杏鑫开户

首页|杏鑫开户|首页【主管q373351】数据智能作为移动互联网时代的自然产物,也是未来很长一段时间发展的核心。本文主要阐述了数据智能的本质和技术系统的要求。

自从1956年美国达特茅斯会议首次提出“人工智能”的概念以来,现在新一轮的科技革命和产业转型正在兴起,大数据、云计算、5G等已经广为人知。大数据时代势不可挡,尤其是大数据在垂直细分行业的应用潜力巨大。大数据与各行业业务场景的有机结合,将推动细分行业的数字化转型升级,推动社会治理的创新发展,催生一大批新模式、新业态。

中国移动互联网的发展见证了中国大数据行业的蓬勃发展。数据智能作为移动互联网时代的自然产物,也是未来很长一段发展阶段的核心所在。

本文主要根据多年来在数据智能领域的实践,为您解释杏鑫数据智能的本质和技术系统的需求,然后将与您分享关于数据中心、数据系统建设的本质、思路和方法。我希望使用流行的语言,让你对数据智能和技术人员、产品或操作所涉及的技术系统有一个清晰的认识,给你的日常工作带来一些新的灵感。

1. 大数据的发展历程

什么是数据智能,这个概念怎么来的呢?

记得从2010年开始,随着移动互联网的兴起,大数据也随之出现在各个媒体网站和行业论坛,大家见面都会问一句:“你们搞大数据了吗?” 其实大家都不太清楚大数据应该怎么搞,哈哈。

对于大数据能做什么,我在2013年左右找到一张我比较认可的图:

我把它称之为大数据成熟度模型。这个过程实质上我们理解也是数据从工具变成为资产的过程,从一个辅助的东西变成生产资料的过程。现在在提的数字经济,很多人试图对此进行理论定义,以便把数字经济和实体经济从概念上区分开来,我的建议是就从数字是否作为主要生产资料,是否作为核心资产这个角度去界定,会比较简单明了。

根据过去几年的实际发展,大数据基本上是按照上述模式演进的。

2013年前后,企业开始认识到数据的价值,电信运营商、政府、公安、金融等拥有大数据生产环境的行业开始搭建大数据平台,收集和存储企业产生的数据。与此同时,金融等行业也开始大量购买外部数据,希望通过外部数据快速发现数据的价值,弥补自身数据的不足。许多从事数据聚合和相关服务的公司都获得了发展机会。

2015年大数据进入监测阶段,通过大数据屏幕实现业务监测,这是大数据最早、最成熟的应用方向。对于政府、中央企业和大型国有企业来说,大数据屏幕、leader看板等数据展示应用是体现大数据价值的最直接方式。

2017年,大数据平台建设基本完善,简单的数据显示开始很难满足企业的不同需求,大型数据开始结合业务场景,基于了解大数据业务问题,现在花的情况,分别应用于精确营销和风险控制领域的金融诈骗,公安领域的司法调查,工业领域的故障预报预警,等等。

简单的数理统计无法满足企业对业务场景的洞察。因此,数据挖掘和数据建模技术应运而生。人工智能建模平台和数据科学平台正开始进入人们的视野。一些专注于建模平台的初创公司已经出现。然而,越来越多的公司已经将人工智能建模平台内化到自己的能力中。

2019年左右,大数据将进入商业决策阶段,即由机器形成数据报告或报告,由业务人员进行决策,然后机器直接给出决策建议,使机器具备推理能力。例如,在外卖和出行场景中,美团和滴滴直接形成最优调度模式,系统自动完成决策过程,并向乘客和司机发送任务。这种比较常见的消费互联网场景将逐渐出现在工业互联网和企业业务场景中。换句话说,大数据开始从商业的数字化阶段向数据的智能化阶段迈进。

2. 数据智能的特征和定义

从上节中的大数据发展历程中,我们看到数据智能目前对应的是决策、优化以及商业重塑阶段。也就是说让机器具备推理能力,而这些能力意味着自然语言处理(NLP)、知识图谱(Knowledge Graph) 等认知技术的逐渐成熟,这也是为何2018年NLP、知识图谱成为市场的热点的原因。

因此,数据驱动决策和数据驱动业务开发的新需求必然会导致一群数据智能公司的崛起。

未来,随着技术的日益成熟,大数据将从决策走向最终环节,即业务重构。许多流程可以由机器实现,但是仍然有许多流程需要人工参与。因此,从人工智能(AI)到人工智能增强的IA,人机协作将迎来一个快速的发展。

至此, 我们试着给数据智能做一个定义:

数据智能就是以数据作为生产资料,通过结合大规模数据处理、数据挖掘、机器学习、人机交互、可视化等多种技术,从大量的数据中提炼、发掘、获取知识,为人们在制定决策时提供有效的数据智能支持,减少或者消除不确定性。

3. 数据智能的技术体系

数据智能首先需要提供数据,数据在其中扮演核心资产和生产资料的角色,因此对数据的治理尤为重要。

什么是数据治理?

我们经常听到公司治理这个术语,它主要解决了经济学中的几个问题:

如何区分所有权和经营权?
公司所有者如何科学地授权和监督职业经理人?
相应地,数据治理也应该解决几个类似的问题:

什么是数据(资产)?
如何分离数据所有权和使用?
数据资产所有者如何科学地授权和监督数据用户?
所有的数据智能手段实际上都是为了解决上述问题。

我将在以后的文章中更详细地描述数据治理方面的内容。

同时,我们知道穷人和富人的区别在于他们对财富的态度。富人更多的是从资产增值的角度来看待财富,思考如何创造更多的资产,不断增加资产的价值;穷人更倾向于从消费的角度来看待财富,他们挣的钱更多地被用于消费。

智能时代的数据,如果我们想成为一个“富有”,您需要考虑如何使数据发挥更大的价值,如何找到其他合作伙伴,共同创造价值,但不同于其他资产的数据,它必须复制的性质,很难批准,这就需要我们解决数据安全的问题,也是目前更多地关注业内计算技术的安全性。

还有一点需要注意的是:由于大数据的4V特性,尤其是数据量大、种类多,有时我们会对其聚集性或结果产生怀疑。虽然其中一些可以通过常识或直觉来判断,但总有一些东西是我们看不出来的。这需要一个质量保证系统,使我们能够对从生成到开始的所有方面的数据进行完整的检查。

综上所述,杏鑫数据智能技术系统至少需要包括三个方面:

  • 数据治理系统
  • 数据质量保证系统
  • 数据安全计算体系

结语

数据智能作为大数据时代一个重要而激动人心的阶段,机遇与挑战并存。

作为本系列的第一篇文章,本文对该主题进行了概述,希望对您扩展具体内容有所帮助。

发表评论

电子邮件地址不会被公开。 必填项已用*标注