不查詢大量數據，除非他們正在生成一些報告。

這種需求，也不要求性能優先，且僅是企業一周幾十萬個查詢中的極少數。

正如下圖，90%查詢任務涉及的數據量級不超過100MB，僅1%超過10GB，且即便查詢巨型表，數據庫也可通過一定處理，減少計算量和延遲。

一個側面佐證是——業內符合原本“大數據”定義的產品也在變少。

在當初，大數據的定義之一是“任何單機無法處理相關任務/場景需求”，比如00年代，數據工作負載對于單個商業計算機來說，帶不動是常態。

但今天，一個AWS的標準實例所用到的物理服務器包含了64核及256GB RAM，如果為優化實例再多掏一點錢，又能在原基礎上增加2個數量級RAM，這幾乎覆蓋所有工作負載需求。

既然大數據時代結束了，那是不是說，相關從業者要下崗了？

作者也提出了自己的看法——

結束了，但沒完全結束。

具體來說，作者認為，大數據的另一重內涵是“當數據保存的支出小于其挖掘價值，那就應該放棄”，因而，我們需要判定哪些數據需要及時清除，以及背后的原因，這將成為數據工作的重要部分。

這當中，也包括不同時期同一數據以不同字段存儲，需要有人來加以維護和留有記錄。

此外，基于相關監管規定，很多類型數據（比如涉及個人隱私的電話號碼）也需要定期清除。

再有，便是一些公司需要定期判斷哪些舊數據要清理，以避免未來可能的法律風險。（手動狗頭）

ChatGPT老板有不同看法

對于Jordan Tigani上述觀點及論證，有網友表示支持，還聯想到之前類似的工作經歷。

也有網友表示：

當XX已死，說明它真實被認可的地方會被保留下來。

值得一提的是，并非所有人都贊同作者的觀點。

尤其鑒于“XX已死”將話說得太滿，有網友認為：

在近期AI大火之際，判決AI所依賴的大數據已死，也是挺敢說。

當紅炸子雞ChatGPT背后老板Sam Altman，此前在舊金山一次技術活動中，也談過對大數據的看法，Sam認為——

AI研究領域取得令人印象深刻的進步，不僅依靠海量數據，同時更需要海量的計算。

上述觀點不僅強調了海量數據重要性，對比Jordan Tigani所認為的“重存儲輕計算”看法，正好相反。

另一個不同聲音來自一位名叫Lewis Gavin的大數據與軟件工程師，此前他曾在Medium上發文，主題也是圍繞“大數據是否消亡”

他認為：

大數據不會死，只會變得更重要。

所給出理由是：一方面依據是全球生成的數據總量仍在加速增長，且細分領域中，處理“大數據”正成為常態。

基于此，Lewis Gavin認為——所謂“大數據死亡”，只是營銷說法的消亡，但Big Data處理技術和應用仍存在，且它會成為習以為常的現象。

IDC于1月24日發布的一篇預測證明了大數據市場仍在增長，內容指出——

未來幾年，全球大數據和分析軟件市場將實現強勁增長，且具體到該板塊各細分領域，未來幾年增長率均為雙位數。

有意思的是，有網友提出“大數據的死亡”并不是個技術話題。

他表示：數據之所以沒發揮價值，其實是商界精英們往往忽略數據內蘊藏的結論。

另一位網友也表示贊同，還稱：

自己曾開玩笑，數據科學家的工作其實不是搞分析，而是為高管們前瞻性觀點提供有力證明。（手動狗頭）

關鍵詞：