曾 琼

一、引言

我们身处大数据时代，互联网、物联网以及各类移动设备和传感器等生成并仍在持续不断地生成规模巨大的海量数据。这些海量数据充斥了世界的每一个空间，“渗透到每一个行业和业务职能领域，逐渐成为重要的生产要素”[1]，“变革我们的生活、工作和思维”[2]。大数据也深深嵌入科学研究诸领域，对人类的科学研究产生重大影响。

数据科学家、关系型数据库先驱、图灵奖得主吉姆·格雷(Jim Gray),在2007年1月召开的美国国家研究理事会计算机科学与通讯分会(NRC-CSTB)会议上，发表了题为“e-Science：科学方法的一次革命”的演讲，首次提出“数据密集型”(Data Intensive)的概念。“数据密集型”科学依靠计算机来进行数据获取、处理、存储以及管理与分析的科学研究方法，格雷将其称为人类科学研究继实验、理论与计算机仿真三种范式之后的“第四范式”。随即，许多科学研究领域相继运用已积累下的巨大规模的科学研究数据展开相关研究，并在深入的数据分析中获得诸多有价值的科学发现。

“第四范式”提出一年后的2008年，英国《自然》杂志率先发表《大数据》专刊。2010、2011年，《经济学家》杂志和《科学》杂志又先后推出名为《数据，无处不在的数据》和《数据处理》的专刊。2013年，维克托·迈尔-舍恩伯格和肯尼斯·库克耶出版影响巨大的《大数据时代》一书。“大数据”旋即蓬勃兴起，“大数据范式”作为广泛使用的概念也迅速蹿红，成为科学研究领域的热门应用。所谓“大数据范式”，按学界普遍的认知，即利用大数据与大数据技术，通过对海量数据的计算与分析，来挖掘和发现数据所隐藏的科学知识与科学价值。……