大數(shù)據(jù)能夠帶來(lái)顛覆性?xún)r(jià)值的領(lǐng)域在,大數(shù)據(jù)能夠帶來(lái)顛覆性?xún)r(jià)值的領(lǐng)域在什么

“AI+”改變世界！不同領(lǐng)域的5大人工智能趨勢(shì)

全文共2356字，預(yù)計(jì)學(xué)習(xí)時(shí)長(zhǎng)6分鐘

圖源：Pixabay

人工智能是當(dāng)代最熱門(mén)和關(guān)注度最高的話題，它將改變?nèi)藗儗?duì)20年后世界的看法。

AI相關(guān)工作的需求頻繁增加，尤其是在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)職位方面，人們相信，正如約100年前電力改變世界一樣，人工智能也將改變世界。吳恩達(dá)教授（美國(guó)斯坦福大學(xué)計(jì)算機(jī)科學(xué)系和電子工程系副教授）曾反復(fù)強(qiáng)調(diào)一句名言：“人工智能是新電力。”

人工智能領(lǐng)域進(jìn)步飛快：由于有圖形處理器（也稱(chēng)顯卡，GPUs）和大量數(shù)據(jù)，人工智能的處理能力和計(jì)算能力提高，我們才能在深度學(xué)習(xí)和現(xiàn)代算法方面占據(jù)領(lǐng)先地位。

最初的電腦占據(jù)整個(gè)房間，發(fā)展到如今巴掌大小的智能手機(jī)和人工智能，它們現(xiàn)在能執(zhí)行人臉識(shí)別、異物檢測(cè)等曾經(jīng)被視為不可能完成的任務(wù)。

還有其他一些引人關(guān)注的領(lǐng)域，如機(jī)器人技術(shù)、電子技術(shù)等，也在與時(shí)俱進(jìn)，向更高領(lǐng)域進(jìn)階。本文將研究五大人工智能或AI組合技術(shù)和趨勢(shì)，這些技術(shù)和趨勢(shì)將超越想象，傳遍整個(gè)世界。

1.自動(dòng)化與人工智能

未來(lái)幾十年，機(jī)器人技術(shù)將大有前景，在現(xiàn)實(shí)世界中，它實(shí)施的領(lǐng)域選擇將非常廣泛。

機(jī)器人技術(shù)應(yīng)用范圍很廣，包括工廠和工業(yè)中的工業(yè)機(jī)器人和機(jī)械臂、探索火星或月球等外行星的太空漫游車(chē)、軍事應(yīng)用、醫(yī)療用途等。然而，未來(lái)人工智能與機(jī)器人結(jié)合將成為一種創(chuàng)新方法，改變未來(lái)幾年格局。具有人工智能集成的機(jī)器人將能夠處理、計(jì)算、評(píng)估和執(zhí)行所需的人類(lèi)行為。

機(jī)器人技術(shù)和人工智能在未來(lái)發(fā)展空間很大。數(shù)據(jù)科學(xué)項(xiàng)目與機(jī)器人的集成潛力巨大，可以用很少的人力物力在工業(yè)中實(shí)現(xiàn)一流的產(chǎn)品制造。機(jī)器人和AI能力無(wú)限，在處理手頭任務(wù)方面具有巨大的潛力。人工智能和機(jī)器人是工業(yè)應(yīng)用自動(dòng)化任務(wù)的強(qiáng)大組合，在各種現(xiàn)實(shí)用例中潛力無(wú)限。

至于大家所擔(dān)憂的科幻影片中基于AI的機(jī)器人將奪走人類(lèi)工作或征服世界，完全是庸人自擾。對(duì)于前者，機(jī)器人總是需要某種人類(lèi)行為的干預(yù)，而對(duì)于后者，距離實(shí)現(xiàn)真正的人工智能還有很長(zhǎng)的路要走。因此，至少在未來(lái)20年內(nèi)，上述兩種擔(dān)憂完全沒(méi)必要。

2. GPT-3和其他振奮人心的發(fā)展

深度學(xué)習(xí)和人工智能在自然語(yǔ)言處理方面已經(jīng)取得了長(zhǎng)足的進(jìn)步，從簡(jiǎn)單的LSTMs，已經(jīng)發(fā)展到使用BERT、transformers、序列到關(guān)注序列模型等。

生成式預(yù)訓(xùn)練的Transformer 3是一種自動(dòng)回歸語(yǔ)言模型，它運(yùn)用深度學(xué)習(xí)來(lái)生成人能理解的文本，是由位于舊金山的人工智能研究實(shí)驗(yàn)室OpenAI創(chuàng)建的GPT-n系列中的第三代語(yǔ)言預(yù)測(cè)模型。

開(kāi)發(fā)的GPT-3模型是自然語(yǔ)言處理領(lǐng)域的一次進(jìn)展。OpenAI在將近1,750億個(gè)訓(xùn)練參數(shù)上訓(xùn)練了該模型的權(quán)重，該模型無(wú)需任何人為干預(yù)即可撰寫(xiě)完整的新聞文章和雜志。

不斷投入資金和加大支持力度使得這些領(lǐng)域發(fā)展和進(jìn)步不斷，從工業(yè)領(lǐng)域的人工智能一直到游戲領(lǐng)域的人工智能的研究呈指數(shù)級(jí)增長(zhǎng)，將獲得巨大的生產(chǎn)力和廣泛的成功。

3.云端AI

圖源：unsplash

云計(jì)算是計(jì)算機(jī)系統(tǒng)資源（尤其是數(shù)據(jù)存儲(chǔ)和計(jì)算能力）的按需可用性，而無(wú)需用戶直接進(jìn)行主動(dòng)管理，該術(shù)語(yǔ)通常用于描述互聯(lián)網(wǎng)上可供許多用戶使用的數(shù)據(jù)中心。

云計(jì)算和人工智能的結(jié)合真正顛覆了該領(lǐng)域，當(dāng)這兩種出色的應(yīng)用實(shí)踐相結(jié)合，成就讓人矚目。與人工智能集成的云計(jì)算的主要優(yōu)勢(shì)是具備廣泛的可用資源。

GPUs可用于執(zhí)行復(fù)雜的深度學(xué)習(xí)計(jì)算，并將這些人工智能模型部署到云端，增加受眾，這是一項(xiàng)巨大的成就。谷歌合作實(shí)驗(yàn)室是一個(gè)很好的平臺(tái)，可以建立Jupyter筆記本，用于評(píng)估、計(jì)算并分享AI項(xiàng)目。

4. AI和IoT（物聯(lián)網(wǎng)）：(AIOT)

物聯(lián)網(wǎng)（IoT）描述了嵌入傳感器、軟件和其他技術(shù)的物理對(duì)象（“物”）網(wǎng)絡(luò)，目的是通過(guò)互聯(lián)網(wǎng)與其他設(shè)備和系統(tǒng)進(jìn)行數(shù)據(jù)連接和交換。

人工智能與物聯(lián)網(wǎng)的結(jié)合形成了一個(gè)全新有趣又獨(dú)特的研究分支，簡(jiǎn)稱(chēng)為“人工物聯(lián)網(wǎng)”或“ AIOT”。啟用了AI的物聯(lián)網(wǎng)（IoT）能夠創(chuàng)建智能機(jī)器，該機(jī)器可以模擬智能行為，同時(shí)支持幾乎沒(méi)有人為干擾的決策能力。

隨著人工智能在嵌入式物聯(lián)網(wǎng)設(shè)備上的融合，如樹(shù)莓派、英偉達(dá)Jetson Nano等，可以開(kāi)發(fā)出一些利潤(rùn)豐厚、對(duì)全社會(huì)有益的杰作。虛擬助手（例如Alexa，Siri或Google AI）的一些示例顯示了高級(jí)智能和未來(lái)的可能性。

5. GANs（生成式對(duì)抗網(wǎng)絡(luò)）

圖源：Unsplash

GANs在2014年由Ian Goodfellow開(kāi)發(fā)并首創(chuàng)，被認(rèn)為是深度學(xué)習(xí)的未來(lái)，因?yàn)槠渚哂袆?chuàng)造從未存在過(guò)的視覺(jué)和圖像的驚人能力。生成式對(duì)抗性網(wǎng)絡(luò)是當(dāng)前深度學(xué)習(xí)的高峰，其曲線正在不斷改進(jìn)。

不可否認(rèn)，GANs是未來(lái)趨勢(shì)，它將永遠(yuǎn)變革人工智能。筆者必須指出兩個(gè)網(wǎng)絡(luò)——生成器和鑒別器，二者相互對(duì)抗，并存在小小的爭(zhēng)議。

生成器試圖創(chuàng)建真實(shí)的假圖像，以繞過(guò)鑒別器的基本檢查，而鑒別器的作用是捕獲假副本。這種貓和老鼠式的追逐導(dǎo)致了從未出現(xiàn)過(guò)的獨(dú)特樣品發(fā)展，它真實(shí)存在，遠(yuǎn)超人類(lèi)想象。

人工智能領(lǐng)域可以實(shí)現(xiàn)無(wú)限的優(yōu)化和發(fā)展，這些主要的新興趨勢(shì)只是人工智能及其同代人未來(lái)的一個(gè)跡象。人工智能就在我們身邊，這個(gè)領(lǐng)域的快速發(fā)展著實(shí)讓人著迷，新技術(shù)及人工智能的崛起令人興奮不已。未來(lái)?yè)碛袩o(wú)窮想象！

留言點(diǎn)贊關(guān)注

我們一起分享AI學(xué)習(xí)與發(fā)展的干貨

如轉(zhuǎn)載，請(qǐng)后臺(tái)留言，遵守轉(zhuǎn)載規(guī)范

大數(shù)據(jù)帶來(lái)的10個(gè)重大變化

文章來(lái)源：加米谷大數(shù)據(jù)

大數(shù)據(jù)時(shí)代的到來(lái)，大數(shù)據(jù)改變了人們的生活方式、思維模式和研究范式，我們可以總結(jié)出 10 個(gè)重大變化，如圖 1 所示。

圖 1 大數(shù)據(jù)時(shí)代的 10 個(gè)重大變化

2007 年 1 月，圖靈獎(jiǎng)得主、關(guān)系型數(shù)據(jù)庫(kù)鼻祖 JimGray 發(fā)表演講，他憑著自己對(duì)于人類(lèi)科學(xué)發(fā)展特征的深刻洞察，敏銳地指出科學(xué)的發(fā)展正在進(jìn)入“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)范式”——科學(xué)史上的“第四范式”。在他看來(lái)，人類(lèi)科學(xué)研究活動(dòng)已經(jīng)歷過(guò)三種不同范式的演變過(guò)程。“第一范式”是指原始社會(huì)的“實(shí)驗(yàn)科學(xué)范式”。18 世紀(jì)以前的科學(xué)進(jìn)步均屬于此列，其核心特征是對(duì)有限的客觀對(duì)象進(jìn)行觀察、總結(jié)、提煉，用歸納法找出其中的科學(xué)規(guī)律，如伽利略提出的物理學(xué)定律。“第二范式”是指 19 世紀(jì)以來(lái)的理論科學(xué)階段，以模型和歸納為特征的“理論科學(xué)范式”。其核心特征是以演繹法為主，憑借科學(xué)家的智慧構(gòu)建理論大廈，如愛(ài)因斯坦提出的相對(duì)論、麥克斯方程組、量子理論和概率論等。“第三范式”是指 20 世紀(jì)中期以來(lái)的計(jì)算科學(xué)階段的“計(jì)算科學(xué)范式”。面對(duì)大量過(guò)于復(fù)雜的現(xiàn)象，歸納法和演繹法都難以滿足科學(xué)研究的需求，人類(lèi)開(kāi)始借助計(jì)算機(jī)的高級(jí)運(yùn)算能力對(duì)復(fù)雜現(xiàn)象進(jìn)行建模和預(yù)測(cè)，如天氣、地震、核試驗(yàn)、原子的運(yùn)動(dòng)等。然而，隨著近年來(lái)人類(lèi)采集數(shù)據(jù)量的爆炸性增長(zhǎng)，傳統(tǒng)的計(jì)算科學(xué)范式已經(jīng)越來(lái)越無(wú)力駕馭海量的科研數(shù)據(jù)了。例如，歐洲的大型粒子對(duì)撞機(jī)、天文領(lǐng)域的 Pan-STARRS 望遠(yuǎn)鏡每天產(chǎn)生的數(shù)據(jù)多達(dá)幾千萬(wàn)億字節(jié)（PB）。很明顯，這些數(shù)據(jù)已經(jīng)突破了“第三范式”的處理極限，無(wú)法被科學(xué)家有效利用。正因?yàn)槿绱耍壳罢趶摹坝?jì)算科學(xué)范式”轉(zhuǎn)向“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)范式”。“第四范式”的主要特點(diǎn)是科學(xué)研究人員只需要從大數(shù)據(jù)中查找和挖掘所需要的信息和知識(shí)，無(wú)須直接面對(duì)所研究的物理對(duì)象。例如，在大數(shù)據(jù)時(shí)代，天文學(xué)家的研究方式發(fā)生了新的變化，其主要研究任務(wù)變?yōu)閺暮Ａ繑?shù)據(jù)庫(kù)中發(fā)現(xiàn)所需的物體或現(xiàn)象的照片，而不再需要親自進(jìn)行太空拍照。

在大數(shù)據(jù)時(shí)代，數(shù)據(jù)不僅是一種“資源”，更是一種重要的“資產(chǎn)”。因此，數(shù)據(jù)科學(xué)應(yīng)把數(shù)據(jù)當(dāng)作一種“資產(chǎn)”來(lái)管理，而不能僅僅當(dāng)作“資源”來(lái)對(duì)待。也就是說(shuō)，與其他類(lèi)型的資產(chǎn)相似，數(shù)據(jù)也具有財(cái)務(wù)價(jià)值，且需要作為獨(dú)立實(shí)體進(jìn)行組織與管理。大數(shù)據(jù)時(shí)代的到來(lái)，讓“數(shù)據(jù)即資產(chǎn)”成為最核心的產(chǎn)業(yè)趨勢(shì)。在這個(gè)“數(shù)據(jù)為王”的時(shí)代，回首信息產(chǎn)業(yè)發(fā)展的起起伏伏，我們發(fā)現(xiàn)產(chǎn)業(yè)興衰的決定性因素，已不是土地、人力、技術(shù)、資本這些傳統(tǒng)意義上的生產(chǎn)要素，而是曾經(jīng)被一度忽視的“數(shù)據(jù)資產(chǎn)”。世界經(jīng)濟(jì)論壇報(bào)告曾經(jīng)預(yù)測(cè)稱(chēng)，“未來(lái)的大數(shù)據(jù)將成為新的財(cái)富高地，其價(jià)值可能會(huì)堪比石油”，而大數(shù)據(jù)之父維克托也樂(lè)觀地表示，“數(shù)據(jù)列入企業(yè)資產(chǎn)負(fù)債表只是時(shí)間問(wèn)題”。“數(shù)據(jù)成為資產(chǎn)”是互聯(lián)網(wǎng)泛在化的一種資本體現(xiàn)，它讓互聯(lián)網(wǎng)不僅具有應(yīng)用和服務(wù)本身的價(jià)值，而且具有了內(nèi)在的“金融”價(jià)值。數(shù)據(jù)不再只是體現(xiàn)于“使用價(jià)值”方面的產(chǎn)品，而成為實(shí)實(shí)在在的“價(jià)值”。目前，作為數(shù)據(jù)資產(chǎn)先行者的 IT 企業(yè)，如蘋(píng)果、谷歌、IBM、阿里、騰訊、百度等，無(wú)不想盡各種方式，挖掘多種形態(tài)的設(shè)備及軟件功能，收集各種類(lèi)型的數(shù)據(jù)，發(fā)揮大數(shù)據(jù)的商業(yè)價(jià)值，將傳統(tǒng)意義上的 IT 企業(yè)，打造成為“終端+應(yīng)用+平臺(tái)+數(shù)據(jù)”四位一體的泛互聯(lián)網(wǎng)化企業(yè)，以期在大數(shù)據(jù)時(shí)代獲取更大的收益。大數(shù)據(jù)資產(chǎn)的價(jià)值的衡量尺度主要有以下 3 個(gè)方面的標(biāo)準(zhǔn)。

目前，數(shù)據(jù)的所有權(quán)問(wèn)題在業(yè)界還比較模糊。從擁有和控制的角度來(lái)看，數(shù)據(jù)可以分為 Ⅰ 型數(shù)據(jù)、Ⅱ 型數(shù)據(jù)和 Ⅲ 型數(shù)據(jù)。Ⅰ 型數(shù)據(jù)主要是指數(shù)據(jù)的生產(chǎn)者自己生產(chǎn)出來(lái)的各種數(shù)據(jù)，例如，百度對(duì)使用其搜索引擎的用戶的各種行為進(jìn)行收集、整理和分析，這類(lèi)數(shù)據(jù)雖然由用戶產(chǎn)生，但產(chǎn)權(quán)卻屬于生產(chǎn)者，并最大限度地發(fā)揮其商業(yè)價(jià)值。Ⅱ 型數(shù)據(jù)又稱(chēng)為入口數(shù)據(jù)，例如，各種電子商務(wù)營(yíng)銷(xiāo)公司通過(guò)將自身的工具或插件植入電商平臺(tái)，來(lái)為其提供統(tǒng)計(jì)分析服務(wù)，并從中獲取各類(lèi)經(jīng)營(yíng)數(shù)據(jù)。雖然這些數(shù)據(jù)的所有權(quán)并不屬于這些公司，在使用時(shí)也有一些規(guī)則限制，但是它們卻有著對(duì)數(shù)據(jù)實(shí)際的控制權(quán)。相比于前兩類(lèi)數(shù)據(jù)，Ⅲ 型數(shù)據(jù)的產(chǎn)權(quán)情況比較復(fù)雜，它們主要依靠網(wǎng)絡(luò)爬蟲(chóng)，甚至是黑客手段獲取數(shù)據(jù)。與 Ⅰ 型和 Ⅱ 型數(shù)據(jù)不同的是，這些公司流出的內(nèi)部數(shù)據(jù)放在網(wǎng)上供人付費(fèi)下載。這種數(shù)據(jù)在當(dāng)前階段，還不能和資產(chǎn)完全畫(huà)等號(hào)。

大數(shù)據(jù)要實(shí)現(xiàn)真正的資產(chǎn)化，用貨幣對(duì)海量數(shù)據(jù)進(jìn)行計(jì)量是一個(gè)大問(wèn)題。盡管很多企業(yè)都意識(shí)到數(shù)據(jù)作為資產(chǎn)的可能性，但除了極少數(shù)專(zhuān)門(mén)以數(shù)據(jù)交易為主營(yíng)業(yè)務(wù)的公司外，大多數(shù)公司都沒(méi)有為數(shù)據(jù)的貨幣計(jì)量做出適當(dāng)?shù)馁~務(wù)處理。雖然數(shù)據(jù)作為資產(chǎn)尚未在企業(yè)財(cái)務(wù)中得到真正的引用，但將數(shù)據(jù)列入無(wú)形資產(chǎn)比較有利。考慮到研發(fā)因素，很多高科技企業(yè)都具有較長(zhǎng)的投入產(chǎn)出期，可以讓那些存儲(chǔ)在硬盤(pán)上的數(shù)據(jù)直接進(jìn)入資產(chǎn)負(fù)債表。對(duì)于通過(guò)交易手段獲得的數(shù)據(jù)，可以按實(shí)際支付價(jià)款作為入賬價(jià)值計(jì)入無(wú)形資產(chǎn)，從而為企業(yè)形成有效稅盾，降低企業(yè)實(shí)際稅負(fù)。

資本區(qū)別于一般產(chǎn)品的特征在于，它具有不斷增值的可能性。只有能夠利用數(shù)據(jù)、組合數(shù)據(jù)、轉(zhuǎn)化數(shù)據(jù)的企業(yè)，他們手中的大數(shù)據(jù)資源才能成為數(shù)據(jù)資產(chǎn)。目前，直接利用數(shù)據(jù)為企業(yè)帶來(lái)經(jīng)濟(jì)利益的方法主要有數(shù)據(jù)租售、信息租售、數(shù)據(jù)使能三種模式。

• 數(shù)據(jù)租售主要通過(guò)對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行收集、整理、過(guò)濾、校對(duì)、打包、發(fā)布等一系列操作，實(shí)現(xiàn)數(shù)據(jù)內(nèi)在的價(jià)值。
• 信息租售則通過(guò)聚焦行業(yè)焦點(diǎn)，收集相關(guān)數(shù)據(jù)，深度整合、萃取及分析，形成完整數(shù)據(jù)鏈條，實(shí)現(xiàn)數(shù)據(jù)的資產(chǎn)轉(zhuǎn)化。
• 數(shù)據(jù)使能是指類(lèi)似于阿里這樣的互聯(lián)網(wǎng)公司通過(guò)提供大量的金融數(shù)據(jù)挖掘及分析服務(wù)，為傳統(tǒng)金融行業(yè)難以下手的小額貸款業(yè)務(wù)開(kāi)創(chuàng)新的行業(yè)增長(zhǎng)點(diǎn)。

總而言之，作為信息時(shí)代核心的價(jià)值載體，大數(shù)據(jù)必然具有朝向價(jià)值本體轉(zhuǎn)化的趨勢(shì)，而它的“資產(chǎn)化”，或者未來(lái)更進(jìn)一步的“資本化”蛻變，將為未來(lái)完全信息化、泛互聯(lián)網(wǎng)化的商業(yè)模式打下基礎(chǔ)。

傳統(tǒng)的方法論往往是“基于知識(shí)”的，即從“大量實(shí)踐（數(shù)據(jù)）”中總結(jié)和提煉出一般性知識(shí)（定理、模式、模型、函數(shù)等）之后，用知識(shí)去解決（或解釋?zhuān)﹩?wèn)題。因此，傳統(tǒng)的問(wèn)題解決思路是“問(wèn)題→知識(shí)→問(wèn)題”，即根據(jù)問(wèn)題找“知識(shí)”,并用“知識(shí)”解決“問(wèn)題”。然而，數(shù)據(jù)科學(xué)中興起了另一種方法論——“問(wèn)題→數(shù)據(jù)→問(wèn)題”，即根據(jù)“問(wèn)題”找“數(shù)據(jù)”，并直接用“數(shù)據(jù)”（在不需要把“數(shù)據(jù)”轉(zhuǎn)換成“知識(shí)”的前提下）解決“問(wèn)題”，如圖 2 所示。

圖 2 傳統(tǒng)思維與大數(shù)據(jù)思維的比較

在傳統(tǒng)科學(xué)中，數(shù)據(jù)分析主要以數(shù)學(xué)和統(tǒng)計(jì)學(xué)為直接理論工具。但是，云計(jì)算等計(jì)算模式的出現(xiàn)及大數(shù)據(jù)時(shí)代的到來(lái)，提升了我們對(duì)數(shù)據(jù)的獲取、存儲(chǔ)、計(jì)算與管理能力，進(jìn)而對(duì)統(tǒng)計(jì)學(xué)理論與方法產(chǎn)生了深遠(yuǎn)影響。大數(shù)據(jù)帶給我們 4 個(gè)顛覆性的觀念轉(zhuǎn)變。

在大數(shù)據(jù)時(shí)代，我們可以分析更多的數(shù)據(jù)，有時(shí)候甚至可以處理和某個(gè)特別現(xiàn)象相關(guān)的所有數(shù)據(jù)，而不再依賴(lài)于隨機(jī)采樣。以前我們通常把隨機(jī)采樣看成是理所應(yīng)當(dāng)?shù)南拗疲钦嬲拇髷?shù)據(jù)時(shí)代是指不用隨機(jī)分析法這樣的捷徑，而采用對(duì)所有數(shù)據(jù)進(jìn)行分析的方法，通過(guò)觀察所有數(shù)據(jù)，來(lái)尋找異常值進(jìn)行分析。例如，信用卡詐騙是通過(guò)異常情況來(lái)識(shí)別的，只有掌握了所有數(shù)據(jù)才能做到這一點(diǎn)。在這種情況下，異常值是最有用的信息，可以把它與正常交易情況作對(duì)比從而發(fā)現(xiàn)問(wèn)題。

數(shù)據(jù)量的大幅增加會(huì)造成一些錯(cuò)誤的數(shù)據(jù)混進(jìn)數(shù)據(jù)集。但是，正因?yàn)槲覀冋莆樟藥缀跛械臄?shù)據(jù)，所以我們不再擔(dān)心某個(gè)數(shù)據(jù)點(diǎn)對(duì)整套分析的不利影響。我們要做的就是要接受這些紛繁的數(shù)據(jù)并從中受益，而不是以高昂的代價(jià)消除所有的不確定性。這就是由“小數(shù)據(jù)”到“大數(shù)據(jù)”的改變。

研究數(shù)據(jù)如此之多，以至于我們不再熱衷于追求精確度。之前需要分析的數(shù)據(jù)很少，所以我們必須盡可能精確地量化我們的記錄，但隨著規(guī)模的擴(kuò)大，對(duì)精確度的癡迷將減弱。擁有了大數(shù)據(jù)，我們不再需要對(duì)一個(gè)現(xiàn)象刨根問(wèn)底，只要掌握了大體的發(fā)展方向即可，適當(dāng)忽略微觀層面上的精確度，會(huì)讓我們?cè)诤暧^層面擁有更好的洞察力。例如，微信朋友圈中朋友發(fā)動(dòng)態(tài)的時(shí)間，在一小時(shí)以?xún)?nèi)的會(huì)顯示多少分鐘之前，在一小時(shí)以外的就只顯示幾小時(shí)前；微信公眾號(hào)中顯示的閱讀量，超過(guò)十萬(wàn)以后顯示的就是 100000+，而不是具體數(shù)據(jù)，因?yàn)槌^(guò)十萬(wàn)的閱讀量已經(jīng)讓我們覺(jué)得這篇文章很優(yōu)秀了，沒(méi)必要精確。

在數(shù)據(jù)科學(xué)中，廣泛應(yīng)用“基于數(shù)據(jù)”的思維模式，重視對(duì)“相關(guān)性”的分析，而不是等到發(fā)現(xiàn)“真正的因果關(guān)系”之后才解決問(wèn)題。在大數(shù)據(jù)時(shí)代，人們開(kāi)始重視相關(guān)分析，而不僅僅是因果分析。我們無(wú)須再緊盯事物之間的因果關(guān)系，而應(yīng)該尋找事物之間的相關(guān)關(guān)系。相關(guān)關(guān)系也許不能準(zhǔn)確地告訴我們某件事情為何會(huì)發(fā)生，但是它會(huì)告訴我們某件事情已經(jīng)發(fā)生了。在大數(shù)據(jù)時(shí)代，我們不必非得知道現(xiàn)象背后的原因，而是要讓數(shù)據(jù)自己發(fā)聲。知道是什么就夠了，沒(méi)必要知道為什么。例如，知道用戶對(duì)什么感興趣即可，沒(méi)必要去研究用戶為什么感興趣。相關(guān)關(guān)系的核心是量化兩個(gè)數(shù)據(jù)值之間的數(shù)據(jù)關(guān)系。相關(guān)關(guān)系強(qiáng)是指當(dāng)一個(gè)數(shù)據(jù)值增加時(shí)，其他數(shù)據(jù)值很有可能也會(huì)隨之增加。相關(guān)關(guān)系是通過(guò)識(shí)別關(guān)聯(lián)物來(lái)幫助我們分析某一現(xiàn)象的，而不是揭示其內(nèi)部的運(yùn)作。通過(guò)找到一個(gè)現(xiàn)象良好的關(guān)聯(lián)物，相關(guān)關(guān)系可以幫助我們捕捉現(xiàn)在和預(yù)測(cè)未來(lái)。例如，如果川和萬(wàn)經(jīng)常一起發(fā)生，我們只需要注意方是否發(fā)生，就可以預(yù)測(cè)力是否也發(fā)生了。

“只要擁有足夠多的數(shù)據(jù)，我們可以變得更聰明”是大數(shù)據(jù)時(shí)代的一個(gè)新認(rèn)識(shí)。因此，在大數(shù)據(jù)時(shí)代，原本復(fù)雜的“智能問(wèn)題”變成簡(jiǎn)單的“數(shù)據(jù)問(wèn)題”。只要對(duì)大數(shù)據(jù)進(jìn)行簡(jiǎn)單查詢(xún)就可以達(dá)到“基于復(fù)雜算法的智能計(jì)算的效果”。為此，很多學(xué)者曾討論過(guò)一個(gè)重要話題——“大數(shù)據(jù)時(shí)代需要的是更多的數(shù)據(jù)還是更好的模型？”機(jī)器翻譯是傳統(tǒng)自然語(yǔ)言技術(shù)領(lǐng)域的難點(diǎn)，雖曾提出過(guò)很多種算法，但應(yīng)用效果并不理想。IBM 有能力將《》歷年的文本輸入電腦，試圖破譯中文的語(yǔ)言結(jié)構(gòu)。例如，實(shí)現(xiàn)中文的語(yǔ)音輸入或者中英互譯，這項(xiàng)技術(shù)在 20 世紀(jì) 90 年代就取得突破，但進(jìn)展緩慢，在應(yīng)用中還是有很多問(wèn)題。近年來(lái)，Google 翻譯等工具改變了“實(shí)現(xiàn)策略”，不再依靠復(fù)雜算法進(jìn)行翻譯,而是通過(guò)對(duì)他們之前收集的跨語(yǔ)言語(yǔ)料庫(kù)進(jìn)行簡(jiǎn)單查詢(xún)的方式,提升了機(jī)器翻譯的效果和效率。他們并不教給電腦所有的語(yǔ)言規(guī)則，而是讓電腦自己去發(fā)現(xiàn)這些規(guī)則。電腦通過(guò)分析經(jīng)過(guò)人工翻譯的數(shù)以千萬(wàn)計(jì)的文件來(lái)發(fā)現(xiàn)其中的規(guī)則。這些翻譯結(jié)果源自圖書(shū)、各種機(jī)構(gòu)（如聯(lián)合國(guó)）及世界各地的網(wǎng)站。他們的電腦會(huì)掃描這些語(yǔ)篇，從中尋找在統(tǒng)計(jì)學(xué)上非常重要的模式，即翻譯結(jié)果和原文之間并非偶然產(chǎn)生的模式。一旦電腦找到了這些模式，今后它就能使用這些模式來(lái)翻譯其他類(lèi)似的語(yǔ)篇。通過(guò)數(shù)十億次重復(fù)使用，就會(huì)得出數(shù)十億種模式及一個(gè)異常聰明的電腦程序。但是對(duì)于某些語(yǔ)言來(lái)說(shuō)，他們能夠使用到的已翻譯完成的語(yǔ)篇非常少，因此 Google 的軟件所探測(cè)到的模式就相對(duì)很少。這就是為什么 Google 的翻譯質(zhì)量會(huì)因語(yǔ)言對(duì)的不同而不同。通過(guò)不斷向電腦提供新的翻譯語(yǔ)篇，Google 就能讓電腦更加聰明，翻譯結(jié)果更加準(zhǔn)確。

在傳統(tǒng)數(shù)據(jù)管理中，企業(yè)更加關(guān)注的是業(yè)務(wù)的數(shù)據(jù)化問(wèn)題，即如何將業(yè)務(wù)活動(dòng)以數(shù)據(jù)方式記錄下來(lái)，以便進(jìn)行業(yè)務(wù)審計(jì)、分析與挖掘。在大數(shù)據(jù)時(shí)代，企業(yè)需要重視一個(gè)新的課題——數(shù)據(jù)業(yè)務(wù)化，即如何“基于數(shù)據(jù)”動(dòng)態(tài)地定義、優(yōu)化和重組業(yè)務(wù)及其流程，進(jìn)而提升業(yè)務(wù)的敏捷性，降低風(fēng)險(xiǎn)和成本。業(yè)務(wù)數(shù)據(jù)化是前提，而數(shù)據(jù)業(yè)務(wù)化是目標(biāo)。電商的經(jīng)營(yíng)模式與實(shí)體店最本質(zhì)的區(qū)別是，電商每賣(mài)出一件產(chǎn)品，都會(huì)留存一條詳盡的數(shù)據(jù)記錄。也正是因?yàn)榭梢杂脭?shù)字化的形式保留每一筆銷(xiāo)售的明細(xì)，電商可以清楚地掌握每一件商品到底賣(mài)給了誰(shuí)。此外，依托互聯(lián)網(wǎng)這個(gè)平臺(tái)，電商還可以記錄每一個(gè)消費(fèi)者的鼠標(biāo)單擊記錄、網(wǎng)上搜索記錄。所有這些記錄形成了一個(gè)關(guān)于消費(fèi)者行為的實(shí)時(shí)數(shù)據(jù)閉環(huán)，通過(guò)這個(gè)閉環(huán)中源源不斷產(chǎn)生的新鮮數(shù)據(jù)，電商可以更好地洞察消費(fèi)者，更及時(shí)地預(yù)測(cè)其需求的變化，經(jīng)營(yíng)者和消費(fèi)者之間因此產(chǎn)生了很強(qiáng)的黏性。線下實(shí)體商店很難做到這一點(diǎn)，他們可能只知道一個(gè)省、一個(gè)市或者一個(gè)地區(qū)賣(mài)了多少商品，但是，他們很難了解到所生產(chǎn)、經(jīng)營(yíng)的每一件商品究竟賣(mài)到了哪一個(gè)具體的地方、哪一個(gè)具體的人，這個(gè)人還買(mǎi)了其他什么東西、查看了哪些商品、可能會(huì)喜歡什么樣的商品。也就是說(shuō)，線下實(shí)體店即使收集了一些數(shù)據(jù)，但其數(shù)據(jù)的粒度、寬度、廣度和深度都非常有限。由于缺乏足夠的數(shù)據(jù)，實(shí)體店對(duì)自己的經(jīng)營(yíng)行為，對(duì)消費(fèi)者的洞察力，以及和消費(fèi)者之間的黏性都十分有限。就此而言，一家電商和一家線下實(shí)體店最本質(zhì)的區(qū)別就是是否保存了足夠的數(shù)據(jù)。其實(shí)，這正是互聯(lián)網(wǎng)化的核心和本質(zhì)，即“數(shù)據(jù)化”。這并不是一個(gè)簡(jiǎn)單的數(shù)據(jù)化，而是所有業(yè)務(wù)的過(guò)程都要數(shù)據(jù)化，即把所有的業(yè)務(wù)過(guò)程記錄下來(lái)，形成一個(gè)數(shù)據(jù)的閉環(huán)，這個(gè)閉環(huán)的實(shí)時(shí)性和效率是關(guān)鍵的指標(biāo)。這個(gè)思想就是一切業(yè)務(wù)都要數(shù)據(jù)化。在大數(shù)據(jù)時(shí)代，企業(yè)不僅僅是把業(yè)務(wù)數(shù)據(jù)化，更重要的是把數(shù)據(jù)業(yè)務(wù)化，也就是把數(shù)據(jù)作為直接生產(chǎn)力，將數(shù)據(jù)價(jià)值直接通過(guò)前臺(tái)產(chǎn)品作用于消費(fèi)者。數(shù)據(jù)可以反映用戶過(guò)去的行為軌跡，也可以預(yù)測(cè)用戶將來(lái)的行為傾向。比較好理解的一個(gè)實(shí)例就是關(guān)聯(lián)推薦，當(dāng)用戶買(mǎi)了一個(gè)商品之后，可以給用戶推薦一個(gè)最有可能再買(mǎi)的商品。個(gè)性化是數(shù)據(jù)作為直接生產(chǎn)力的一個(gè)具體體現(xiàn)。隨著數(shù)據(jù)分析工具與數(shù)據(jù)挖掘渠道的日益豐富與多樣化，數(shù)據(jù)存量越來(lái)越大，數(shù)據(jù)對(duì)企業(yè)也越來(lái)越重要。數(shù)據(jù)業(yè)務(wù)化能夠給企業(yè)帶來(lái)的業(yè)務(wù)價(jià)值主要包括以下幾點(diǎn)：提高生產(chǎn)過(guò)程的資源利用率，降低生產(chǎn)成本；根據(jù)商業(yè)分析提高商業(yè)智能的準(zhǔn)確率，降低傳統(tǒng)“憑感覺(jué)”做決策的業(yè)務(wù)風(fēng)險(xiǎn)；動(dòng)態(tài)價(jià)格優(yōu)化利潤(rùn)和增長(zhǎng)；獲取優(yōu)質(zhì)客戶。目前，越來(lái)越多的企業(yè)級(jí)用戶已經(jīng)考慮從批量分析向近實(shí)時(shí)分析發(fā)展，從而提高 IT 創(chuàng)造價(jià)值的能力。同時(shí)，數(shù)據(jù)分析在快速?gòu)纳虡I(yè)智能向用戶智能發(fā)展。數(shù)據(jù)業(yè)務(wù)化可以讓數(shù)據(jù)給企業(yè)創(chuàng)造額外收益和價(jià)值。

傳統(tǒng)科學(xué)思維中，決策制定往往是“目標(biāo)”或“模型”驅(qū)動(dòng)的，也就是根據(jù)目標(biāo)（或模型）進(jìn)行決策。然而，大數(shù)據(jù)時(shí)代出現(xiàn)了另一種思維模式，即數(shù)據(jù)驅(qū)動(dòng)型決策，數(shù)據(jù)成為決策制定的主要“觸發(fā)條件”和“重要依據(jù)”。小數(shù)據(jù)時(shí)代，企業(yè)討論什么事情該做不該做，許多時(shí)候是憑感覺(jué)來(lái)決策的，流程如圖 3 所示，由兩個(gè)環(huán)節(jié)組成：一個(gè)是拍腦袋，另一個(gè)是研發(fā)功能。

圖 3 產(chǎn)品迭代的錯(cuò)誤流程

基本上就是產(chǎn)品經(jīng)理通過(guò)一些調(diào)研，想了一個(gè)功能，做了設(shè)計(jì)。下一步就是把這個(gè)功能研發(fā)出來(lái)，然后看一下效果如何，再做下一步。整個(gè)過(guò)程都是憑一些感覺(jué)來(lái)決策。這種方式總是會(huì)出現(xiàn)問(wèn)題，很容易走一些彎路，很有可能做出錯(cuò)誤的決定。數(shù)據(jù)驅(qū)動(dòng)型決策加入了數(shù)據(jù)分析環(huán)節(jié)，如圖 4 所示。

圖 4 數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品迭代流程

基本流程就是企業(yè)有一些點(diǎn)子，通過(guò)點(diǎn)子去研發(fā)這些功能，之后要進(jìn)行數(shù)據(jù)收集，然后進(jìn)行數(shù)據(jù)分析。基于數(shù)據(jù)分析得到一些結(jié)論，然后基于這些結(jié)論，再去進(jìn)行下一步的研發(fā)。整個(gè)過(guò)程就形成了一個(gè)循環(huán)。在這種決策流程中，人為的因素影響越來(lái)越少，而主要是用一種科學(xué)的方法來(lái)進(jìn)行產(chǎn)品的迭代。

例如，一個(gè)產(chǎn)品的界面到底是綠色背景好還是藍(lán)色背景好，從設(shè)計(jì)的層面考慮，兩者是都有可能的。那么就可以做一下 A/B 測(cè)試。可以讓 50% 的人顯示綠色背景，50% 的人顯示藍(lán)色背景，然后看用戶點(diǎn)擊量。哪個(gè)點(diǎn)擊比較多，就選擇哪個(gè)。這就是數(shù)據(jù)驅(qū)動(dòng)，這樣就轉(zhuǎn)變成不是憑感覺(jué)，而是通過(guò)數(shù)據(jù)去決策。相比于基于本能、假設(shè)或認(rèn)知偏見(jiàn)而做出的決策，基于證據(jù)的決策更可靠。通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方法，企業(yè)能夠判斷趨勢(shì)，從而展開(kāi)有效行動(dòng)，幫助自己發(fā)現(xiàn)問(wèn)題，推動(dòng)創(chuàng)新或解決方案的出現(xiàn)。

在大數(shù)據(jù)時(shí)代，企業(yè)之間的競(jìng)合關(guān)系發(fā)生了變化，原本相互競(jìng)爭(zhēng)，甚至不愿合作的企業(yè)，不得不開(kāi)始合作，形成新的業(yè)態(tài)和產(chǎn)業(yè)鏈。所謂競(jìng)合關(guān)系，即在競(jìng)爭(zhēng)中合作，在合作中競(jìng)爭(zhēng)。它的核心思想主要體現(xiàn)在兩個(gè)方面：創(chuàng)造價(jià)值與爭(zhēng)奪價(jià)值。創(chuàng)造價(jià)值是個(gè)體之間相互合作、共創(chuàng)價(jià)值的過(guò)程；爭(zhēng)奪價(jià)值則是個(gè)體之間相互競(jìng)爭(zhēng)、分享價(jià)值的過(guò)程。競(jìng)合的思想就是要求所有參與者共同把蛋糕做大，每個(gè)參與者最終分得的部分都會(huì)相應(yīng)增加。傳統(tǒng)的競(jìng)合關(guān)系以戰(zhàn)略為中心，德國(guó)寶馬汽車(chē)公司和戴姆勒公司旗下的奔馳品牌在整車(chē)制造領(lǐng)域存在著品牌競(jìng)爭(zhēng)，但雙方不僅共同開(kāi)發(fā)、生產(chǎn)及采購(gòu)汽車(chē)零部件，而且在混合動(dòng)力技術(shù)——領(lǐng)域進(jìn)行研究合作。為了能夠在激烈的市場(chǎng)競(jìng)爭(zhēng)中獲取優(yōu)勢(shì)，兩家公司通過(guò)競(jìng)合戰(zhàn)略，互通有無(wú)、共享資源，從而在汽車(chē)業(yè)整體利潤(rùn)下滑的趨勢(shì)下獲得相對(duì)較好的收益，最終取得雙贏。在大數(shù)據(jù)時(shí)代，競(jìng)合關(guān)系是以數(shù)據(jù)為中心的。數(shù)據(jù)產(chǎn)業(yè)就是從信息化過(guò)程累積的數(shù)據(jù)資源中提取有用信息進(jìn)行創(chuàng)新，并將這些數(shù)據(jù)創(chuàng)新賦予商業(yè)模式。這種由大數(shù)據(jù)創(chuàng)新所驅(qū)動(dòng)的產(chǎn)業(yè)化過(guò)程具有“提升其他產(chǎn)業(yè)利潤(rùn)”的特征，除了能探索新的價(jià)值發(fā)現(xiàn)、創(chuàng)造與獲取方式以謀求本身發(fā)展外，還能幫助傳統(tǒng)產(chǎn)業(yè)突破瓶頸、升級(jí)轉(zhuǎn)型，是一種新的競(jìng)合關(guān)系，而非一般觀點(diǎn)的“新興科技催生的經(jīng)濟(jì)業(yè)態(tài)與原有經(jīng)濟(jì)業(yè)態(tài)存在競(jìng)爭(zhēng)關(guān)系”。所以，數(shù)據(jù)產(chǎn)業(yè)培育圍繞傳統(tǒng)經(jīng)濟(jì)升級(jí)轉(zhuǎn)型，依附傳統(tǒng)行業(yè)企業(yè)共生發(fā)展，是最好的發(fā)展策略。例如，近年來(lái)發(fā)展火熱的團(tuán)購(gòu)，就是數(shù)據(jù)產(chǎn)業(yè)幫助傳統(tǒng)餐飲業(yè)、旅游業(yè)和交通行業(yè)的升級(jí)轉(zhuǎn)型。提供團(tuán)購(gòu)業(yè)務(wù)的企業(yè)在獲得收益的同時(shí)，也提高了其他傳統(tǒng)行業(yè)的效益。但是，傳統(tǒng)企業(yè)與團(tuán)購(gòu)企業(yè)也存在著一定的競(jìng)爭(zhēng)關(guān)系。傳統(tǒng)企業(yè)在與團(tuán)購(gòu)企業(yè)合作的過(guò)程中，也盡力防止自己的線下業(yè)務(wù)全部轉(zhuǎn)為自己不能掌控的團(tuán)購(gòu)企業(yè)。團(tuán)購(gòu)網(wǎng)站為了能獲得更廣的用戶群、更大的流量來(lái)提升自己的市場(chǎng)地位，除了自身擴(kuò)展商戶和培養(yǎng)網(wǎng)民習(xí)慣之外，還紛紛采取了合縱連橫的發(fā)展戰(zhàn)略。聚劃算、京東團(tuán)購(gòu)、當(dāng)當(dāng)團(tuán)購(gòu)、58 團(tuán)購(gòu)等紛紛開(kāi)放平臺(tái)，吸引了千品網(wǎng)、高朋、滿座、窩窩等團(tuán)購(gòu)網(wǎng)站的入駐，投奔平臺(tái)正在成為行業(yè)共識(shí)。對(duì)于獨(dú)立團(tuán)購(gòu)網(wǎng)站來(lái)說(shuō)，入駐電商平臺(tái)不僅能帶來(lái)流量，電商平臺(tái)在實(shí)物銷(xiāo)售上的積累對(duì)其實(shí)物團(tuán)購(gòu)也有一定的促進(jìn)作用。

在傳統(tǒng)科學(xué)看來(lái)，數(shù)據(jù)需要徹底“凈化”和“集成”，計(jì)算目的是需要找出“精確答案”，而其背后的哲學(xué)是“不接受數(shù)據(jù)的復(fù)雜性”。然而，大數(shù)據(jù)中更加強(qiáng)調(diào)的是數(shù)據(jù)的動(dòng)態(tài)性、異構(gòu)性和跨域等復(fù)雜性，開(kāi)始把“復(fù)雜性”當(dāng)作數(shù)據(jù)的一個(gè)固有特征來(lái)對(duì)待，組織數(shù)據(jù)生態(tài)系統(tǒng)的管理目標(biāo)開(kāi)始轉(zhuǎn)向?qū)⒔M織處于混沌邊緣狀態(tài)。在小數(shù)據(jù)時(shí)代，對(duì)于數(shù)據(jù)的存儲(chǔ)與檢索一直依賴(lài)于分類(lèi)法和索引法的機(jī)制，這種機(jī)制是以預(yù)設(shè)場(chǎng)域?yàn)榍疤岬摹＿@種結(jié)構(gòu)化數(shù)據(jù)庫(kù)的預(yù)設(shè)場(chǎng)域能夠卓越地展示數(shù)據(jù)的整齊排列與準(zhǔn)確存儲(chǔ)，與追求數(shù)據(jù)的精確性目標(biāo)是完全一致的。在數(shù)據(jù)稀缺與問(wèn)題清晰的年代，這種基于預(yù)設(shè)的結(jié)構(gòu)化數(shù)據(jù)庫(kù)能夠有效地回答人們的問(wèn)題，并且這種數(shù)據(jù)庫(kù)在不同的時(shí)間能夠提供一致的結(jié)果。面對(duì)大數(shù)據(jù)，數(shù)據(jù)的海量、混雜等特征會(huì)使預(yù)設(shè)的數(shù)據(jù)庫(kù)系統(tǒng)崩潰。其實(shí)，數(shù)據(jù)的紛繁雜亂才真正呈現(xiàn)出世界的復(fù)雜性和不確定性特征，想要獲得大數(shù)據(jù)的價(jià)值，承認(rèn)混亂而不是避免混亂才是一種可行的路徑。為此，伴隨著大數(shù)據(jù)的涌現(xiàn)，出現(xiàn)了非關(guān)系型數(shù)據(jù)庫(kù)，它不需要預(yù)先設(shè)定記錄結(jié)構(gòu)，而且允許處理各種各樣形形參差不齊的數(shù)據(jù)。因?yàn)榘萘私Y(jié)構(gòu)的多樣性，這些無(wú)須預(yù)設(shè)的非關(guān)系型數(shù)據(jù)庫(kù)設(shè)計(jì)能夠處理和存儲(chǔ)更多的數(shù)據(jù)，成為大數(shù)據(jù)時(shí)代的重要應(yīng)對(duì)手段。在大數(shù)據(jù)時(shí)代，海量數(shù)據(jù)的涌現(xiàn)一定會(huì)增加數(shù)據(jù)的混亂性且會(huì)造成結(jié)果的不準(zhǔn)確性，如果仍然依循準(zhǔn)確性，那么將無(wú)法應(yīng)對(duì)這個(gè)新的時(shí)代。大數(shù)據(jù)通常都用概率說(shuō)話，與數(shù)據(jù)的混雜性可能帶來(lái)的結(jié)果錯(cuò)誤性相比，數(shù)據(jù)量的擴(kuò)張帶給我們的新洞察、新趨勢(shì)和新價(jià)值更有意義。因此，與致力于避免錯(cuò)誤相比，對(duì)錯(cuò)誤的包容將會(huì)帶給我們更多信息。其實(shí)，允許數(shù)據(jù)的混雜性和容許結(jié)果的不精確性才是我們擁抱大數(shù)據(jù)的正確態(tài)度，未來(lái)我們應(yīng)當(dāng)習(xí)慣這種思維。

在傳統(tǒng)科學(xué)中，數(shù)據(jù)的分析和挖掘都是具有很高專(zhuān)業(yè)素養(yǎng)的“企業(yè)核心員工”的事情，企業(yè)管理的重要目的是如何激勵(lì)和考核這些“核心員工”。但是，在大數(shù)據(jù)時(shí)代，基于“核心員工”的創(chuàng)新工作成本和風(fēng)險(xiǎn)越來(lái)越大，而基于“專(zhuān)家余（Pro-AmT 的大規(guī)模協(xié)作日益受到重視，正成為解決數(shù)據(jù)規(guī)模與形式化之間矛盾的重要手段。大規(guī)模生產(chǎn)讓數(shù)以百計(jì)的人買(mǎi)得起商品，但商品本身卻是一模一樣的。企業(yè)面臨這樣一個(gè)矛盾：定制化的產(chǎn)品更能滿足用戶的需求，但卻非常昂貴；與此同時(shí)，量產(chǎn)化的商品價(jià)格低廉,但無(wú)法完全滿足用戶的需求。如果能夠做到大規(guī)模定制，為大量用戶定制產(chǎn)品和服務(wù)，則能使產(chǎn)品成本低，又兼具個(gè)性化，從而使企業(yè)有能力滿足要求，但價(jià)格又不至于像手工制作那般讓人無(wú)法承擔(dān)。因此，在企業(yè)可以負(fù)擔(dān)得起大規(guī)模定制帶來(lái)的高成本的前提下，要真正做到個(gè)性化產(chǎn)品和服務(wù)，就必須對(duì)用戶需求有很好的了解，這就需要用戶提前參與到產(chǎn)品設(shè)計(jì)中。在大數(shù)據(jù)時(shí)代，用戶不再僅僅熱衷于消費(fèi)，他們更樂(lè)于參與到產(chǎn)品的創(chuàng)造過(guò)程中，大數(shù)據(jù)技術(shù)讓用戶參與創(chuàng)造與分享成果的需求得到實(shí)現(xiàn)。市場(chǎng)上傳統(tǒng)的著名品牌越來(lái)越重視從用戶的反饋中改進(jìn)產(chǎn)品的后續(xù)設(shè)計(jì)和提高用戶體驗(yàn)，例如，“小米”這樣的新興品牌建立了互聯(lián)網(wǎng)用戶粉絲論壇，讓用戶直接參與到新產(chǎn)品的設(shè)計(jì)過(guò)程之中，充分發(fā)揮用戶豐富的想象力，企業(yè)也能直接了解他們的需求。大眾協(xié)同的另一個(gè)方面就是企業(yè)可以利用用戶完成數(shù)據(jù)的采集，如實(shí)時(shí)車(chē)輛交通數(shù)據(jù)采集商 Inrix。該公司目前有一億個(gè)手機(jī)端用戶，Inrix 的軟件可以幫助用戶避開(kāi)堵車(chē)，為用戶呈現(xiàn)路的熱量圖。提供數(shù)據(jù)并不是這個(gè)產(chǎn)品的特色，但值得一提的是，Inrix 并沒(méi)有用的數(shù)據(jù)，這個(gè)軟件的每位用戶在使用過(guò)程中會(huì)給服務(wù)器發(fā)送實(shí)時(shí)數(shù)據(jù)，如速度和位置，這樣每個(gè)用戶都是探測(cè)器。使用該服務(wù)的用戶越多，Inrix 獲得的數(shù)據(jù)就越多，從而可以提供更好的服務(wù)。

大模型能給大數(shù)據(jù)開(kāi)發(fā)領(lǐng)域帶來(lái)什么？

站在巨人的肩膀上，我們看得更遠(yuǎn)。這或許是對(duì)大模型與大數(shù)據(jù)關(guān)系的最佳詮釋。回望過(guò)去的數(shù)據(jù)時(shí)代，我們?nèi)缤硖幒棋闹R(shí)海洋，卻苦于沒(méi)有高效的工具去擷取其中的珍寶。如今，AI大模型的出現(xiàn)，宛如一艘先進(jìn)的艦艇，載著我們駛向數(shù)據(jù)價(jià)值的彼岸。它不僅提升了數(shù)據(jù)開(kāi)發(fā)的效率，更賦予了數(shù)據(jù)新的生命力，讓數(shù)據(jù)真正成為驅(qū)動(dòng)未來(lái)發(fā)展的引擎。

大模型的到來(lái)并非偶然，而是數(shù)據(jù)發(fā)展到一定階段的必然產(chǎn)物。傳統(tǒng)的大數(shù)據(jù)平臺(tái)，在面對(duì)海量數(shù)據(jù)時(shí)，常常顯得力不從心。京東的案例就是一個(gè)縮影：數(shù)百?gòu)垟?shù)據(jù)表，成千上萬(wàn)的開(kāi)發(fā)任務(wù)，復(fù)雜的業(yè)務(wù)邏輯，讓數(shù)據(jù)開(kāi)發(fā)人員疲于奔命；超過(guò)90萬(wàn)個(gè)運(yùn)維實(shí)例，每天上千個(gè)報(bào)錯(cuò)信息，更是讓運(yùn)維人員焦頭爛額；還有那超過(guò)20萬(wàn)個(gè)數(shù)據(jù)集市和數(shù)據(jù)產(chǎn)品，如同迷宮一般，讓使用者望而卻步。這些難題，都迫切需要一種新的解決方案。

大模型的出現(xiàn)，恰逢其時(shí)。它以強(qiáng)大的算力和智能算法為基礎(chǔ)，為大數(shù)據(jù)開(kāi)發(fā)領(lǐng)域帶來(lái)了前所未有的變革。它不僅能夠理解自然語(yǔ)言，還能進(jìn)行語(yǔ)義搜索、智能推薦、代碼生成、異常診斷等，極大地提升了數(shù)據(jù)開(kāi)發(fā)的效率和智能化水平。

?大模型：數(shù)據(jù)開(kāi)發(fā)的智能助手

試想一下，如果數(shù)據(jù)開(kāi)發(fā)人員只需用自然語(yǔ)言描述需求，大模型就能自動(dòng)生成代碼、進(jìn)行和優(yōu)化，那將是怎樣一種高效的開(kāi)發(fā)體驗(yàn)？如果運(yùn)維人員能夠通過(guò)大模型實(shí)時(shí)監(jiān)控系統(tǒng)，快速定位和解決異常，那將是怎樣一種輕松的運(yùn)維方式？如果用戶能夠用自然語(yǔ)言查詢(xún)數(shù)據(jù)，輕松獲取所需信息，那將是怎樣一種便捷的數(shù)據(jù)使用體驗(yàn)？大模型的出現(xiàn)，讓這一切都成為了可能。

?從開(kāi)發(fā)到應(yīng)用：大模型的全面賦能

從阿里云的DataWorks Copilot到京東的智能應(yīng)用助手，從騰訊云的ChatBI到華為的DataArts Insight，國(guó)內(nèi)外各大科技公司都在積極探索大模型在大數(shù)據(jù)領(lǐng)域的應(yīng)用。這些智能助手，就像一位位經(jīng)驗(yàn)豐富的專(zhuān)家，為數(shù)據(jù)開(kāi)發(fā)人員、運(yùn)維人員和用戶提供全方位的支持。它們不僅能夠提高效率，還能降低門(mén)檻，讓更多的人能夠享受到數(shù)據(jù)帶來(lái)的價(jià)值。

?未來(lái)展望：大模型與大數(shù)據(jù)的深度融合

大模型的應(yīng)用也并非一帆風(fēng)順。目前，大模型的應(yīng)用主要集中在數(shù)據(jù)開(kāi)發(fā)和數(shù)據(jù)分析領(lǐng)域，而在數(shù)據(jù)治理、數(shù)據(jù)安全等方面還有很大的發(fā)展空間。大模型的訓(xùn)練成本高昂，也限制了其在中小企業(yè)的應(yīng)用。

隨著技術(shù)的不斷進(jìn)步，大模型的訓(xùn)練成本將會(huì)逐漸降低，其應(yīng)用場(chǎng)景也將更加廣泛。我們可以預(yù)見(jiàn)，大模型與大數(shù)據(jù)的深度融合，將為我們帶來(lái)一個(gè)更加智能、高效、便捷的數(shù)據(jù)時(shí)代。

大模型的出現(xiàn)，為大數(shù)據(jù)領(lǐng)域帶來(lái)了新的希望。它就像一顆冉冉升起的新星，照亮了數(shù)據(jù)價(jià)值的未來(lái)。我們有理由相信，在不久的將來(lái)，大模型將成為大數(shù)據(jù)領(lǐng)域不可或缺的一部分，推動(dòng)數(shù)據(jù)時(shí)代的蓬勃發(fā)展。

您認(rèn)為大模型的出現(xiàn)，會(huì)給大數(shù)據(jù)領(lǐng)域帶來(lái)哪些顛覆性的變革？歡迎在評(píng)論區(qū)分享您的觀點(diǎn)。