A. 當下大數據發展的 8 個要點
作者 | 章劍鋒
筆者從 2008 年開始工作到現在也有 11 個年頭了，一路走來都在和數據打交道，做過大數據底層框架內核的開發（Hadoop，Pig，Tez，Spark，Livy），也做過上層大數據應用開發（寫 MapRece Job 做 ETL ，用 Hive 做 Ad hocquery，用 Tableau 做數據可視化，用 R 做數據分析）。今天我想藉此機會和大家聊聊我所理解的大數據現狀和未來。
首先讓我們來聊聊什麼是大數據。大數據這個概念已經出來很多年了（超過10年），但一直沒有一個准確的定義（也許也並不需要）。數據工程師（DataEngineer）對大數據的理解會更多從技術和系統的角度去理解，而數據分析人員（Data Analyst）對大數據理解會從產品的角度去理解，所以數據工程師（Data Engineer) 和數據分析人員（Data Analyst）所理解的大數據肯定是有差異的。我所理解的大數據是這樣的，大數據不是單一的一種技術或者產品，它是所有與數據相關的綜合學科。看大數據我會從 2 個維度來看，一個是數據流的維度（下圖的水平軸），另外一個是技術棧的維度（下圖的縱軸）。
其實我一直不太喜歡張口閉口講「大數據」，我更喜歡說「數據」。因為大數據的本質在於「數據」，而不是「大」。由於媒體一直重點宣揚大數據的「大」，所以有時候我們往往會忽然大數據的本質在「數據」，而不是「大」，「大」只是你看到的表相，本質還是數據自身。
在我們講清楚大數據的含義之後，我們來聊聊大數據目前到底處在一個什麼樣的位置。從歷史發展的角度來看，每一項新技術都會經歷下面這樣一個技術成熟度曲線。
當一項新技術剛出來的時候人們會非常樂觀，常常以為這項技術會給人類帶來巨大的變革，對此持有過高的期望，所以這項技術一開始會以非常快的速度受到大家追捧，然後到達一個頂峰，之後人們開始認識到這項新技術並沒有當初預想的那麼具有革命性，然後會過於悲觀，之後就會經歷泡沫階段。等沉寂一定階段之後，人們開始回歸理性，正視這項技術的價值，然後開始正確的應用這項技術，從此這項技術開始走向穩步向前發展的道路。（題外話，筆者在看這幅圖的時候也聯想到了一個男人對婚姻看法的曲線圖，大家自己腦補）。
1、從大數據的歷史來看，大數據已經經歷了 2 個重要階段
兩個重要階段是指過高期望的峰值和泡沫化的底谷期 。現在正處於穩步向前發展的階段。我們可以從 googletrend 上 big data 的曲線就能印證。大數據大約從 2009 年開始走向人們的視野，在 2015 年左右走向了頂峰，然後慢慢走向下降通道（當然這張曲線並不會和上面這張技術成熟度曲線完全擬合，比如技術曲線處在下降通道有可能會使討論這項技術的搜索量增加）。
接下來我想講一下我對大數據領域未來趨勢的幾個判斷。
2、數據規模會繼續擴大，大數據將繼續發揚光
前面已經提到過，大數據已經度過了過高期望的峰值和泡沫化的底谷期，現在正在穩步向前發展。做這樣判斷主要有以下 2 個原因：
上游數據規模會繼續增長，特別是由於 IOT 技術的發展和成熟，以及未來 5G 技術的鋪開。在可預測的未來，數據規模仍將繼續快速增長，這是能夠帶動大數據持續穩定向前發展的基本動力。 下游數據產業還有很多發展的空間，還有很多數據的價值我們沒有挖掘出來。雖然現在人工智慧，區塊鏈搶去了大數據的風口位置，也許大數據成不了未來的主角，但大數據也絕對不是跑龍套的，大數據仍將扮演一個重要而基礎的角色。可以這么說，只要有數據在，大數據就永遠不會過時。我想在大部分人的有生之年，我們都會見證大數據的持續向上發展。
3、數據的實時性需求將更加突出
之前大數據遇到的最大挑戰在於數據規模大（所以大家會稱之為「大數據」），經過工業界多年的努力和實踐，規模大這個問題基本已經解決了。接下來幾年，更大的挑戰在於速度，也就是實時性。而大數據的實時性並不是指簡單的傳輸數據或者處理數據的實時性，而是從端到端的實時，任何一個步驟速度慢了，就影響整個大數據系統的實時性。所以大數據的實時性，包括以下幾個方面：
快速獲取和傳輸數據 快速計算處理數據 實時可視化數據 在線機器學習，實時更新機器學習模型目前以 Kafka，Flink 為代表的流處理計算引擎已經為實時計算提供了堅實的底層技術支持，相信未來在實時可視化數據以及在線機器學習方面會有更多優秀的產品涌現出來。當大數據的實時性增強之後，在數據消費端會產生更多有價值的數據，從而形成一個更高效的數據閉環，促進整個數據流的良性發展。
4、大數據基礎設施往雲上遷移勢不可擋
目前IT基礎設施往雲上遷移不再是一個大家還需要爭論的問題，這是大勢所趨。當然我這邊說的雲並不單單指公有雲，也包括私有雲，混合雲。因為由於每個企業的業務屬性不同，對數據安全性的要求不同，不可能把所有的大數據設施都部署在公有雲上，但向雲上遷移這是一個未來註定的選擇。目前各大雲廠商都提供了各種各樣的大數據產品以滿足各種用戶需求，包括平台型（PAAS) 的 EMR ，服務型 (SAAS) 的數據可視化產品等等。大數據基礎設施的雲化對大數據技術和產品產生也有相應的影響。大數據領域的框架和產品將更加 Cloud Native 。
計算和存儲的分離。我們知道每個公有雲都有自己對應的分布式存儲，比如 AWS 的 S3 。 S3 在一些場合可以替換我們所熟知的 HDFS ，而且成本更低。而 S3 的物理存儲並不是在 EC2 上面，對 EC2 來說， S3 是 remote storage 。所以如果你要是 AWS 上面做大數據開發和應用，而且你的數據是在 S3 上，那麼你就自然而然用到了計算和存儲的分離。 擁抱容器，與 Kubernate 的整合大勢所趨，我們知道在雲環境中 Kuberneate 基本上已經是容器資源調度的標准。 更具有彈性（Elastic）。 與雲上其他產品和服務整合更加緊密。5、大數據產品全鏈路化
全鏈路化是指提供端到端的全鏈路解決方案，而不是簡單的堆積一些大數據產品組件。以 Hadoop 為代表的大數據產品一直被人詬病的主要問題就是用戶使用門檻過高，二次開發成本太高。全鏈路化就是為了解決這一問題，用戶需要的並不是 Hadoop，Spark，Flink 等這些技術，而是要以這些技術為基礎的能解決業務問題的產品。 Cloudera 的從 Edge 到 AI 是我比較認同的方案。大數據的價值並不是數據本身，而是數據背後所隱藏的對業務有影響的信息和知識。下面是一張摘自 wikipedia 的經典數據金字塔的圖。
大數據技術就是對最原始的數據進行不斷處理加工提煉，金字塔每上去一層，對應的數據量會越小，同時對業務的影響價值會更大更快。而要從數據（Data) 最終提煉出智慧（Wisdom），數據要經過一條很長的數據流鏈路，沒有一套完整的系統保證整條鏈路的高效運轉是很難保證最終從數據中提煉出來有價值的東西的，所以大數據未來產品全鏈路化是另外一個大的趨勢。
6、大數據技術往下游數據消費和應用端轉移
上面講到了大數據的全鏈路發展趨勢，那麼這條長長的數據鏈路目前的狀況是如何，未來又會有什麼樣的趨勢呢？
我的判斷是未來大數據技術的創新和發力會更多的轉移到下游數據消費和應用端。之前十多年大數據的發展主要集中在底層的框架，比如最開始引領大數據風潮的 Hadoop ，後來的計算引擎佼佼者 Spark，Flink 以及消息中間件 Kafka ，資源調度器 Kubernetes 等等，每個細分領域都涌現出了一系列優秀的產品。總的來說，在底層技術框架這塊，大數據領域已經基本打好了基礎，接下來要做的是如何利用這些技術為企業提供最佳用戶體驗的產品，以解決用戶的實際業務問題，或者說未來大數據的側重點將從底層走向上層。之前的大數據創新更偏向於 IAAS 和 PAAS ，未來你將看到更多 SAAS 類型的大數據產品和創新。從近期一些國外廠商的收購案例，我們可以略微看出一些端倪。1、2019 年 6 月 7 日，谷歌宣布以 26 億美元收購了數據分析公司 Looker，並將該公司並入 Google Cloud。2、2019 年 6 月 10 日，Salesforce 宣布以 157 億美元的全股票交易收購 Tableau ，旨在夯實在數據可視化以及幫助企業解讀所使用和所積累的海量數據的其他工具方面的工作。3、2019 年 9 月初，Cloudera 宣布收購 Arcadia Data 。 Arcadia Data 是一家雲原生 AI 驅動的商業智能實時分析廠商。面對最終用戶的大數據產品將是未來大數據競爭的重點，我相信會未來大數據領域的創新也將來源於此，未來 5 年內大概率至少還會再出一個類似 Looker 這樣的公司，但是很難再出一個類似 Spark 的計算引擎。
7、底層技術的集中化和上層應用的全面開花
學習過大數據的人都會感嘆大數據領域的東西真是多，特別是底層技術，感覺學都學不來。經過多年的廝殺和競爭，很多優秀的產品已經脫穎而出，也有很多產品慢慢走向消亡。比如批處理領域的 Spark 引擎基本上已經成為批處理領域的佼佼者，傳統的 MapRece 除了一些舊有的系統，基本不太可能會開發新的 MapRece 應用。 Flink 也基本上成為低延遲流處理領域的不二選擇，原有的 Storm 系統也開始慢慢退出歷史舞台。同樣 Kafka 也在消息中間件領域基本上占據了壟斷地位。未來的底層大數據生態圈中將不再有那麼多的新的技術和框架，每個細分領域都將優勝劣汰，走向成熟，更加集中化。未來更大的創新將更多來來自上層應用或者全鏈路的整合方面。在大數據的上層應用方面未來將會迎來有更多的創新和發展，比如基於大數據上的BI產品， AI 產品等等，某個垂直領域的大數據應用等等，我相信未來我們會看到更多這方面的創新和發展。
8、開源閉源並駕齊驅
大數據領域並不是只有 Hadoop，Spark，Flink 等這類大家耳熟能詳的開源產品，還有很多優秀的閉源產品，比如 AWS 上的 Redshift ，阿里的 MaxCompute 等等。這些產品雖然沒有開源產品那麼受開發者歡迎，但是他們對於很多非互聯網企業來說是非常受歡迎的。因為對於一個企業來說，採用哪種大數據產品有很多因素需要考慮，否開源並不是唯一標准。產品是否穩定，是否有商業公司支持，是否足夠安全，是否能和現有系統整合等等往往是某些企業更需要考慮的東西，而閉源產品往往在這類企業級產品特性上具有優勢。
最近幾年開源產品受公有雲的影響非常大，公有雲可以無償享受開源的成果，搶走了開源產品背後的商業公司很多市場份額，所以最近很多開源產品背後的商業公司開始改變策略，有些甚至修改了 Licence 。不過我覺得公有雲廠商不會殺死那些開源產品背後的商業公司，否則就是殺雞取卵，殺死開源產品背後的商業公司，其實就是殺死開源產品的最大技術創新者，也就是殺死開源產品本身。我相信開源界和公有雲廠商最終會取得一個平衡，開源仍然會是一個主流，仍然會是創新的主力，一些優秀的閉源產品同樣也會占據一定的市場空間。
最後我想再次總結下本文的幾個要點：
1、目前大數據已經度過了最火的峰值期和泡沫化的底谷期，現在正處於穩步向前發展的階段。2、數據規模會繼續擴大，大數據將繼續發揚光大3、 數據的實時性需求將更加突出4、大數據基礎設施往雲上遷移勢不可擋5、大數據產品全鏈路化6、大數據技術往下游數據消費和應用端轉移7、底層技術的集中化和上層應用的全面開花8、開源閉源並駕齊驅
B. 未來大數據的主要應用領域包括哪些
大數據不僅意味著海量、多樣、迅捷的數據處理，更是一種顛覆的思維方式、一項智能的基礎設施、一場創新的技術變革。
大數據不僅意味著海量、多樣、物聯網、智慧城市、增強現實(AR)與虛擬現實(VR)、區塊鏈技術、語音識別、人工智慧、數字匯流是大數據未來應用的七大發展方向。
趨勢一：物聯網
物聯網：把所有物品通過信息感測設備與互聯網連接起來，進行信息交換，即物物相息，以實現智能化識別和管理。
物聯網是新一代信息技術的重要組成部分，也是「信息化」時代的重要發展階段。
物聯網的核心和基礎仍然是互聯網，是在互聯網基礎上的延伸和擴展的網路；
其用戶端延伸和擴展到了任何物品與物品之間，進行信息交換和通信，也就是物物相息。
趨勢二：智慧城市
智慧城市就是運用信息和通信技術手段感測、分析、整合城市運行核心系統的各項關鍵信息；對包括民生、環保、公共安全、城市服務、工商業活動在內的各種需求做出智能響應。其實質是利用先進的信息技術，實現城市智慧式管理和運行，進而為城市中的人創造更美好的生活，促進城市的和諧、可持續成長。這項趨勢的成敗取決於數據量跟數據是否足夠，這有賴於政府部門與民營企業的合作；此外，發展中的5G網路是全世界通用的規格，如果產品被一個智慧城市採用，將可以應用在全世界的智慧城市。
趨勢三：增強現實(AR)與虛擬現實(VR)
擬現實技術是一種可以創建和體驗虛擬世界的計算機模擬系統，它利用計算機生成一種模擬環境；是一種多源信息融合的、互動式的三維動態視景和實體行為的系統模擬使用戶沉浸到該環境中。這兩個技術最近開始降價跟提升質量，走向大眾市場。VR應用一開始以電玩為主，現在的應用卻超越電玩，可以用來教學，靠著VR設備，把家裡的插頭電線完成配線，就像有水電技師在教學一樣。
趨勢四：區塊鏈技術
區塊鏈是分布式數據存儲、點對點傳輸、共識機制、加密演算法等計算機技術的新型應用模式。所謂共識機制是區塊鏈系統中實現不同節點之間建立信任、獲取權益的數學演算法。 區塊鏈技術是指一種全民參與記賬的方式。所有的系統背後都有一個資料庫，你可以把資料庫看成是就是一個大賬本。區塊鏈有很多不同應用方式，美國幾乎所有科技公司都在嘗試如何應用，最常見的應用是比特幣跟其他加密貨幣的交易。
趨勢五：語音識別技術
人們預計，未來10年內，語音識別技術將進入工業、家電、通信、汽車電子、醫療、家庭服務、消費電子產品等各個領域。很多專家都認為語音識別技術是2000年至2010年間，信息技術領域十大重要的科技發展技術之一。語音識別技術所涉及的領域包括：信號處理、模式識別、概率論和資訊理論、發聲機理和聽覺機理、人工智慧等。這項產業有個很大優點，就是發展技術的公司都打算把這項技術商品化。像是google、Amazon跟蘋果的語音識別技術都可透過授權，使用在其他業者的硬體服務上。
趨勢六：人工智慧(AI)
人工智慧(Artificial Intelligence)，英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧需要被教育，匯入很多信息才能進化，進而產生一些意想不到的結果。AI影響幅度很大，例如媒體業，現在計算機跟機器人可以寫出很好的文章，而且1小時產出好幾百篇，成本也低。
AI對經濟發展會產生劇烈影響，很多知識產業跟白領工作也可能被機器人取代。但他對於AI的態度很正面，這會讓生活更好，例如自駕車絕對比人駕車更安全。
趨勢七：數字匯流
大約從1995年左右，就陸續有人在討論所謂「數位匯流」，在不同的使用情境之下，我們還是會需要很不一樣的數位裝置—光是螢幕大小就有好多種選項，音響效果、攝影機，都需要不同的配套。
所以數位比較像是「iCloud」，也就是說所有的裝置會存取同一個遠端資料庫，讓你的數位生活可以完全同步，隨時、無縫的切換使用情境。
但除了「載具」的匯流，我們更應關心的是另一個數位匯流，一個網路商業模式的匯流，或者更明確的說，數字匯流就是「內容」與「電子商務」的匯流。
C. 數據驅動全鏈路啥意思
數據驅動業務增長」是以企業產品業務線海量數據的收集、存儲、可視化、分析、挖掘作為核心支撐的，全體業務線人員參與的，以精準、細分和精細化為特點的運營戰略。
即針對運營、產品、市場、客服等部門的運營數據，通過可視化、可量化、可細化、可預測等一系列數據分析方法論以及理論、經驗等來進行業務分析，挖掘業務增長點。
具體的主要以「產品以及官網流量數據分析、目標用戶行為數據分析、目標用戶群轉化分析、活動營銷策劃推廣數據分析、用戶畫像數據分析、產品功能優化迭代、競爭調研以及監控數據分析、渠道效果分析等」。
而面對海量的數據，還是有很多人不知道從如何著手、如何開展，如何得出結論。
下面梳理探討一下「數據驅動業務增長」的底層邏輯思維，希望在數據驅動業務增長的實際應用中能給大家擴展一下思路。
01
那麼，首先來看一下何為「底層邏輯」呢？
底層邏輯，廣義上關於某種事物的認知，狹義上對於具體到某個產品的規則。在《底層邏輯》這本書里如是寫道：所謂底層邏輯，就是從事物的底層、本質出發，尋找解決問題路徑的思維方法。底層邏輯越堅固，解決問題的能力也就越強。
其實當我們在思考問題時，首先的核心切入點，從這個點開始思考所作出之後的決定，當圍繞著底層邏輯思考時，做出的決定才是和初心一致，最貼合內心的，也是真實的人性反饋。
而在商業系統里的定位就是從底層邏輯為思考核心。比如騰訊，在早期，它的底層邏輯就是創造一個可以讓人與人交流的軟體。從這個邏輯上確定的定位就是「連接」。連接人與人，連接人與物，連接物與物，連接世界就是從這個底層邏輯上生發出來的商業路徑。
也可以說，底層邏輯是事物基本的驅動力（在這里不做詳情探討，只要了解底層邏輯的概念）。
02
接下來，我們來看一下以數據驅動業務增長的3個底層邏輯。
1. 數據分析基本步驟
所有數據分析都應該以業務場景為起始思考點，以業務決策作為終點。都繞不開是多少、是什麼、為什麼、會怎樣、又如何。
基於此，數據分析的五個基本步驟：
第一步，首先挖掘業務含義，理解數據分析的背景、前提以及想要關聯的業務場景結果是什麼。
第二步，需要收集整理數據，梳理用戶行為路徑。
第三步，從業務場景中拆分出需要的數據，將數據可視化，落地分析原因。
第四步，從數據結果中，判斷提煉出業務洞察，預測可能會發生的結果。
第五步，根據數據結果洞察分析，最終產出業務決策。
例如，互聯網HR考勤類網站，渠道運營在網路和 360搜索上都有持續的廣告投放，為官網引流。
最近領導建議嘗試投放神馬搜索渠道獲取流量，另外也需要評估是否加入知乎、今日頭條進行深度廣告投放。
在這種多渠道的投放場景下，如何進行深度決策？我們按照上面數據分析流程的五個基本步驟來拆解一下這個問題。
第一步：挖掘業務含義
首先要了解渠道人員想優化什麼，並以此為北極星指標去衡量。
對於渠道效果評估，重要的是業務轉化：對hr考勤類網站來說，是否「創建企業」要遠重要於 「訪問用戶數量」 。所以無論是神馬移動搜索還是知乎、今日頭條渠道，重點在於如何通過數據手段衡量轉化效果；也可以進一步根據轉化效果，優化不同渠道的運營策略。
D. 大數據未來的發展前景怎麼樣
就現如今的發展趨勢而言，大數據技術的發展如火如荼。在各個領域都得到了廣泛的應用，而且就其目前的發展情況來看，大數據技術具有十分良好的發展前景。
現在社會的大數據公司主要可以分為三大類，分別是技術型、創新型、數據型這三種，不論是哪一種類型的大數據公司，都是現代社會不可獲缺的。人們熟悉的技術型的大數據公司通常是IT公司，這些公司十分看重數據的處理這一模塊。創新型的大數據公司需要一些非常有想像力的人，對於相同的數據，他們往往有不同的見解，並發現其中的不同。而數據型的大數據公司，人們了解的比較多，如新浪、網路、網易、搜狐、淘寶等等，這些也是與人們的日常生活密切相關的，或者是一些零售的連鎖企業、市政公司、金融服務公司等等，這些公司自身擁有較多的數據，也正是因為涵蓋的數據較多，因而容易導致有價值的信息被忽略。在這三種不同的大數據公司中，技術型的大數據公司未來的發展將會使得技術趨向於多元化，製造出越來越多樣的技術。不論是從哪個方面來說，大數據技術今後的發展都會越來越好。以下就主要分析幾點發展趨勢。
1、數據分析成為大數據技術的核心
數據分析在數據處理過程中占據十分重要的位置，隨著時代的發展，數據分析也會逐漸成為大數據技術的核心。大數據的價值體現在對大規模數據集合的智能處理方面，進而在大規模的數據中獲取有用的信息。要想逐步實現這個功能，就必須對數據進行分析和挖掘。而數據的採集、存儲、和管理都是數據分析步驟的基礎，通過進行數據分析得到的結果，將應用於大數據相關的各個領域。
2、廣泛採用實時性的數據處理方式
為了更好地滿足人們的需求，大數據處理系統的處理方式也需要不斷地與時俱進。目前大數據的處理系統採用的主要是批量化的處理方式，這種數據處理方式有一定的局限性，主要是用於數據報告的頻率不需要達到分鍾級別的場合，而對於要求比較高的場合，這種數據處理方式就達不到要求。傳統的數據倉庫系統、鏈路挖掘等應用對數據處理的時間往往以小時或者天為單位。這與大數據自身的發展有點不相適應。大數據突出強調數據的實時性，因而對數據處理也要體現出實時性。如在線個性化推薦、股票交易處理、實時路況信息等數據處理時間要求在分鍾甚至秒極。要求極高。在一些大數據的應用場合，人們需要及時對獲取的信息進行處理並進行適當的舍棄，否則很容易造成空間的不足。
3、基於雲的數據分析平台將更加完善
近幾年來，雲計算技術發展的越來越快，與此相應的應用范圍也越來越寬。雲計算的發展為大數據技術的發展提供了一定的數據處理平台和技術支持。雲計算為大數據提供了分布式的計算方法、可以彈性擴展、相對便宜的存儲空間和計算資源，這些都是大數據技術發展中十分重要的組成部分。此外，雲計算具有十分豐富的IT資源、分布較為廣泛，為大數據技術的發展提供了技術支持。隨著雲計算技術的不斷發展和完善，發展平台的日趨成熟，大數據技術自身將會得到快速提升，數據處理水平也會得到顯著提升。
4、開源軟體的發展將會成為推動大數據技術發展的新動力
開源軟體是在大數據技術發展的過程中不斷研發出來的。這些開源軟體對各個領域的發展、人們的日常生活具有十分重要的作用。開源軟體的發展可以適當的促進商業軟體的發展，以此作為推動力，從而更好地服務於應用程序開發工具、應用、服務等各個不同的領域。雖然現如今商業化的軟體也是發展十分迅速，但是二者之間並不會產生矛盾，可以優勢互補，從而共同進步。開源軟體自身在發展的同時，為大數據技術的發展貢獻力量。
E. 運用大數據驅動創新發展
運用大數據驅動創新發展
大數據時代，如何利用數據資源轉變經濟增長方式、助推創新驅動發展，使其服務於個人生活、企業決策和國家治理，是值得深思的重要戰略課題。大數據不僅意味著海量、多樣、迅捷的數據處理，更是一種顛覆的思維方式、一項智能的基礎設施、一場創新的技術變革。我們在擁抱大數據的同時，可以「雲—鏈—端」的構架開發利用好「雲」計算、「鏈」建設和「端」創新，讓大數據真正帶來大產業、大機遇和大紅利。
「雲」計算。雲是大數據的處理中心，雲計算能有效融合信息化與工業化，使生產效率得到大幅提升。正是有了雲，工業時代的「大」數據變成為互聯網時代的大數據。雲計算和大數據猶如車之兩輪，鳥之雙翼——雲計算是大數據成長的驅動力，大數據需要雲計算實現解決方案。摩爾定律揭示了硬體的飛速發展，存儲和運算能力已經不是信息技術進步的主要制約因素，新的瓶頸正在向數據轉移。數據不僅反映了事物的客觀狀態，還蘊藏著事物的發展規律。這種規律支配著整個社會的發展，一旦掌握，就可以把握社會的脈搏甚至預測未來。越來越多的自然數據和社會數據，都可以通過定量方法的計算來分析解決。從全球視野來看，「量化決策」和「數據治國」已成為大勢所趨。當前，我們在實現中國夢的征途上應學會從「定性」走向「定性定量相結合」，樹立基於數據、事實和理性分析的管理理念。從戰略角度來看，應將雲計算聚焦於3D列印、人工智慧等新興領域，讓大數據輔助科學研究，把握好新一輪科技革命和產業變革的發展機遇。
「鏈」建設。鏈是大數據的基礎設施，應構建鏈路打造雲到雲、雲到端、端到端的互聯互通，實現不同層次不同應用領域的數據共享和高效利用。大數據的鏈路如同具備交互感應、中繼傳遞的智能網路，可以整合「信息孤島」和「應用孤島」，讓每個聯網的終端化身數據戰場的指揮官。現今，數據已成為像能源、礦產一樣的戰略性資源，接踵而來的便是數據安全和隱私問題，尤需重視「雲—鏈—端」的聯合防禦。為迴避數據泄露風險，應立足於國產的大數據技術與平台，積極支持和引導企業加大研發力度，努力突破核心技術，逐步提高關鍵設施的自主可控水平。同時，要就「數據所有權」和「數據隱私權」制定法規或標准，通過法律來保護公民和國家的數據安全。隨著大數據的發展，數據傳輸將朝著高速率、大容量、集成化和體系化方向演進。在建設過程中，既要制定好互通標准，實現多種設施的協同發展，又要前瞻性地預留介面，以便未來的升級換代和拓展擴容。
「端」創新。端是大數據的創新方向，既要創新終端的數據採集方法，去偽存真、多角度驗證數據的可信性；又要盡可能將數據開放給終端，推動終端的創新應用。從市場來看，應發展智能終端，探索新的商業模式；就政府而言，應建設智慧城市，推進國家治理現代化。目前，企業無法深入應用大數據的主要原因在於，沒有激發數據與商業場景的良性互動。應讓需求和技術實時、動態、經濟的對接，使用戶成為大數據的提供者和受益者，實現運營和使用的迭代閉環運行。與企業相比，政府在數據方面具有天然優勢，不能只充當數據的「賬房先生」。應喚醒沉睡在檔案袋、存儲器中的有效數據，為科學制定政策和合理配置資源提供可靠依據。黨的十八屆三中全會提出推進國家治理體系和治理能力現代化，這就要求政府部門改變傳統思維方式，激活那些束之高閣的閑置數據，將其運用到經濟社會的各個方面，帶動政府公共服務的技術創新、管理創新和服務創新。應打破部門數據的分割狀態，整合數據資源形成合力，以多種形式向公眾實時開放各類數據，實現大數據從群眾中來，到群眾中去。
以上是小編為大家分享的關於運用大數據驅動創新發展的相關內容，更多信息可以關注環球青藤分享更多干貨