數據不是信息，而是有待理解的原材料。但有一件事是確定無疑的：當NSA為了從其海量數據中“挖掘”出信息，耗資數十億改善新手段時，它正受益于陡然降落的計算機存儲和處理價格。

麻省理工學院的研究者約翰·古塔格(John Guttag)和柯林·斯塔爾茲(Collin Stultz)創建了一個計算機模型來分析之心臟病病患丟棄的心電圖數據。他們利用數據挖掘和機器學習在海量的數據中篩選，發現心電圖中出現三類異常者一年內死于第二次心臟病發作的機率比未出現者高一至二倍。這種新方法能夠識別出更多的，無法通過現有的風險篩查被探查出的高危病人。

數據挖掘這一術語含義廣泛，指代一些通常由軟件實現的機制，目的是從巨量數據中提取出信息。數據挖掘往往又被稱作算法。威斯康星探索學院主任大衛·克拉考爾(David Krakauer)說，數據量的增長——以及提取信息的能力的提高——也在影響著科學。“計算機的處理能力和存儲空間在呈指數增長，成本卻在指數級下降。從這個意義上來講，很多科學研究如今也遵循摩爾定律。”

在2005年，一塊1TB的硬盤價格大約為1,000美元，“但是現在一枚不到100美元的U盤就有那么大的容量。”研究智能演化的克拉考爾說?，F下關于大數據和數據挖掘的討論“之所以發生是因為我們正處于驚天動地的變革當中，而且我們正以前所未有的方式感知它。”克拉勞爾說。隨著我們通過電話、信用卡、電子商務、互聯網和電子郵件留下更多的生活痕跡，大數據不斷增長的商業影響也在如下時刻表現出來：你搜索一條飛往塔斯卡魯薩的航班，然后便看到網站上出現了塔斯卡魯薩的賓館打折信息;你觀賞的電影采用了以幾十萬G數據為基礎的計算機圖形圖像技術;你光顧的商店在對顧客行為進行數據挖掘的基礎上獲取最大化的利潤;用算法預測人們購票需求，航空公司以不可預知的方式調整價格;智能手機的應用識別到你的位置，因此你收到附近餐廳的服務信息。

　　大數據在看著你嗎?

除了安全和商業，大數據和數據挖掘在科研領域也正在風起云涌。越來越多的設備帶著更加精密的傳感器，傳回愈發難以駕馭的數據流，于是人們需要日益強大的分析能力。在氣象學、石油勘探和天文學等領域，數據量的井噴式增長對更高層次的分析和洞察提供了支持，服務器租用 免備案服務器，甚至提出了要求。

2005年6月至2007年12月海洋表面洋流示意圖。數據源：海面高度數據來自美國航空航天局(NASA)的Topex/Poseidon衛星、Jason-1衛星，以及海形圖任務/Jason-2衛星測高儀;重力數據來自NASA/德國航空航天中心的重力恢復及氣候實驗任務;表面風壓數據來自NASA的QuikScat任務;海平面溫度數據來自NASA/日本宇宙航空研究開發機構的先進微波掃描輻射計-地球觀測系統;海冰濃度和速度數據來自被動微波輻射計;溫度和咸度分布來自船載、系泊式測量儀器，以及國際Argo海洋觀測系統。

這幅2005年6月至2007年12月海洋表面洋流的示意圖集成了帶有數值模型的衛星數據。漩渦和窄洋流在海洋中傳送熱量和碳。海洋環流和氣候評估項目提供了所有深度的洋流，但這里僅僅使用了表層洋流。這些示意圖用來測量海洋在全球碳循環中的作用，并監測地球系統的不同部分內部及之間的熱量、水和化學交換。

在醫學領域，2003年算是大數據涌現過程中的一個里程碑。那一年第一例人類基因組完成了測序。那次突破性的進展之后，數以千計人類、靈長類、老鼠和細菌的基因組擴充著人們所掌握的數據。每個基因組上有幾十億個“字母”，計算時出現紕漏的危險，催生了生物信息學。這一學科借助軟件、硬件以及復雜算法之力，支撐著新的科學類型。

精神障礙通常是具體病例具體分析，但是一項對150萬名病人病例的研究表明，相當多的病人患有超過同一種疾病。芝加哥大學的西爾維奧·康特中心利用數據挖掘理解神經精神障礙的成因以及之間的關系。“好幾個(研究)團隊都在致力于這個問題的解決。”中心主任安德烈·柴斯基(Andrey Rzhetsky)說，“我們正試圖把它們全部納入模型，統一分析那些數據類型……尋找可能的環境因素。”

另一例生物信息學的應用來自美國國家癌癥研究所。該所的蘇珊·霍爾貝克(Susan Holbeck)在60種細胞系上測試了5000對美國食品和藥品管理局批準的抗癌藥品。經過30萬次試驗之后，霍爾貝克說：“我們知道每種細胞系里面每一條基因的RNA表達水平。我們掌握了序列數據、蛋白質數據，以及微觀RNA表達的數據。我們可以取用所有這些數據進行數據挖掘，看一看為什么一種細胞系對混合藥劑有良好的反應，而另一種沒有。我們可以抽取一對觀察結果，開發出合適的靶向藥品，歐洲服務器租用 云服務器，并在臨床測試。”

　　互聯網上的火眼金睛