「大數據已死。」
說這話的，正是來自Google十年員工，數據分析產品BigQuery創始成員之一，Jordan Tigani。
在最新發布的一篇博文中，他表示——
大數據概念在十多年前開始興起，時至今日，銷售們仍用「海量數據帶來指數級增長曲線」說法，來勾起（唬住）客戶為相關服務買單的欲望，否則就將被數字時代拋棄。作者自己也曾是其中之一。
但現在，Jordan Tigani不僅認為這種說法行不通，還稱——「數據大小根本不是問題所在。」
那麼問題在哪？他認為，我們已無需擔心數據大小，而應專注於如何使用數據來做出更好的決策。
如此言論之下，也吸引了不少業內人士的圍觀和熱議。
他的上述觀點有何依據？
不妨從證明過程看起。
值得注意的是，作者表示，證明過程中相關圖表曲線並不是嚴格參考了數據，而是憑記憶手繪的，這位資深從業者強調——重要的是曲線形狀趨勢，而非確切數值。
「恐嚇」客戶的話術出問題了
Jordan Tigani先從一張PPT聊開去。
這是一條數據量隨時間增長，呈現指數級增長的曲線，在過去十年，幾乎每個大數據產品推銷都從該曲線開啟。他曾就職的谷歌、SingleStore都不例外。
但Jordan Tigani認為，多年來的事實已證明，處理數據的老方法已經行不通了，且大多數應用程式也不需要處理大量數據。
一個佐證是近些年傳統架構的數據管理系統復興，諸如SQLite、Postgres、MySQL都增長強勁，與之對比，「NoSQL」甚至「NewSQL」增長卻停滯不前。
一個明顯例子是MongoDB，它是排名最高的NoSQL類資料庫，也同樣是最火的橫向擴展類資料庫，此前幾年MongoDB增長勢頭強勁，但最近規模卻小幅下降，且與MySQL等主流資料庫仍存差距。
Jordan Tigani認為——如果大數據真是未來，那情況應該不一樣。
鼓吹大數據時代就在眼前的另一個說法是——每個人都會被產生的數據淹沒。
但Jordan Tigani在研究客戶中發現絕大多數客戶總數據存儲量不超過1TB，即便大型企業，其數據量級也soso。
根據他的從業經驗，所服務的最大客戶數據存儲量是第二大客戶的2倍，第二大客戶又是第三位的2倍。
這樣一來，客戶數據大小與數量服從冪律分布。
只有極少數客戶擁有PB級數據，成千上萬客戶每月存儲費用不超過10美元，而他們服務客戶存儲資源使用的中位數，連100GB都不到。
不僅作者本人這麼認為，Gartner、Forrester等機構分析師及其他從業者也表示，大部分企業的資料庫量級都小於1TB，且100GB是常態。
拿一家超千名客戶的公司舉例，即便每個客戶每天下一個訂單，裡面包含100項數據，每天生成數據仍小於1位元組，三年後是1GB，而要達到1TB，這家公司得做幾千年生意。
另一個例子是之前作者接觸了一家E輪獨角獸公司，且還在快速成長中，但即便這樣，他們的財務數據、客戶數據、營銷跟蹤數據及服務日誌加起來，也只有幾GB。
就這，能叫大數據？
還不算完，即便看「已有」部分，也有問題。
由於現代雲平台將存儲與計算分開，兩部分利用量級也有很大差距，即——數據存儲增長速度，遠大於計算資源需求增速。
具體來說，企業數據的存儲量隨時間推移，肯定是線性增加的，但大部分分析計算需求是針對近期數據，不可能一遍又一遍反覆讀取舊數據。因此，計算需求不會同步迅速增加。
Jordan Tigani的一個客戶就是這樣。
作為全球頭部零售商，他們原有100TB本地數據，遷移到雲上後，數據量變成了30PB，增加了300倍，如果計算資源需求也隨之拉滿，那他們在數據分析上的花費將達幾十億美元，但事實上，他們只花了很小一筆費用。
作者認為，大量計算服務不被需要，也就意味著前沿架構不太有必要，甚至分布式處理也Duck不必。
與之類似，分析數據的工作負載也遠小於數據體量。
多數時候，人們往往只會查詢前1小時、前1天或上周數據，較小的表會被頻繁查詢，但大表就不一定了。
在作者本人BigQuery工作經歷中，數據量巨大的客戶幾乎從不查詢大量數據，除非他們正在生成一些報告。
這種需求，也不要求性能優先，且僅是企業一周幾十萬個查詢中的極少數。
正如下圖，90%查詢任務涉及的數據量級不超過100MB，僅1%超過10GB，且即便查詢巨型表，資料庫也可通過一定處理，減少計算量和延遲。
一個側面佐證是——業內符合原本「大數據」定義的產品也在變少。
在當初，大數據的定義之一是「任何單機無法處理相關任務/場景需求」，比如00年代，數據工作負載對於單個商業計算機來說，帶不動是常態。
但今天，一個AWS的標準實例所用到的物理伺服器包含了64核及256GB RAM，如果為優化實例再多掏一點錢，又能在原基礎上增加2個數量級RAM，這幾乎覆蓋所有工作負載需求。
既然大數據時代結束了，那是不是說，相關從業者要下崗了？
作者也提出了自己的看法——
結束了，但沒完全結束。
具體來說，作者認為，大數據的另一重內涵是「當數據保存的支出小於其挖掘價值，那就應該放棄」，因而，我們需要判定哪些數據需要及時清除，以及背後的原因，這將成為數據工作的重要部分。
這當中，也包括不同時期同一數據以不同欄位存儲，需要有人來加以維護和留有記錄。
此外，基於相關監管規定，很多類型數據（比如涉及個人隱私的電話號碼）也需要定期清除。
再有，便是一些公司需要定期判斷哪些舊數據要清理，以避免未來可能的法律風險。（手動狗頭）
ChatGPT老闆有不同看法
對於Jordan Tigani上述觀點及論證，有網友表示支持，還聯想到之前類似的工作經歷。
也有網友表示：
當XX已死，說明它真實被認可的地方會被保留下來。
值得一提的是，並非所有人都贊同作者的觀點。
尤其鑑於「XX已死」將話說得太滿，有網友認為：
在近期AI大火之際，判決AI所依賴的大數據已死，也是挺敢說。
當紅炸子雞ChatGPT背後老闆Sam Altman，此前在舊金山一次技術活動中，也談過對大數據的看法，Sam認為——
AI研究領域取得令人印象深刻的進步，不僅依靠海量數據，同時更需要海量的計算。
上述觀點不僅強調了海量數據重要性，對比Jordan Tigani所認為的「重存儲輕計算」看法，正好相反。
另一個不同聲音來自一位名叫Lewis Gavin的大數據與軟體工程師，此前他曾在Medium上發文，主題也是圍繞「大數據是否消亡」
他認為：
大數據不會死，只會變得更重要。
所給出理由是：一方面依據是全球生成的數據總量仍在加速增長，且細分領域中，處理「大數據」正成為常態。
基於此，Lewis Gavin認為——所謂「大數據死亡」，只是營銷說法的消亡，但Big Data處理技術和應用仍存在，且它會成為習以為常的現象。
IDC於1月24日發布的一篇預測證明了大數據市場仍在增長，內容指出——
未來幾年，全球大數據和分析軟體市場將實現強勁增長，且具體到該板塊各細分領域，未來幾年增長率均為雙位數。
有意思的是，有網友提出「大數據的死亡」並不是個技術話題。
他表示：數據之所以沒發揮價值，其實是商界精英們往往忽略數據內蘊藏的結論。
另一位網友也表示贊同，還稱：
自己曾開玩笑，數據科學家的工作其實不是搞分析，而是為高管們前瞻性觀點提供有力證明。（手動狗頭）
