中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

我們所生活的世界，就像一片混沌（chaos），大數(shù)據(jù)時(shí)代，我們周圍更是充斥著各種不同的理論、知識(shí)、信息和噪音，數(shù)據(jù)爆炸式增長(zhǎng)和科技高速發(fā)展所帶來的沖擊，加大了未來的不確定性。

大數(shù)據(jù)源起：對(duì)未來不確定性的恐懼

我們所生活的世界，就像一片混沌（chaos），大數(shù)據(jù)時(shí)代，我們周圍更是充斥著各種不同的理論、知識(shí)、信息和噪音，數(shù)據(jù)爆炸式增長(zhǎng)和科技高速發(fā)展所帶來的沖擊，加大了未來的不確定性。當(dāng)我們接收的數(shù)據(jù)和信息越多，面臨的選擇就越多，如若不善于過濾、挖掘和處理，對(duì)各種決策就可能會(huì)造成負(fù)面影響，當(dāng)然也會(huì)放大我們對(duì)未來不確定性的恐懼。小到個(gè)人命運(yùn)大到國(guó)家前途，都是在這樣一片混沌中煎熬著。

如何從混沌中發(fā)現(xiàn)規(guī)律，成為預(yù)測(cè)未來的“先知”，抑或是少出幾只黑天鵝？是歷代人類的夢(mèng)想，不管是古人的占卜、算命還是現(xiàn)在的專家系統(tǒng)、商業(yè)智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能、智慧地球、智慧城市等應(yīng)用，都源于我們對(duì)未來不確定性的恐懼。當(dāng)然還有應(yīng)對(duì)當(dāng)前管理走向的失控，軟件在加速吞噬世界，而大部分人類對(duì)其原理和特性卻知之甚少，就像華爾街的金融交易一樣，系統(tǒng)越復(fù)雜出現(xiàn)黑天鵝的概率就會(huì)增大；社交網(wǎng)絡(luò)的實(shí)時(shí)性打破了時(shí)空限制，信息的流動(dòng)速度和廣度讓也管理者越發(fā)難以掌控。隨著舍恩伯格教授《大數(shù)據(jù)時(shí)代》一書的面世，給我們帶來了“醍醐灌頂”式的認(rèn)知洗禮，難道抓住大數(shù)據(jù)這根救命稻草，我們就有機(jī)會(huì)做“先知”？從而也更有能力把自己和周遭世界管理得更好嗎？在一定程度上是這樣的，但我們也要知道，任何技術(shù)都是把雙刃劍。

舍恩伯格其實(shí)沒有機(jī)器學(xué)習(xí)背景，書上所說的某些內(nèi)容也是有爭(zhēng)議的，不過在教育民眾和政府官員科普方面，還是具有重要意義，至少讓大家知道了什么是大數(shù)據(jù)，也能在一定程度上促使我們思考大數(shù)據(jù)的價(jià)值和潛力，從而提升大數(shù)據(jù)應(yīng)用水平以應(yīng)對(duì)管理失控和黑天鵝等問題。

大數(shù)據(jù)泡沫：泡沫是必然但有其深遠(yuǎn)意義

數(shù)據(jù)科學(xué)其實(shí)已經(jīng)興起多年，從早年的專家系統(tǒng)、數(shù)據(jù)挖掘到前些年的商業(yè)智能，不少大型企業(yè)和機(jī)構(gòu)在管理大數(shù)據(jù)方面積累了豐富的經(jīng)驗(yàn)，筆者10年前就曾參與過運(yùn)營(yíng)商的數(shù)據(jù)挖掘系統(tǒng)建設(shè)，那都是實(shí)實(shí)在在的大數(shù)據(jù)，只不過當(dāng)時(shí)技術(shù)手段有限罷了，所以很少人能挖出什么高價(jià)值的東西，更談不上智能化決策了。但這些年的技術(shù)積累和數(shù)據(jù)積累，卻是極大地促進(jìn)了大數(shù)據(jù)領(lǐng)域的發(fā)展，不然也沒有那么多人認(rèn)同舍恩伯格教授書中的觀點(diǎn)。

甲骨文公司CEO埃里森曾說過，高科技是唯一能媲美好萊塢的產(chǎn)業(yè)，說明高科技領(lǐng)域的技術(shù)明星也是變換極快的。技術(shù)和產(chǎn)品一樣，有其發(fā)展周期規(guī)律，大數(shù)據(jù)也只是一種技術(shù)手段，最終目的還是要解決現(xiàn)實(shí)問題，不管是科研、商業(yè)還是政府管理問題。關(guān)注大數(shù)據(jù)的人多了，自然就有泡沫，個(gè)人認(rèn)為泡沫主要體現(xiàn)在如下幾個(gè)方面：

1. 這幾年社會(huì)上關(guān)于大數(shù)據(jù)的宣傳，媒體人的引進(jìn)和炒作，有部分內(nèi)容是在誤導(dǎo)大家，主要原因還是很多人在盲人摸象，少有系統(tǒng)的研究和理解。
2. 只知其然不知其所以然，導(dǎo)致對(duì)大數(shù)據(jù)應(yīng)用的期望太高，大數(shù)據(jù)技術(shù)不是萬金油，在新的技術(shù)泛型和技術(shù)生態(tài)下，現(xiàn)階段技術(shù)的穩(wěn)定性、成熟性和有效性還待進(jìn)一步發(fā)展。
3. 關(guān)注重點(diǎn)有問題，導(dǎo)致目前的很多大數(shù)據(jù)應(yīng)用并未涉及到核心業(yè)務(wù)和計(jì)算模型，多是數(shù)據(jù)的采集和存儲(chǔ)管理，這也是造成行業(yè)整體門檻還不夠高，同質(zhì)化競(jìng)爭(zhēng)激烈，沒有發(fā)揮出應(yīng)有價(jià)值的原因。大數(shù)據(jù)泡沫顯然是客觀存在的，但其長(zhǎng)期的應(yīng)用價(jià)值卻不容小覷，泡沫不代表沒有價(jià)值，就像2000年的互聯(lián)網(wǎng)泡沫，泡沫破滅之后的涅磐，讓人類真正跨入了互聯(lián)網(wǎng)時(shí)代。大數(shù)據(jù)泡沫的價(jià)值就是讓全民認(rèn)識(shí)到大數(shù)據(jù)時(shí)代數(shù)據(jù)分析和數(shù)據(jù)決策的重要性，這波泡沫過去，也許我們能正式跨入人工智能時(shí)代。

大數(shù)據(jù)價(jià)值：需要你自己去定義

大數(shù)據(jù)絕不只是數(shù)據(jù)大，不能光看字面意思?？梢哉f大數(shù)據(jù)是一套技術(shù)體系，可以說是一種認(rèn)知挖掘過程，也可以說是一種方法論和管理決策思維。

我們要搞懂大數(shù)據(jù)的價(jià)值，首先繞不開數(shù)據(jù)挖掘（或更窄的機(jī)器學(xué)習(xí)、或更廣義的人工智能技術(shù)）。數(shù)據(jù)挖掘（Data Mining），又稱為資料探勘、數(shù)據(jù)采礦，或數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)（Knowledge-Discovery in Databases，KDD)。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過各種算法挖掘隱藏于其中的規(guī)律和有價(jià)值信息的過程，通常通過統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)、專家系統(tǒng)、模式識(shí)別和在線分析處理等諸多方法來實(shí)現(xiàn)上述目標(biāo)。

現(xiàn)階段大數(shù)據(jù)領(lǐng)域注重?cái)?shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、基礎(chǔ)計(jì)算和可視化等層面，唯獨(dú)對(duì)數(shù)據(jù)挖掘建模和決策支持這兩個(gè)硬骨頭沒有展開深入研究和對(duì)接，這是大數(shù)據(jù)難以落地的根本原因。我們大多數(shù)人決策其實(shí)是靠感覺、個(gè)人經(jīng)驗(yàn)或別人建議，少部分人會(huì)親自對(duì)報(bào)表等小數(shù)據(jù)進(jìn)行客觀數(shù)據(jù)分析。

而大數(shù)據(jù)為我們提供了一種更加可靠的決策支持，畢竟數(shù)據(jù)不會(huì)說假話。大數(shù)據(jù)本身不產(chǎn)生價(jià)值，大數(shù)據(jù)的根本用途是利用大數(shù)據(jù)挖掘分析對(duì)我們的決策提供規(guī)律、知識(shí)和經(jīng)驗(yàn)等科學(xué)依據(jù)，客觀上減少面對(duì)未來決策的不確定性。所以，以業(yè)務(wù)決策支持為分析目標(biāo)，大數(shù)據(jù)不靠大，小數(shù)據(jù)也一樣有大價(jià)值。為什么大數(shù)據(jù)的價(jià)值需要我們自己去定義呢？因?yàn)閷?duì)于未來、對(duì)于未知領(lǐng)域，我們每個(gè)人或組織面臨的不確定性問題是不一樣的，有的偏個(gè)體（如疾病診斷，犯罪預(yù)測(cè)），有的偏大眾（如廣告營(yíng)銷、客戶細(xì)分），有的偏微觀（如基因序列，個(gè)性化教育），有的偏宏觀（環(huán)境監(jiān)測(cè)、天文數(shù)據(jù)處理），有的關(guān)注資源優(yōu)化配置（如供需匹配，出行服務(wù)），有的關(guān)注宏觀決策（如政府資產(chǎn)分析、綜合管控）…可以說大數(shù)據(jù)分析需求無處不在，而又大不相同。這就需要從自身實(shí)際需求和數(shù)據(jù)、技術(shù)現(xiàn)狀出發(fā)，自行設(shè)定大數(shù)據(jù)分析的價(jià)值和應(yīng)用目標(biāo)，生搬硬套互聯(lián)網(wǎng)公司那套做法，不可取。

大數(shù)據(jù)陷阱：應(yīng)用前先問自己幾個(gè)問題

綜上所述，大數(shù)據(jù)無疑是好東西，很多組織機(jī)構(gòu)也正在規(guī)劃或建設(shè)大數(shù)據(jù)平臺(tái)，很多創(chuàng)業(yè)玩家也正在計(jì)劃或進(jìn)行大數(shù)據(jù)領(lǐng)域的技術(shù)服務(wù)或產(chǎn)品研發(fā)。但大數(shù)據(jù)領(lǐng)域面臨的陷阱也是不少，光看大數(shù)據(jù)、云計(jì)算、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、人工智能、深度學(xué)習(xí)、分布式計(jì)算等目不暇接的技術(shù)和概念，就夠眼花繚亂了，要真正理解各種技術(shù)的原理及相互聯(lián)系就更難，如何才能不畏浮云遮望眼，走出一條扎實(shí)的大數(shù)據(jù)應(yīng)用落地之路。我以個(gè)人粗淺的理解提幾個(gè)問題供大家參考：

（1）第一問：我屬于什么級(jí)別的玩家？

大數(shù)據(jù)的核心優(yōu)勢(shì)在于規(guī)模效應(yīng)，你的業(yè)務(wù)量越大、業(yè)務(wù)覆蓋性越廣、數(shù)據(jù)量越大，大數(shù)據(jù)投入的成本就越容易被攤薄，而長(zhǎng)遠(yuǎn)獲取的大數(shù)據(jù)應(yīng)用價(jià)值就越巨大。所以，我一直認(rèn)為政府才是最適合大數(shù)據(jù)應(yīng)用的超級(jí)玩家，這也是為什么大數(shù)據(jù)獨(dú)角獸企業(yè)Palantir的產(chǎn)品只有政府定制版（ＦＢＩ，ＣＩＡ專用）和金融定制版（華爾街金融巨頭專用）的原因！一般企業(yè)或個(gè)人根本玩不起大數(shù)據(jù)，小的個(gè)體只能像《黑客帝國(guó)》的孵化人為Matirx系統(tǒng)提供生物電池一樣，為超級(jí)玩家貢獻(xiàn)數(shù)據(jù)和技術(shù)還差不多。所以做大數(shù)據(jù)之前，先問問自己，我屬于什么級(jí)別的玩家。我有特定領(lǐng)域的海量數(shù)據(jù)嗎？有數(shù)據(jù)科學(xué)能力相關(guān)的核心技術(shù)（應(yīng)用建模）嗎？有機(jī)會(huì)成為BAT嗎？或者降一級(jí)有機(jī)會(huì)成為Uber、滴滴、摩拜嗎？研發(fā)的產(chǎn)品能否等到大規(guī)模應(yīng)用之時(shí)？提供的技術(shù)是否符合客戶的業(yè)務(wù)需求？因?yàn)橐话銇碇v，大數(shù)據(jù)的初始投入成本是很高的，自我定位很關(guān)鍵。當(dāng)然成不了甲方還是可以做乙方，成不了BAT還是有機(jī)會(huì)被BAT收購的，另外采用敏捷大數(shù)據(jù)方法論，也有低成本的玩法。

（2）第二問：我是搞技術(shù)驅(qū)動(dòng)、業(yè)務(wù)驅(qū)動(dòng)還是數(shù)據(jù)驅(qū)動(dòng)？

當(dāng)前不少公司的大數(shù)據(jù)產(chǎn)品和服務(wù)不接地氣，從開始規(guī)劃上就有一定問題。很多公司都號(hào)稱自己有云計(jì)算和大數(shù)據(jù)方面的產(chǎn)品和服務(wù)，覆蓋面從Hadoop、Spark、MPP、NOSQL、OpenStack等，到公有云、私有云、商業(yè)智能、人工智能、深度學(xué)習(xí)等等方面，偌大一片浮云，客觀上促進(jìn)了大數(shù)據(jù)領(lǐng)域的技術(shù)高速發(fā)展，可惜最終少有幾家能活到賺錢。首先，大數(shù)據(jù)領(lǐng)域，沒有幾把刷子是很難玩技術(shù)驅(qū)動(dòng)的，像Hadoop,Spark這些基礎(chǔ)框架，AlphaGo系統(tǒng)、Nvidia的核心產(chǎn)品等，后面都有一幫名校博士、教授等技術(shù)大牛的身影在支持；其次，業(yè)務(wù)驅(qū)動(dòng)最靠譜，但要有足夠的創(chuàng)新和資本支持，最近幾年出現(xiàn)的Uber、滴滴、摩拜、Airbnb、23andMe、貨車幫等創(chuàng)新公司，就是典型的業(yè)務(wù)驅(qū)動(dòng)型大數(shù)據(jù)企業(yè)，對(duì)傳統(tǒng)社會(huì)和商業(yè)的沖擊也是顛覆性的，如果能有極好的創(chuàng)意和資本支持，走這條路發(fā)展?jié)摿薮?；而政府和大型壟斷?guó)企擁有真正的大數(shù)據(jù)金礦，有數(shù)據(jù)+業(yè)務(wù)驅(qū)動(dòng)的條件，但由于自身管理體制原因或引入的技術(shù)實(shí)力太弱，大數(shù)據(jù)的價(jià)值遠(yuǎn)遠(yuǎn)沒有被挖掘出來，當(dāng)然這也是大機(jī)會(huì)，我們的國(guó)安部門也需要中國(guó)版的Palantir。所以大數(shù)據(jù)應(yīng)用要接地氣，結(jié)合自身實(shí)力，問問自己搞技術(shù)驅(qū)動(dòng)、業(yè)務(wù)驅(qū)動(dòng)還是數(shù)據(jù)驅(qū)動(dòng)，是最需要回答的問題。

（3）第三問：我是否清楚大數(shù)據(jù)應(yīng)用的局限？

現(xiàn)階段，大數(shù)據(jù)應(yīng)用面臨諸多挑戰(zhàn)，新技術(shù)泛型下標(biāo)準(zhǔn)的大數(shù)據(jù)應(yīng)用體系尚未建立，技術(shù)復(fù)雜度和風(fēng)險(xiǎn)較高，成功案例和最佳實(shí)踐缺乏。很多企業(yè)和機(jī)構(gòu)都知道大數(shù)據(jù)潛力巨大，但卻不知如何著手，更不清楚大數(shù)據(jù)應(yīng)用有哪些局限和潛在的問題。伯克利的Jordan教授是機(jī)器學(xué)習(xí)領(lǐng)域大牛，他提出了一個(gè)很好的比喻：如果大數(shù)據(jù)給出的結(jié)果可靠性低，沒有經(jīng)過充分的驗(yàn)證，就急于應(yīng)用到實(shí)際業(yè)務(wù)中，會(huì)面臨很大的風(fēng)險(xiǎn)，就好比是土木工程都沒學(xué)好就開始造橋，結(jié)果只能造出“豆腐渣工程”。所以我們要充分了解大數(shù)據(jù)技術(shù)的局限性，數(shù)據(jù)采集的不全面必然導(dǎo)致數(shù)據(jù)偏見，數(shù)據(jù)質(zhì)量的問題會(huì)導(dǎo)致Garbage In Garbage Out，我們對(duì)分析結(jié)果的不理解，或者不進(jìn)行持續(xù)反饋驗(yàn)證升級(jí)，就無法確認(rèn)模型的準(zhǔn)確性和穩(wěn)定性，另外《大數(shù)據(jù)時(shí)代》一書中所說的關(guān)注相關(guān)性不重視因果分析，也會(huì)導(dǎo)致一系列問題。

數(shù)據(jù)科學(xué)發(fā)展到現(xiàn)階段，從某種程度上講還不是一個(gè)足夠嚴(yán)謹(jǐn)?shù)膶W(xué)科，我們有一定的概率做出準(zhǔn)確的預(yù)測(cè)，但是使用不當(dāng)或預(yù)測(cè)不準(zhǔn)，又會(huì)造成不好的后果。顯然Jordan教授很擔(dān)心現(xiàn)在公眾對(duì)大數(shù)據(jù)技術(shù)的熱情，并不是基于對(duì)這個(gè)領(lǐng)域的深入理解，但是他堅(jiān)信大數(shù)據(jù)領(lǐng)域未來會(huì)誕生很多重要的應(yīng)用，就像AlphaGo系統(tǒng)花一晚時(shí)間，自我學(xué)習(xí)幾百萬盤棋才戰(zhàn)勝李世石，對(duì)于新興技術(shù)，我們不能高估它但更不能低估。鑒于此，我們需要對(duì)大數(shù)據(jù)的數(shù)據(jù)質(zhì)量及技術(shù)偏差等做更細(xì)致的考察和評(píng)估，搞清楚大數(shù)據(jù)應(yīng)用技術(shù)所面臨的限制及問題，才能走得更穩(wěn)更遠(yuǎn)。

（4）第四問：我是否準(zhǔn)備好打一場(chǎng)大數(shù)據(jù)應(yīng)用持久戰(zhàn)？

我在《大數(shù)據(jù)應(yīng)用從小做起？談微服務(wù)和大數(shù)據(jù)架構(gòu)》一文中有提到過，大數(shù)據(jù)項(xiàng)目如何頂天立地：立地就是要落實(shí)到一個(gè)個(gè)要解決的具體問題，基于業(yè)務(wù)和數(shù)據(jù)驅(qū)動(dòng)；頂天就是要規(guī)劃得目標(biāo)長(zhǎng)遠(yuǎn)，大數(shù)據(jù)系統(tǒng)不是搞一錘子買賣，沒有一勞永逸的做法。特別是大型企業(yè)、機(jī)構(gòu)或政府的大數(shù)據(jù)系統(tǒng)，一定不能是傳統(tǒng)MIS系統(tǒng)的做法，大數(shù)據(jù)是個(gè)動(dòng)態(tài)增量系統(tǒng)，數(shù)據(jù)規(guī)模在變，業(yè)務(wù)在變，模型在變，參數(shù)在變，核心技術(shù)模型的迭代、優(yōu)化、持續(xù)升級(jí)及交付將是常態(tài)，長(zhǎng)期目標(biāo)應(yīng)該是智能化的綜合管控，從企業(yè)的生產(chǎn)、產(chǎn)品、銷售、服務(wù)各個(gè)環(huán)節(jié)的一體化智能管控中心，政府各部門聯(lián)席的智能服務(wù)和決策中心，好比Google Brain, Baidu Brain，大型企事業(yè)單位和政府也需要未來的數(shù)字決策大腦。從某種程度上講，大數(shù)據(jù)的關(guān)鍵不在于具體項(xiàng)目，而在于數(shù)據(jù)決策中心的持續(xù)優(yōu)化與運(yùn)營(yíng)，大數(shù)據(jù)系統(tǒng)建設(shè)要作為一個(gè)長(zhǎng)遠(yuǎn)的事業(yè)來做，讓每個(gè)成員都融入大數(shù)據(jù)管理思維變革過程中。我在之前的文章中提出了“快、小、證”大數(shù)據(jù)應(yīng)用原則，對(duì)一個(gè)具體的大數(shù)據(jù)項(xiàng)目來講，能做到快速出原型，小分析點(diǎn)切入，證明有效之后再擴(kuò)張的原則，就不用懼怕失敗，失敗后切換到下一個(gè)分析目標(biāo)即可。由于大數(shù)據(jù)項(xiàng)目前期的實(shí)際投入成本遠(yuǎn)遠(yuǎn)大于收益，這就更需要精耕細(xì)作，打一場(chǎng)大數(shù)據(jù)應(yīng)用持久戰(zhàn)，可以從小處著手，逐步構(gòu)建統(tǒng)觀全局的分析鏈，從而建立組織未來的大數(shù)據(jù)中心和基于大數(shù)據(jù)分析的輔助決策大腦。

（5）第五問：我是否了解大數(shù)據(jù)風(fēng)險(xiǎn)與數(shù)據(jù)偏見？

大數(shù)據(jù)時(shí)代，信息意味著權(quán)利，不同層級(jí)的信息代表不同層次的權(quán)利。這使得大數(shù)據(jù)集中之后也面臨著技術(shù)風(fēng)險(xiǎn)、成本風(fēng)險(xiǎn)、安全風(fēng)險(xiǎn)和管理風(fēng)險(xiǎn)等多個(gè)層面的問題，每個(gè)層級(jí)玩家面臨的風(fēng)險(xiǎn)各有側(cè)重，需要充分引起重視。大數(shù)據(jù)處理基于全新的技術(shù)泛型，新技術(shù)生態(tài)下技術(shù)本身的穩(wěn)定性、成熟性、擴(kuò)展性等有風(fēng)險(xiǎn)；隨著數(shù)據(jù)爆炸增長(zhǎng)需要存儲(chǔ)、計(jì)算包括電力等資源的持續(xù)投入，面臨成本風(fēng)險(xiǎn)（所以才有云計(jì)算的需求）；面對(duì)大數(shù)據(jù)信息權(quán)的誘惑，黑客們的犯罪動(dòng)機(jī)也比以往任何時(shí)候更強(qiáng)烈，黑客組織性更強(qiáng)，更加專業(yè)，敏感數(shù)據(jù)入侵風(fēng)險(xiǎn)急劇增加；在數(shù)據(jù)管理方面還需要面對(duì)數(shù)據(jù)缺失（大數(shù)據(jù)的分析在于全量分析，任何一方面的數(shù)據(jù)缺失，都會(huì)讓算法產(chǎn)生偏見）、數(shù)據(jù)質(zhì)量低下、被操控的假數(shù)據(jù)（如水軍刷榜）等方面的問題。

（6）第六問：我是否理解并能貫徹大數(shù)據(jù)思維？

大數(shù)據(jù)時(shí)代，數(shù)據(jù)驅(qū)動(dòng)決策是我們的必然選擇，畢竟事實(shí)勝于雄辯，數(shù)據(jù)能最大限度地說明問題，數(shù)據(jù)能讓你了解一些以前根本都不知道的事情，除了本身質(zhì)量的問題，數(shù)據(jù)不會(huì)說謊，通過大數(shù)據(jù)挖掘進(jìn)行量化分析有助于精細(xì)化管理和運(yùn)營(yíng)，這是大數(shù)據(jù)思維的核心所在。不管是企業(yè)、機(jī)構(gòu)還是政府，在做大數(shù)據(jù)規(guī)劃或應(yīng)用之前，先問問自己，組織人員理解數(shù)據(jù)決策嗎？大數(shù)據(jù)能為他們帶來怎樣的好處？各級(jí)領(lǐng)導(dǎo)有沒有大數(shù)據(jù)決策基因或者這種思維變革的驅(qū)動(dòng)力？所以從數(shù)據(jù)決策角度講，未來大數(shù)據(jù)思維在各行各業(yè)的滲透和如火如荼的大數(shù)據(jù)系統(tǒng)建設(shè)不亞于一場(chǎng)數(shù)據(jù)爆炸時(shí)代的管理變革“啟蒙運(yùn)動(dòng)”。這場(chǎng)運(yùn)動(dòng)由互聯(lián)網(wǎng)企業(yè)發(fā)起并逐漸繁榮，當(dāng)大數(shù)據(jù)思維在傳統(tǒng)企業(yè)、機(jī)構(gòu)和政府普及并落地應(yīng)用之時(shí)，很可能就是通用人工智能時(shí)代的開始。

大數(shù)據(jù)展望：當(dāng)大數(shù)據(jù)傍上人工智能。

最后，做一點(diǎn)展望，談?wù)劥髷?shù)據(jù)和人工智能，在之前的文章中，我提到過大數(shù)據(jù)和人工智能的共生關(guān)系，對(duì)連接主義學(xué)派來講，沒有大數(shù)據(jù)就沒有智能，同樣，沒有人工智能的算法支持，特別是深度學(xué)習(xí)這一波技術(shù)熱潮的推動(dòng)，大數(shù)據(jù)的價(jià)值也很難被發(fā)掘出來。所以大數(shù)據(jù)傍上人工智能是IT技術(shù)發(fā)展的必然。另外大數(shù)據(jù)與傳統(tǒng)商業(yè)智能技術(shù)在加速融合，如OLAP多維度分析、數(shù)據(jù)倉庫等技術(shù)也在向大數(shù)據(jù)處理靠攏。大數(shù)據(jù)的核心價(jià)值在于全量數(shù)據(jù)分析，而全量數(shù)據(jù)意味著智能誕生的基礎(chǔ)，初級(jí)智能誕生之后會(huì)給系統(tǒng)以反哺和回饋數(shù)據(jù)，就像AlphaGo的強(qiáng)化學(xué)習(xí)和自我對(duì)抗學(xué)習(xí)一樣（嬰幼兒自己游戲玩耍同理），通過這種自我學(xué)習(xí)迭代過程，強(qiáng)人工智能誕生，人類正式跨入ＡＩ時(shí)代。那個(gè)時(shí)候的若干企業(yè)大數(shù)據(jù)中心、政府大數(shù)據(jù)中心和地球上的數(shù)朵大云，將會(huì)插上智能科學(xué)的翅膀，成為ＡＩ時(shí)代的關(guān)鍵基礎(chǔ)設(shè)施，到時(shí)大數(shù)據(jù)技術(shù)如何演化，國(guó)家又會(huì)呈現(xiàn)出怎樣的社會(huì)形態(tài)，讓我們拭目以待。

作者：杜圣東，ZMTech CEO

來源：http://www.36dsj.com/archives/77989

本文來源于人人都是產(chǎn)品經(jīng)理合作媒體@36大數(shù)據(jù)，作者@杜圣東