• <source id="or1sp"><menu id="or1sp"></menu></source>

    <b id="or1sp"></b><u id="or1sp"></u>
    <b id="or1sp"></b>

    <mark id="or1sp"><div id="or1sp"></div></mark>

    <strong id="or1sp"><blockquote id="or1sp"></blockquote></strong>
  • <sub id="or1sp"><dl id="or1sp"></dl></sub>
    <video id="or1sp"><noframes id="or1sp"></noframes></video>

    大數據時代,以下這幾種方式將發生巨變

    111.jpg


      大數據時代的到來,意味著萬物互聯的開始,當地球上的每一種存在都擁有了自己的編碼,他們的活動軌跡就將會被捕捉,甚至可以通過數據分析來預測他們下一步的行動。大數據時代的到來正在改變人們的生活方式、思維模式和研究范式,以下這幾種方式將發生巨變:


    NO.1

    產業競合關系

    以戰略為中心→以數據為中心


      在大數據時代,企業之間的競合關系發生了變化,原本相互激烈競爭,甚至不愿合作的企業,不得不開始合作,形成新的業態和產業鏈。


      例如,近年來IBM公司和Apple公司“化敵為友”,并有報道稱他們正在從競爭對手轉向合作伙伴——IBM的100多名員工前往Apple的加州庫比蒂諾總部,與Apple一起為IBM的客戶(例如花旗、Sprint和日本郵政)聯合開發iPhone和iPad應用。


    NO.2

    方法論

    基于知識的方法→基于數據的方法


      我們傳統的方法論往往是“基于知識”的,即從 “大量實踐(數據)”中總結和提煉出一般性知識(定理、模式、模型、函數等)之后,用知識去解決(或解釋)問題。


      因此,傳統的問題解決思路是“問題→知識→問題”,即根據問題找“知識”,并用“知識”解決“問題”。


      然而,數據科學中興起了另一種方法論——“問題→數據→問題”,即根據問題找“數據”,并直接用數據(不需要把“數據”轉換成“知識”的前提下)解決問題。


    NO.3

    計算智能

    復雜算法→簡單算法


      “只要擁有足夠多的數據,我們可以變得更聰明”是大數據時代的一個新認識。


      因此,在大數據時代,原本復雜的“智能問題”變成簡單的“數據問題”——只要對大數據的進行簡單查詢就可以達到“基于復雜算法的智能計算的效果”。


      為此,很多學者曾討論過一個重要話題——“大數據時代需要的是更多數據還是更好的模型(moredata or better model)?”。機器翻譯是傳統自然語言技術領域的難點,雖曾提出過很多種“算法”,但應用效果并不理想。


      近年來,Google翻譯等工具改變了“實現策略”,不再僅靠復雜算法進行翻譯,而對他們之前收集的跨語言語料庫進行簡單查詢的方式,提升了機器翻譯的效果和效率。


    NO.4

    數據的屬性

    數據是資源→數據是資產


      在大數據時代,數據不僅是一種“資源”,而更是一種重要的“資產”。


      因此,數據科學應把數據當做“一種資產來管理”,而不能僅僅當做“資源”來對待。也就是說,與其他類型的資產一樣,數據也具有財務價值,且需要作為獨立實體進行組織與管理。


    NO.5

    數據管理

    業務數據化→數據業務化


      在大數據時代,企業需要重視一個新的課題——數據業務化,即如何“基于數據”動態地定義、優化和重組業務及其流程,進而提升業務的敏捷性,降低風險和成本。


      但是,在傳統數據管理中我們更加關注的是業務的數據化問題,即如何將業務活動以數據方式記錄下來,以便進行業務審計、分析與挖掘。


      可見,業務數據化是前提,而數據業務化是目標。


    222.jpg

    NO.6

    決策方式

    目標驅動型→數據驅動


      傳統科學思維中,決策制定往往是“目標”或“模型”驅動的——根據目標(或模型)進行決策。


      然而,大數據時代出現了另一種思維模式,即數據驅動型決策,數據成為決策制定的主要“觸發條件”和“重要依據”。


      例如,近年來,很多高新企業中的部門和崗位設置不再是“固化的”,而是根據所做項目與所處的數據環境,隨時動態調整其部門和崗位設置。


      然而,部門和崗位設置的敏捷性往往是基于數據驅動的,根據數據分析的結果靈活調整企業內部結構。


    NO.7

    數據復雜性

    不接受→接受


      在傳統科學看來,數據需要徹底“清洗”和“集成”,計算目的是需要找出“精確答案”,而其背后的哲學是“不接受數據的復雜性”。


      然而,大數據中更加強調的是數據的動態性、異構性和跨域等復雜性——彈性計算、魯棒性、虛擬化和快速響應,開始把“復雜性”當作數據的一個固有特征來對待,組織數據生態系統的管理目標轉向將組織處于混沌邊緣狀態。


    NO.8

    數據處理模式

    小眾參與→大規模協同


      傳統科學中,數據的分析和挖掘都是具有很高專業素養的“企業核心員工”的事情,企業管理的重要目的是如何激勵和績效考核這些“核心員工”。


      但是,在大數據時代,基于“核心員工”的創新工作成本和風險越來越大,而基于“專家余(Pro-Am)”的大規模協作日益受到重視,正成為解決數據規模與形式化之間矛盾的重要手段。


      盈縱啟航認為,大數據發展日新月異,誰擁有更多的數據資源,未來就擁有更多的話語權。最近國家層面也提出當下“應該審時度勢、精心謀劃、超前布局、力爭主動,深入了解大數據發展現狀和趨勢及其對經濟社會發展的影響,分析我國大數據發展取得的成績和存在的問題,推動實施國家大數據戰略,加快完善數字基礎設施,推進數據資源整合和開放共享,保障數據安全,加快建設數字中國,更好服務我國經濟社會發展和人民生活改善?!笨梢妵覍用嬉矊Υ髷祿挠韬裢?。



    原文來自:盈縱啟航
    在線客服
    在線客服
    亚洲图片区 - 色欲影视 淫香淫色 天天影视 来吧综合网 插插插综合网全国最大的色情网站色欲天天天影视综合网