算法的定义是什么呢？是一个由若干指令构成的指令集，通过很多清晰的指令把问题加以解决，其中最大的特点是输入数据产生结果。简单来说，算法就是一个解决问题的指令集。如果算法已经挺成熟了，我们把干净的数据输进去，就会产生一些我们期待的或者超出我们意料的结果，无论是判断、分类、匹配、推荐还是干预的结果可能就出来了。大家知道诊断患者有没有得病，过去需要大夫，医生说你得了这个病，却不知道他是怎么算出来的，现在用算法便能够诊断。比如今天有关于冠心病辅助诊断的算法项目登台，也有辅助诊断其他疾病的项目。
算法是怎么产生的？我画了一张图。这张图分出了算法产生的步骤和它的成长史，让我们理解算法大概是什么样的。我再解剖一下，最初的时候，算法是从什么地方出来的？正常情况下，不是大家想象的大数据放进去就有算法了，其实很多算法产生的时候不是通过大数据——算法的产生的确基于特定的信息和数据，但是不一定是大数据。比方说，如果有三名老民警是专门抓小偷的能手，他们能辨别小偷的行为姿态，把它梳理出规则，那么这个规则一旦转化成为算法，就可以通过探头中的行为姿态辨别谁是小偷。没有大数据，就是民警的经验。任何岗位上都有很多的革命经验，到退休的时候革命经验不见了，上面的人就不够革命了。这说明算法具备很强的特性，它一定是从信息里面筛选出来的，有一些是从大量数据里面筛选出来的。
是不是所有数据都可以筛选，都可以输进算法指令？不见得。大量的数据是不可访问的，或者访问的时候难以贯通使用，对我们来说，第一步需要进行数据清洗。中国是文本政府，文山会海都以文本为基础，传递的东西要申请，这就是文本的；打12345热线办事有工单，它就是一个文本，所以文本是政府数据的核心。但是文本和文本的差别很大数据挖掘 相似度,相异度有什么用，比如全国12345热线的文本不能统一，我们分析了很多城市的热线工单，工单里会损失原来意思的40~47%，没有问清楚老百姓的诉求是什么，写下工单的时候不明白说的是什么事。说明我们在数据清洗的时候，需要把优化文本、规范工单等等作为第一步的工作。
第一步工作做完以后开始构建算法。比如在消费领域我们做的算法，已知女性一组30%的数据，可以推算出70%的需要，如果已知70%的数据，就可以推算出另外30%的需要，理论上来说知道的数据越多，推算出来的需要越准确。我过去做市场研究出身，调研的时候问受访者希望房屋精装修成什么样子，他只能回答出来一部分，就像问一位没有对象的男人喜欢什么样的姑娘，他会告诉你好看一点，但是什么叫好看呢？过去我们做的调查看起来是直接的方法，但实际上不一定有效。如果知道一个人70~90%的数据，就能够推算出他喜欢什么样的姑娘，喜欢什么样的精装修，这就要构建出一套算法。
附图：BPAA算法项目路演现场
算法是怎么构建的？算法构建需要三类人，一类人就是专业业务人员——本来干活的。比如说破案的老民警，老民警破案是能手，但是让他提炼规则却不是强项，小偷是什么样的特性，平时带徒弟的时候讲讲，但是不能写成一本书，没有办法做成一个指引。口述的特点是经验逻辑通常会消失，很少被提炼出来。具备提炼能力的人，比如说教授具备提炼能力，但是他不懂生活，懂生活的人有生活，但是不懂提炼。为什么袁隆平很伟大？因为他能种稻，同时能够总结出来稻怎么种可以种得很好。农民会种稻，但是不知道总结，会总结的人没有种过稻，袁隆平的特点是会种还会提炼，提炼之后还会优化，形成一个循环。
另一类人是专业技术人员——做算法开发的。但是他不知道开发什么，因为他不懂破案，不懂怎么做生意，不懂怎么装修。因此这里面缺第三类人，懂业务也懂技术的，既能够提炼出规则，也能够开发出算法逻辑，从程序语言的角度实现它，从技术的角度把它转变成为一个微软件或者算法，我称之为架构人才。这三种能力的人才都具备的时候，才能做出算法原型，这是我们说的第二个层面。
