第1章
挑 战
数据价值因运用而生。
─《比特的力量》（Bits of Power），美国国家研究委员会
1.1 引言
1963年，德里克·德索拉·普赖斯（Derek de Solla Price）因提出“小科学”和“大科学”的概念而闻名。最近，温伯格（Weinberg 1961）提出大科学一词强调体现社会雄心壮志的巨大投入。他认为20世纪的科学里程碑包括巨型火箭、高能量加速器和高通量研究反应堆，它们堪比埃及金字塔、凡尔赛宫和巴黎圣母院，是“我们这一时代的象征”。我们的时代即人造卫星的时代，也是将大量资金投入科学事业的时代。普赖斯和温伯格都对大科学的发展历程提出了疑问，普赖斯质疑大科学和小科学的相对价值大小，温伯格质疑大科学是否值得如此巨额的投入，以及其是否在总体上损害了科学。
与50年前的“大科学”相比，“大数据”有过之而无不及，其出现在《科学》《自然》《经济学人》和《连线》杂志的封面，并成为《华尔街日报》《纽约时报》以及许多其他主流与非主流出版物的头版。正如大科学旨在发现宇宙奥秘一样，大数据则有望揭示日常比特流中埋藏的宝藏。大数据是现代商业的“石油”（Mayer-Schonberger and Cukier 2013）、相互合作的黏合剂（Borgman 2007）和学者的思想碰撞之源（Edwards et al. 2011；Edwards 2010）。
然而，数据不能像石油一样流动，像胶水一样黏结，像火柴一样擦出火花。数据价值因运用而生，由此产生了《比特的力量》这一报告（National Research Council 1997）。“何为数据”是个尚未阐明的问题，在该问题上达成的唯一共识是单一定义无法清楚刻画数据的定义。数据价值具有多样性，其可能直到数据采集、监护或丢失很久后才产生，同时也因地、因时、因具体情景而具有很大的不同。正确数据通常比大量数据更具有优势。虽然大数据十分风靡，但一些小数据也可能具有像大数据一样的价值。无数据的现象也十分普遍，原因可能是相关数据不存在，或相关数据存在但找不到，或专有控制权、禁令、技术壁垒、缺乏监护导致的数据等级退化等，甚至仅仅由于数据拥有者不能或不愿共享，使得数据虽存在但不能使用。
数据正以数字和物理形态快速增长。大数据使大规模条件下的新问题具有可能性和可考虑性。学者们首次可以提出全样本数据集条件下的问题（Edwards et al. 2013；Mayer Schonberger and Cukier 2013；Schroeder 2014）。但是，与已经存在了几个世纪的物理数据相比，数字数据依旧相当脆弱。不像纸、莎草纸或者水彩画那样，数字数据只有在其诞生的技术设备环境中才能进行解读。随着软硬件的迅速发展，数据记录只有迁移到新版本才能保持可读性。数字记录还需要文档说明，其中不仅要包括电子表行列说明，还要包括数据获取流程说明。同理，标本、幻灯片和样本只有在说明文档的辅助下，才可能具有可读性。除非我们能为了数据将来的运用而进行数据监护的大量投资，否则大部分数据都会退化。
数据的强大性与脆弱性两个特点结合起来使其成为学术交流中极具魅力的研究课题。孤立的数据没有任何价值和意义。数据可能成为资产或债务，甚至既是资产又是债务。数据存在于知识基础设施中，即人、生产实践、技术、组织机构、物质对象及其相互关系构成的生态圈。其所有组成成分随利益相关者、技术、政策和权利的变化而不断变动。知识基础设施不仅对今天和明天的学者至关重要，对那些运用其创造的知识的人同样十分重要。
