张立

出版业的内容数据虽具有数据真实性属性，但离海量的数据规模尚有差距，短期内也不大可能向快速的数据流转、多样的数据类型、价值密度低转型。

一、互联网上的讹传

一种在互联网上广泛流传的说法是：互联网上一天所产生的数据可以刻满1.68亿张 DVD；发出的邮件有2940亿封之多（相当于美国两年的纸质信件数量）；发出的社区帖子达 200万个（相当于《时代》杂志770年的文字量）。截止到2014年，数据量已经从TB级别跃升到PB、EB乃至ZB级别。

这一组对比数据似乎在告诉我们：传统出版业的数据量其实非常有限。那么传统出版业的数据量究竟有多大？是否够得上“大数据”？

2013年3月20日发表于“中国IDC圈”网站上的《印象：人类生产的印刷材料数据量达200PB》一文提到：“到2012年为止，人类生产的所有印刷材料的数据量是200PB……”另一篇提到“200PB”的文章是2015年4月21日发表于“36大数据”网站上的《报告：数据大爆炸，“互联网+”基础设施数据中心大发展（上）》。该文在提到200PB印刷数据时明确说明是摘自中信证券分析师的《云计算/IDC行业专题研究报告——数据大爆炸，数据中心大发展—“互联网+”基础设施之二》一文。

为此，笔者购买了中信证券的报告。中信证券的报告是这样表述的：“国际数据公司（IDC）的研究结果表明，2008年全球产生的数据量为0.49ZB，2009年的数据量为0.8ZB，2010年增长为1.2ZB，2011年的数量更是高达1.82ZB，相当于全球每人每年产生200GB以上的数据。而到2012年为止，人类生产的所有印刷材料的数据量是200PB，全人类历史上说过的所有话的数据量大约是5EB。