基于大數(shù)據(jù)背景下的高校實驗室研究

摘 ?要： 隨著信息技術(shù)的發(fā)展，我們已進入了大數(shù)據(jù)時代，大數(shù)據(jù)已在各行各業(yè)中有廣泛的應(yīng)用，大數(shù)據(jù)毋庸置疑的將對各行各業(yè)產(chǎn)生重大的影響。實驗室作為科學(xué)研究的第一陣地，必然會受到大數(shù)據(jù)的影響。在大數(shù)據(jù)背景下，本文研究大數(shù)據(jù)與高校實驗室的關(guān)系，針對目前高校實驗室研究存在的不足之處，提出了大數(shù)據(jù)背景下實驗室研究應(yīng)對的策略，以期為高校的實驗室研究提供參考。

關(guān)鍵詞： 大數(shù)據(jù);實驗室;策略

中圖分類號： TU411 ? ?文獻標識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2019.04.042

本文著錄格式：王昊. 基于大數(shù)據(jù)背景下的高校實驗室研究[J]. 軟件，2019，40（4）：196198

【Abstract】： With development of information technology， we have entered era of big data， which has been applied in all walks of life widely， and have significant impact on various industries undoubtedly. As the first position of scientific research， laboratories are bound to influence of big data. Under big data background， the paper studies relationship between big data and university laboratories， and puts forward some strategies for laboratory research under big data background In view of shortcomings of current university laboratory research， to provide reference for university laboratory research.

【Key words】： Big data; Laboratory; Strategy

0 ?引言

當今社會，科技高速發(fā)展，信息高速流通，人與人之間的交流越來越密切，生活也越來越方便，人們每天都生活在海量數(shù)據(jù)之中[1]，海量數(shù)據(jù)已經(jīng)使我們進入了“大數(shù)據(jù)”時代[2]，大數(shù)據(jù)就是這個高科技時代的產(chǎn)物。

最早提出“大數(shù)據(jù)”時代到來的是全球知名咨詢公司麥肯錫，麥肯錫稱：“數(shù)據(jù)，已經(jīng)滲透到當今每一個行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。人們對于海量數(shù)據(jù)的挖掘和運用，預(yù)示著新一波生產(chǎn)率增長和消費者盈余浪潮的到來。”如今，大數(shù)據(jù)產(chǎn)業(yè)發(fā)展正在迅猛增長，據(jù)統(tǒng)計，全球數(shù)據(jù)量每年以超過50%的速度增長[3]，在金融、汽車、電信、餐飲、能源和娛樂等行業(yè)有著廣泛的應(yīng)用[4]，特別是近年來，電子信息技術(shù)的應(yīng)用研究與發(fā)展，在實驗室中產(chǎn)生了結(jié)構(gòu)和種類繁多的海量數(shù)據(jù)，這種海?量數(shù)據(jù)勢必對實驗室的研究產(chǎn)生重大影響，本文 ?就“大數(shù)據(jù)”究竟是什么、高校實驗室研究的不足及大數(shù)據(jù)背景下如何開展實驗室研究等方面進行 ?探析。

1 ?大數(shù)據(jù)定義、特點及與實驗室的關(guān)系

1.1 ?大數(shù)據(jù)的定義

大數(shù)據(jù)（Big data）是一種信息資產(chǎn)，也是一種數(shù)據(jù)集合，并且在一定時間范圍內(nèi)無法用常規(guī)軟件工具進行捕捉、儲存、管理和處理，具有海量、高增長率和多樣化的特點。廣義的大數(shù)據(jù)是指世間的所有均可用數(shù)據(jù)來表示，都可以通過編碼來進行數(shù)據(jù)量化，包括大數(shù)據(jù)相關(guān)的技術(shù)處理。在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數(shù)據(jù)時代》中大數(shù)據(jù)指不用隨機分析法（抽樣調(diào)查）這樣捷徑，而采用所有數(shù)據(jù)進行分析處理。

1.2 ?大數(shù)據(jù)的特點

IBM提出大數(shù)據(jù)具有5“V”的特點：即Volume、Variety、Value、Velocity、Veracity。

Volume指數(shù)據(jù)量大，包括采集、存儲和計算，計量起始單位至少是P、E或Z（10億個T）;Variety指數(shù)據(jù)的種類和來源多樣化，包括結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化，多類型的數(shù)據(jù)對數(shù)據(jù)的處理能力提出了更高的要求;Value指數(shù)據(jù)價值密度相對較低，信息海量，但有價值的不多;Velocity指數(shù)據(jù)增長速度快，處理的速度也很快，實時分析;Veracity指數(shù)據(jù)的準確性和可信賴度，即數(shù)據(jù)的質(zhì)量。

1.3 ?大數(shù)據(jù)與實驗室之間的內(nèi)在關(guān)系

現(xiàn)代科技的進步與社會的迅速發(fā)展，主要得益于對數(shù)據(jù)的使用，實驗室的性質(zhì)和特點就注定了與數(shù)據(jù)的不解之緣。在實驗研究開展的過程中，勢必會產(chǎn)生大量的數(shù)據(jù)，這種數(shù)據(jù)呈現(xiàn)出爆發(fā)式的增長，通過運用大數(shù)據(jù)技術(shù)對這些數(shù)據(jù)進行有效的分析和挖掘，提取出有用的信息和形成有價值的結(jié)論，進一步的促進了實驗室的研究，這種內(nèi)在的聯(lián)系，也使大數(shù)據(jù)成為了實驗室研究的一種思維、工具或方式、方法。

2 ?目前實驗室研究存在的主要問題

2.1 ?重復(fù)性實驗多，研究效率低下

在科研領(lǐng)域，驗證別人已經(jīng)發(fā)現(xiàn)的科學(xué)結(jié)論是非常必要的，這是進一步深入研究的基礎(chǔ)，也就是一定要重復(fù)別人的實驗，但是這種重復(fù)性工作的價值是建立在研究者必須準備在相應(yīng)的領(lǐng)域開展深層次、系統(tǒng)性的研究基礎(chǔ)之上，而國內(nèi)目前的科研工作大多數(shù)停留在重復(fù)性階段，究其原因歸結(jié)于實驗室或個人的研究方向和研究內(nèi)容缺乏連續(xù)性和系統(tǒng)性，頻繁的更換研究方向和研究課題，研究者僅僅在某領(lǐng)域淺嘗輒止，剛剛重復(fù)性的進行別人的重要實驗，沒有系統(tǒng)深入地進行研究就終止了該項工作，那么前期的實驗就失去了價值，變成一種低水平的重復(fù)性工作，導(dǎo)致實驗研究效率低下。

2.2 ?產(chǎn)生數(shù)據(jù)量大，有價值信息少

IDC報告顯示，預(yù)計到2020年全球數(shù)據(jù)總量將超過40 ZB，《大數(shù)據(jù)技術(shù)概論》（中國科學(xué)院大學(xué)工程學(xué)院）一書中提到，歐洲CERN對撞機每年產(chǎn)生的數(shù)據(jù)量超過15 PB，華大基因測序目前每年產(chǎn)生數(shù)據(jù)一年超過5 PB，美國EarthScope每年產(chǎn)生數(shù)據(jù)超過68 TB等，可見，實驗室研究中產(chǎn)生的數(shù)據(jù)量之大，實驗的描述、數(shù)據(jù)的記錄與分析、學(xué)術(shù)數(shù)據(jù)庫等[5]與研究相關(guān)的方方面面都成了產(chǎn)生數(shù)據(jù)的源頭，然而，在這些海量的數(shù)據(jù)中，有價值的信息寥寥無幾，一個生態(tài)學(xué)家想分析過去10年美國蒸散發(fā)量的變化，僅下載的圖像數(shù)據(jù)就達3 TB，然而在處理后，僅生成了小于100 M的分析結(jié)果[6]，這就充分地說明，實驗研究產(chǎn)生的數(shù)據(jù)量巨大，但有價值的信息非常少。

2.3 ?數(shù)據(jù)分析技術(shù)不熟悉，數(shù)據(jù)處理復(fù)雜

在實驗研究中，產(chǎn)生的海量數(shù)據(jù)，繁雜冗長，錯綜復(fù)雜，相互交錯，很難用傳統(tǒng)的、簡單的方法去統(tǒng)計、分析和處理。面對混亂的數(shù)據(jù)，研究人員不得不花費大量的時間和精力來對數(shù)據(jù)進行處理，而且以現(xiàn)在的技術(shù)，也只能處理分析規(guī)模相對小的數(shù)據(jù)信息，實驗研究人員對數(shù)據(jù)分析技術(shù)并不了解。

2.4 ?大數(shù)據(jù)背景下實驗室研究面臨的新問題

面對大數(shù)據(jù)的特點，如何對海量的數(shù)據(jù)進行采集、存儲和計算，如何對種類和來源多樣化的數(shù)據(jù)進行分析、處理和共享，如何在海量的、價值密度相對較低的數(shù)據(jù)中篩選出有價值的信息，如何在海量的數(shù)據(jù)中挖掘其背后隱藏的規(guī)律及特點，如何應(yīng)對大數(shù)據(jù)給技術(shù)研究創(chuàng)新工作所帶來的從思維體系到技術(shù)方法的大變革等等問題，這都是實驗研究者在大數(shù)據(jù)時代要面對的，也是擺在科研人員面前急需解決的難題[7]。

3 ?大數(shù)據(jù)對實驗室研究的重要影響

3.1 ?大數(shù)據(jù)能夠反映出科學(xué)研究的最新動態(tài)及其內(nèi)部的發(fā)展規(guī)律

高校實驗室是開展實驗教學(xué)，培養(yǎng)學(xué)生實踐能力與綜合素質(zhì)的主要場所，更是科研的前沿陣地，實驗室研究中對數(shù)據(jù)的運用是最充分，研究的詳細數(shù)據(jù)能夠充分的描述出實驗的變化過程，挖掘出實驗內(nèi)部深層次的規(guī)律。

3.2 ?大數(shù)據(jù)能夠打破實驗研究者的固有思維局限，實現(xiàn)實驗室研究的協(xié)同創(chuàng)新與發(fā)展

在實驗室研究中，研究者本身的認知是簡單的、靜態(tài)的、局部的，然而在大數(shù)據(jù)時代，實驗研究者利用大數(shù)據(jù)的性質(zhì)特點，對科研問題的處理及思考可現(xiàn)實復(fù)雜化、動態(tài)化、整體化，能夠?qū)⒍喾N思維方式運用到研究中，也可利用大數(shù)據(jù)的多樣性、復(fù)雜性來綜合分析實驗數(shù)據(jù)，達到不同領(lǐng)域不同學(xué)科之間的實驗室研究同步創(chuàng)新、發(fā)展。

3.3 ?大數(shù)據(jù)可實現(xiàn)實驗的可預(yù)性，并減少不必要的實驗

在大數(shù)據(jù)時代，實驗研究者通過對大量數(shù)據(jù)的分析與處理，其中包括實驗研究過程中出現(xiàn)的信息數(shù)據(jù)，以及實驗的外部有關(guān)信息數(shù)據(jù)，能夠確定出下一步實驗的方法、預(yù)期達到的實驗結(jié)果，進而避免了前期為確定實驗影響因素而進行的相關(guān)實驗，同時也避免了因人為因素而失誤造成的重復(fù)實驗。

4 ?大數(shù)據(jù)時代下，實驗室研究策略

4.1 ?創(chuàng)新研究方法，提高對數(shù)據(jù)的敏銳性

在大數(shù)據(jù)時代，實驗研究者必須提高對大數(shù)據(jù)可用性、重要性的認識和敏銳性，在研究中，積極主動地通過國內(nèi)外一些重要平臺，如數(shù)據(jù)信息平臺、商業(yè)數(shù)據(jù)庫、學(xué)術(shù)數(shù)據(jù)庫、共享文庫、專業(yè)網(wǎng)站等，也可借助網(wǎng)絡(luò)調(diào)查、計算機輔助調(diào)查（CAI）、電話輸入數(shù)據(jù)搜集系統(tǒng)、新的紙張表格調(diào)查技術(shù)等數(shù)據(jù)搜集技術(shù)方法進行數(shù)據(jù)的搜集，了解、分析與實驗研究相關(guān)、有價值的信息數(shù)據(jù)，協(xié)助本實驗的研究。同時，在實驗研究的過程中，針對實驗所產(chǎn)生的數(shù)據(jù)，研究者應(yīng)主動地保留儲存，并運用適當?shù)慕y(tǒng)計分析法進行分析，提高對數(shù)據(jù)的敏感性，及時捕獲研究中所產(chǎn)生的重大價值信息。

另外，為提高實驗室研究的效率，確保實驗研究的實效性，研究者必須創(chuàng)新實驗研究的方式和方法，轉(zhuǎn)變觀念，加強國內(nèi)外的交流，在研究方法上與國際接軌，加大對大數(shù)據(jù)可用性評估和保證的關(guān)鍵技術(shù)的研究和開發(fā)，通過大數(shù)據(jù)技術(shù)把實驗室外部的數(shù)據(jù)信息資源引進實驗室研究中，注重對大數(shù)據(jù)的分析與挖掘，促使科研水平不斷提高。

4.2 ?加強大數(shù)據(jù)人才的培養(yǎng)力度

據(jù)麥肯錫公司分析，在2018年大數(shù)據(jù)相關(guān)技術(shù)崗位人才需求將大幅增加，其中大數(shù)據(jù)決策分析師就有150萬左右的需求，未來10年內(nèi)，進美國就需求相關(guān)人才200～400萬[8]。在國內(nèi)，根據(jù)數(shù)聯(lián)尋英發(fā)布的《大數(shù)據(jù)人才報告》顯示，目前全國大數(shù)據(jù)人才僅46萬，未來3-5年內(nèi)大數(shù)據(jù)人才的缺口將高達150萬，因此，人才培養(yǎng)已成為我國大數(shù)據(jù)產(chǎn)業(yè)發(fā)展的當務(wù)之急。首先針對實驗室研究者，開設(shè)JAVA、python等編程語言基礎(chǔ)，hadoop、spark開發(fā)等數(shù)據(jù)管理軟件等課程，增強研究者對數(shù)據(jù)的敏銳性，提高其對數(shù)據(jù)的分析、處理能力，熟悉使用數(shù)據(jù)分析技術(shù)。其次，采取跨校聯(lián)合培養(yǎng)等方式開展跨學(xué)科大數(shù)據(jù)綜合型人才培養(yǎng)，促使高校開設(shè)大數(shù)據(jù)相關(guān)專業(yè)或設(shè)置大數(shù)據(jù)相關(guān)的課程，保證實驗室研究中具備大數(shù)據(jù)技術(shù)的相關(guān)人才，以此推動實驗室研究的發(fā)展。

4.3 ?加大實驗室大數(shù)據(jù)的硬件、軟件設(shè)施建設(shè)

大數(shù)據(jù)背景下，實驗室的建設(shè)需要在學(xué)校實際科研需求及教學(xué)的需求下，通過大數(shù)據(jù)技術(shù)的支持，建立起具有可行性、擴展性和實用性的實驗室[9]。在此背景下，實驗室的建設(shè)需要包括數(shù)據(jù)存儲系統(tǒng)、數(shù)據(jù)計算中心、數(shù)據(jù)終端以及可視化模塊[10]，數(shù)據(jù)存儲和計算是實驗室的核心部分，硬件設(shè)施大多選用HP、Dell及IBM等，常見的軟件設(shè)施含有多種存儲模型管理系統(tǒng)等，在建設(shè)的過程中，高?？煞e極借鑒國外先進實驗室的經(jīng)驗，努力強化實驗室軟硬件建設(shè)，改善實驗室研究環(huán)境。

4.4 ?建立大數(shù)據(jù)實驗室

大數(shù)據(jù)實驗室的建設(shè)不僅是為了滿足學(xué)校教學(xué)和學(xué)科建設(shè)的需求，也更是對學(xué)?？蒲醒芯刻峁┫鄳?yīng)的支撐，不僅能給實驗研究者帶來大數(shù)據(jù)技術(shù)的魅力和廣闊前景，使其掌握主流的大數(shù)據(jù)存儲、管理、分析技術(shù)，更能夠培養(yǎng)適應(yīng)數(shù)據(jù)時代的創(chuàng)新人才，滿足大數(shù)據(jù)技術(shù)人才的需求。

5 ?結(jié)論

大數(shù)據(jù)對實驗室研究產(chǎn)生了重大影響，大數(shù)據(jù)能反映出實驗室研究動態(tài)及各類數(shù)據(jù)信息內(nèi)部深層次的規(guī)律，改變?nèi)说膫鹘y(tǒng)觀念，也能更新研究者的思維局限，實現(xiàn)研究的同步創(chuàng)新及社會化，更能催生新的科技成果和加快科技產(chǎn)品的更新?lián)Q代周期，大數(shù)據(jù)必能成為未來實驗室研究的主流方式。為此，我們應(yīng)該加大建設(shè)大數(shù)據(jù)實驗室、大數(shù)據(jù)人才培養(yǎng)的力度，增強實驗研究人員的大數(shù)據(jù)意識，搶占科技制高點，為我國科技的新一輪發(fā)展打下堅實的基礎(chǔ)。

參考文獻

[1] 李鋒. 大數(shù)據(jù)在高校實驗室管理中的作用[J]. 科學(xué)大眾（科學(xué)教育）， 2017（08）： 178.

[2] 吳潤強， 孫科學(xué). 大數(shù)據(jù)及其在實驗室管理中的應(yīng)用[J]. 科技經(jīng)濟導(dǎo)刊， 2016（34）： 243.

[3] 廖軍， 張毅， 王成良， 等. 高校大數(shù)據(jù)實驗室建設(shè)體系研究與分析[J]. 實驗技術(shù)與管理， 2018， 35（11）： 241-244.

[4] 賀寧， 湯明偉， 賀萌. 大數(shù)據(jù)課程在高職學(xué)院中的建設(shè)和發(fā)展[J]. 軟件， 2015， 36（10）： 50-52.

[5] 梁祥炎， 莫曉靜. 大數(shù)據(jù)下的實驗室研究[J]. 技術(shù)與市場， 2014， 21（07）： 7-8+10.

[6] 賀威， 劉偉榕. 大數(shù)據(jù)時代的科研革新[J]. 未來與發(fā)展， 2014， 36（02）： 2-5.

[7] 朱東華， 張嶷， 汪雪鋒， 等. 大數(shù)據(jù)環(huán)境下技術(shù)創(chuàng)新管理方法研究[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理， 2013， 34（4）： 172-180.

[8] HENKE N， BUGHIN J， CHUI M， et al. The Age of Ana-lytics; Competing in a Data-Driven World [EB/OL]. （2016-12）.

[9] 黃葉超， 鄭庚. 基于大數(shù)據(jù)技術(shù)實驗室建設(shè)探索與研究[J]. 電子測試， 2017（24）： 56+53.

[10] 徐煉， 王小強， 金美順， 等. “偽基站”數(shù)據(jù)現(xiàn)場取證方法[J]. 中國人民公安大學(xué)學(xué)報（自然科學(xué)版）， 2017， 23（03）： 92-96.