1.2 大數據的背后

現在，依據大數據的統計和分析能夠發現很多以前無法想象的規律。例如，聞名于世的啤酒與尿片的故事就是大數據分析的一個經典案例。全球零售業巨頭沃爾瑪在對消費者購物行為分析時發現，男性顧客在購買嬰兒尿片時常常會順便搭配幾瓶啤酒來犒勞自己，于是嘗試推出了將啤酒和尿片擺在一起的促銷手段，沒想到這個舉措居然使尿片和啤酒的銷量都大幅增加了。如果轉換一種思路來理解這種現象，考慮“奶爸”在世界杯期間既要看足球比賽，又要帶自己的孩子，為了不耽誤他們觀看完整的足球比賽，他們會將孩子放在邊上，任由他們玩耍，而自己喝啤酒慶祝球隊的勝利，因此，他們需要購買尿片來幫助他們的小寶寶隔尿，同時也不影響自己喝啤酒慶祝球隊的勝利。

另一個經典的例子就是Google預測流感案例。2009年2月，國際權威期刊Nature上刊登了一篇名為Detecting Influenza Epidemics Using Search Engine Query Data的文章，論述了Google基于用戶的搜索日志（包括搜索關鍵詞、用戶搜索頻率以及用戶IP地址等信息）成功“預測”了流感病人的就診人數。Google是如何做到的呢？原來美國有個疾控中心，它統計了美國本土各個地區的疾病就診人數，一般會延遲兩周公布數據。而Google利用其搜索引擎搭建了一個預測平臺，提前獲取疾控中心的大數據，并對這些數據進行回歸分析，從而成功地預測了復雜的流感規模問題。

在國內，杭州市首次利用大數據治理交通阻塞問題。2016年10月，杭州市政府聯合阿里云公布了一項計劃：建立杭州市的城市大腦。城市大腦的內核將采用阿里云ET人工智能技術，對整個城市進行全局實時分析，自動調配公共資源，修正城市運行中的問題，并最終進化成為治理城市的超級人工智能。“緩解交通阻塞”是城市大腦的首個嘗試，并已經在蕭山區的中心路段投入使用，部分路段車輛通行速度提升了11%。

上述3個例子說明，通過對大數據進行分析，可以找到一些隱藏在數據背后的規律。那么，能否將大數據的處理方法運用到實際的軟件測試中，以便發現軟件中的缺陷呢？如果能夠獲得海量的用戶使用軟件的數據，再利用大數據處理技術對這些數據進行分析，就能從中發現使軟件執行失效的小概率事件，從而發現軟件缺陷，這種測試方法稱為大數據測試方法。