文/刘末 卢建新

未来，随着科技大数据资源的积淀与大数据思维模式的成熟，应用知识挖掘、中文信息处理等大数据关键技术，科技产业在生产、传播、服务、消费等产业链各环节将逐渐形成新的模式，大数据在优化资源配置、凝练科技信息、推动科技传播、促进科技创新、形成生产导向与挖掘商业需求等方面的价值也将被提到一个新的高度。科技大数据将被视作最重要的社会资产形式而在新的社会经济运行体系中占有非常重要的位置。

科技大数据应用的意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。就是说如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

科技大数据与科技创意产业

业界对科技大数据的定义为：从理论角度来看，我们所说的科技大数据，是指科技生产者、科技经营者、科技消费者在科技实践过程中所产生的，与科技产品或科技服务的创作生产、推广传播、市场运营、最终消费过程相关的，以原生数据及次生数据形式保存下来的图片、文本（包括文字、实验报告、数字和图表）、影像、声音等文件资料的总称；而从应用角度来看，科技大数据即针对科技行业海量数据的计算处理需求应运而生的一套新的数据架构的理论、方法和技术的统称。

科技大数据是一个随着科技实践的多元发展而不断变化的动态开放的数据生态系统。除海量、多样、快速、不确定性和价值性等大数据的共识性特征之外，科技大数据具备以下四个行业性特点：

1、数据的生成渠道广泛，数据的碎片化特性显著。

2、数据的资源复用性很强，数据的产品转化率高。

3、数据的边界模糊性较强，数据的价值延展性广。

4、数据类型以多媒体为主，信息的复合特性较强。

随着信息化社会的深入发展，大数据作为一种战略性必争资源，正逐渐成为当代社会各行业、各领域实现自身发展模式创新的重要推动力量，其所蕴含的巨大潜在价值，也已引起了政府部门、科技界、产业界等各领域的高度重视。而科技创意产业领域是数据生产规模极大与数据活跃程度极高的领域，具有典型的大数据应用潜质，因此，顺应大数据时代发展的必然趋势，适时确立科技创意产业领域的大数据战略认知与实践思维模式，成为我国传统科技产业向现代科技产业转型升级并实现创新发展的一个重要战略机遇。

科技大数据的类型划分

伴随着科技产业实践的不断深入和丰富拓展，处于持续快速增长中的科技大数据从数据对象的生成方式及其在数据生态系统中所处的位置来看，我们可以将其概括为科技原生数据与科技衍生数据两类。其中，科技原生数据是科技衍生数据的基础，而科技衍生数据是科技原生数据的演化，在理想的科技大数据生态系统中，科技原生数据与科技衍生数据可以互相转化，共同构成一个循环动态的价值链条。

1、科技原生数据是指科技实践过程中以自然的方式直接或间接产生的基础原始数据，按照数据所承载的信息属性，又可以进一步细分为科技行为数据、科技内容数据、科技时空数据等类型。

（1）科技行为数据指人类科技的发展历史，同时也是人类努力改变、影响、渗透自然世界的历史，科技即文化、人化，因此，科技在精神属性之外，同时具有鲜明的实践特征，而对于人类科技的实践行为的数据记录，成为科技大数据的重要来源之一。在当代社会，借助于种类多样的移动终端设备与泛在网络，人们的科技生产、传播、消费以及含有科技含量的娱乐行为都可以被实时、动态、持续的记录下来。

（2）科技时空数据指人类科技在整体意义上是沿着时间与空间的二维向度而延展的，所有的科技实践，都是在特定的时间与空间范围内发生的，时空性是任何具体科技形态的基本属性。事实上，无论是科技内容数据还是科技行为数据，都包含了时空属性，但是，为了突出时空属性在科技数据中的重要挖掘价值，因此，我们将科技时空数据单独作为一个类别予以说明。既然科技是一种序态性与结构性的时空存在，那么当代数字科技产业的发展，就应该以科技时空的数字化建构为前提。随着北斗卫星导航定位技术及云计算、物联网等相关信息技术载体的应用成熟，将历史与现实的内容信息与行为信息、空间信息进行动态关联，可以实现虚拟科技时空与真实科技时空之间的智能交互。

（3）科技内容数据指科技产业又可被称为内容产业，可见科技内容在科技产业发展中的核心地位。所谓的科技内容，是指“科技的符号和意义”，也就是科技的内涵和表征。科技内容数据，是以数据的形式承载的科技内涵和科技表征，它是依托信息化手段完成的传统科技内容的数字化的迁移。

2、科技衍生数据是指在科技原生数据的基础上，依托大数据处理技术对原始数据的属性、结构、功能、关联性等进行分析和加工所催生的新的数据类型。它以个体行为数据、科技内容数据、物理时空数据为处理对象，以人、机、物三元世界交互产生的科技原生数据的立体化、全息化、直观化、智能化感知呈现为最终目标。科技原生数据被赋予更高的价值，并以新的意义内涵和新的存在形态而呈现，从而使原生数据变成可视、可听、可触、可控的高级的数据产品。

科技大数据应用

虽然我国的科技发展史，积淀了丰富的历史科技信息资源，但是这些科技信息资源真正大量地转化为形态可物化、价值可延伸、边界可拓展、类型可转化的科技大数据，是在整个社会技术经济环境向由工业化向信息化转型的大背景下发生的。

企业级信息化架构的完成、多元的社会化网络的建设以及各类智能终端设备的应用，使得各类科技信息资源依托互联网、物联网、传感网等广泛在网络完成了向载体数字化的整体迁移；业内人士有一个形象的比喻“数字化的最基本形态是0和1的二进制比特，数据是格式化了的数字比特。” 伴随着数据计算、数据通讯、数据存储等技术的深入发展，则使以比特形式存在的数字化内容，进一步生成为“标准化的、开放的、非线性的、通用的数据化对象” ；而信息可视化、知识发现等新兴信息技术分析方法的全面应用，则使得所处理的数据化对象能够以一种可物化、可感知、可应用的文件化形式而呈现，在这一过程中，借助信息可视化等技术工具，数据的价值得到深入挖掘和直观表达，数据自身的价值生态得到全新的构建，数据自身的发展逻辑向智能化方向延伸。目前科技大数据的应用在电商行业、金融行业、医疗行业、农牧渔、生物技术、改善城市、改善安全和执法、个人生活等领域都取得了可喜的认知。

当然，科技大数据在科技产业中的应用与影响发挥的过程，应该是一个动态的渐进过程，从大数据技术的阶段性特征及其对科技产业发展变革的影响模式来看，我们可以将数字科技产业的发展概括为以下三个阶段，而这三个阶段的发展轨迹正是由科技数据的自我发展逻辑所决定的：第一阶段是科技信息的数字化阶段；第二阶段是科技数字内容的数据化阶段；第三阶段是科技数据应用的智能化阶段。

在信息技术和互联网快速发展的背景下，云计算、大数据等高新技术促进了人工智能的发展，让人工智能在金融领域应用越来越广泛。但同时，人工智能也面临着新的考验，如何在科技金融方面有所突破，有所发展，关系到未来金融发展的方向和命运。

随着计算机人工智能在金融领域的应用，大型公司已经开始在产品和服务中加入人工智能的元素。金融公司开始利用人工智能和大数据技术，在客户服务、征信、智能投顾、保险、互联网小贷等业务方面进行创新，还开展了人像识别功能，更方便地服务与客户。

中国的金融科技已经进入到了一个全新的生长环境中，不管是商业模式还是监管政策，都在进行着更新和完善，传统金融与互联网的相互融合，推动着中国的金融科技创新与应用，大数据时代已经到来，技术与数据成为了金融科技竞争的主战场。

大数据在海外也已经运用广泛，涉及金融行业的风险控制、运营管理、销售支持和商业模式创新等领域，虽然中国对大数据的应用还处于起步阶段，但随着移动金融服务、消费金融等金融形式的出现，大数据推动金融服务变革，颠覆式创新提升金融服务效率，已经是大势所趋。国内征信、网络借贷、支付服务、智能投顾以及互联网金融都运用了大数据技术。

大数据与人工智能在各产业金融领域的创新应用，有助于深化国内该领域的传统产业，使创新产业、金融机构与国际资源进行对接，促进具体合作项目的落地开展。

2017年9 月，中国互联网保险科技第一股——众安保险，在香港联交所挂牌交易，这让众安保险不仅受到了全球投资者的追捧，它也正式拉开了金融科技公司上市的序幕。

数秦科技首席科学家王毛路博士的论文《大数据和金融科技，新驱动，新连接》荣登《科技与金融》杂志，以下是论文内容：

1、大数据和金融科技

近年来，金融科技（FinTech）概念备受瞩目。据英国组织Innovate Finance发布的《2016年金融科技风险投资图景（The 2016 VC Fintech Investment Landscape）》显示，2016年全球金融科技投资总额达174亿美元，而中国在金融科技上的投资达77亿美元（约527.6亿人民币），首次超过美国成为全球第一。

虽然如此，但作为一个行业，目前全球金融科技业仍处于初期阶段，且各国发展情况差异显著。因此，对于金融科技这一概念的内涵和外延，实际上尚无统一规范的定义，各方讨论的“金融科技”的涵盖范围并不完全相同。

总的来说，金融科技的初衷是效率，极致的效率带来新市场、新业务。互联网是生产力，金融是生产关系，生产力和生产关系垂直组合构成一个新的空间关系。互联网、大数据、支付和账户体系构成了金融科技的基本要素。

金融=账户+风控+连接。所以，提高效率的本质，是用技术建立连接，尤其是用大数据技术。数据规模要够大、维度要够广且要合法，同时能够在数据的基础之上，运用人工智能等新技术，这样的数据和技术驱动力才能真正提高从获客、投顾到风控等全过程业务能力的提升。

2、小数据与大数据

以信托公司为例，可以用大数据丰富发展传统的风险管理方式、方法。在小数据时代，传统的信托风险控制做法：被审者提交财务数据及各类证明，风控方就材料审核并采用一系列的工具模型分析研判。存在的主要问题包括：被审者及关联方有可能隐匿对自己不利证据的情况；交易对手避重就轻，针对性的美化在所难免；各类数据很漂亮，基本面理论上完美的公司或者项目沦为骗局的比比皆是。

目前利用互联网的风险控制也仅限于人工搜索百度等搜索引擎，主要的问题有：

范围受限：每个人监控的信息范围有限，分析的交易对手有限；

时效性差：无法确保7*24小时的监控，在非上班时间，负面情报发生并被“和谐”删除的情况很多，往往错失高价值的敏感情报；

没有体系化传承：人工的操作受限于监控者的信托业务经验、互联网的搜索能力与责任心，人员的流动会造成前后工作的不连贯。

小数据时代的工作模式在大数据时代必然捉襟见肘，我们亟需利用已有的先进成熟的研究成果，构建一套基于互联网大数据的信托风险控制系统。利用大数据自动采集系统广泛收集交易对手散布于新闻、论坛、博客、微博、政府公开信息等网络上的各类碎片化信息，通过大数据搜索与挖掘的技术手段，全面整合交易对手、实际控制人、关联方以及交易标的物各类信息，常规监测投融资动态、财务异动以及标的物变更等重要情报，重点发现交易对手的涉讼、涉刑事等负面信息，实现贷前的广泛无死角分析以及贷后的全方位监控预警，为信托公司提供全面、客观、实时的大数据情报，提升贷前贷后的情报分析与决策能力。

3、数据治理的路径与挑战

以银行业为例，“十三五”期间，大中型银行要把数据治理作为重要的制度性建设与基础性工作，加强组织保障、制度保障与流程保障，有序推进、重点强化；统一数据标准，提高数据质量，深化数据应用，有效支撑银行业务发展，有效提升银行管理水平。

数据问题已经在很大程度上制约了一些重要系统的建设和推广应用。各家银行纷纷进行数据管控实践：建立包括政策、组织、流程、技术在内的数据管控机制保障体系；加强数据标准建设，统一数据定义；推进全生命周期的数据质量管理；实现分类分级的数据安全管理；优化数据架构，通过架构落实数据标准，增强数据整合。

然而在落地过程中，数据治理依然面临着严峻的挑战：首先，监管要求方面。监管部门对银行数据治理提出了越来越严格的要求，要求银行将数据治理作为重要的制度性建设与基础性工作，并加强了相关的审计工作。其次，组织结构与管理制度方面。有待建立数据治理专门的组织架构，明确各相关机构的角色与职责，完善相关制度，形成数据认责机制。第三，数据统计标准和数据质量方面。从各业务系统和各自业务条线出发确定所需的数据内容，既要满足前台功能的数据质量要求，也要保证后台数据统计与分析的需要和数据质量要求。

4数据流通与信息安全

从上文几部分可以看出，高经济学价值、高密度的外部大数据是金融机构业务必不可少的原料和补充。2017年6月1日《中华人民共和国网络安全法》开始施行，作为我国第一部全面规范网络空间安全管理方面问题的基础性法律，从维护网络空间主权和国家安全、社会公共利益，保护公民、法人和其他组织的合法权益等多个维度提供了切实法律保障。

敏感数据和涉密数据，对于个人和企业来讲尤为重要。这些数据能够发挥巨大的价值，但其流通使用必须满足相关法律法规要求。《中华人民共和国网络安全法》明确制定了数据的保护规则，对个人和企业数据的使用必须征得数据所有权人同意，私自存留数据被定义为非法。该法律的颁布对数据所有权人的权益保护起到了有效作用，同时也对数据源向个人和企业提供相关数据方面进行了一定的限制。

数据隐私保护与数据开放在缺乏科学合理的技术手段时，存在着较严重的矛盾。为了不触犯相关法律，数据源方往往不对外开放涉及数据所有权人利益的数据。而根据实际业务需求，数据所有权人又常需要远程调用数据源的数据，例如，在银行贷款时常需要调用税务局的个人纳税数据。如果不打通数据源和数据需求方的数据壁垒，将会对数据的有效利用造成阻碍。

5大数据时代金融机构的组织变革

新的科技武器要求相应的新的IT军种与组织。金融机构的通病是，只关注新技术，从来不调整组织结构。大型金融机构仍然沿袭十多年前Client-Server时代的组织，很难掌握今天的云计算和大数据技术，作为一个组织整体，失去了学习和自适应的能力。组织内的协同方式、工作流程、管理机制、部门角色分工、职能团队设置全部过时。同时，它割裂了IT与业务的链条，使IT成为黑箱。

传统金融机构把“IT部”改名“科技部”，并成立一个叫“创新部”的部门，找家互联网企业入股，自我命名为“互联网券商”、“互联网银行”；招聘几个互联网名企的总监、工程师，声称拥抱了互联网技术；把开发人员和运维人员放在同一组用同一KPI考核，自称DEVOPS，企业内各种系统遍地命名为“某某平台”、“某某云”，这些都是粗暴应对技术创新的伪组织的例子。

从创新的角度，科技金融要不断进行组织和业务的双重迭代，利用金融科技的技术手段特别是大数据不断解决传统行业中的痛点，通过新驱动力、新连接方式来解决信息不对称，进一步提升金融的效率，使长尾用户的金融服务需求得到快速响应，从而释放巨大的市场潜力。

《文章转自保全网，如有侵权立即删除。》

万德瑞（武汉）大数据科技有限公司（http://lt-chain）以武汉光谷生物城为背景，以光谷生物城科技孵化领航企业——武汉万德瑞生物技术股份有限公司为依托，以区块链技术为支撑，以关爱生命、关注健康的人本主义以及提升全民生活品质的人文情怀为基本元素的一家新型网络科技公司。公司位于湖北省武汉市东湖开发区高新大道666号(即光谷生物城)，注册资本壹亿元人民币，主要从事大数据、计算机技术与生物技术相融合的产业模式开发与运营。

光谷生物城，是中国光谷以“千亿产业”思路建设的国家级产业基地。这里，有1000余家高端生物科技企业强势入驻，400多个海内外顶级创业团队辛勤耕耘，年产值已跨过千亿大关，具有在全国一百多个生物产业园区中争雄夺霸的实力，是中国最具创新竞争力和最具发展潜力的高新产业园区

公司依托于两院一团（武汉大学生命科学研究院、中国互联网金融研究院武汉分院、专家团）

发展七项产业（生态旅游、生物科技、大健康产业、区块链、互联网金融、智慧社区、绿色生态科技）

沉淀各种资产、数据及科研成果（产融结合数字资产、消费数字资产、分享数字资产、健康产业消费、社区服务数字资产、健康旅游消费、生物创新成果、体验服务场景应用、大健康信息数据）

万德瑞（武汉）大数据有限公司利用自身平台与数据优势，与真福药业强强联手，利用先进的区块链技术，以真福药业为起点，打造光谷生物城产业公链，构建一个信任、透明、公平的平台，助力光谷生物城更多企业插上资本的翅膀，迅速腾飞。

（真福医药）

武汉真福医药股份有限公司创立于2007年，注册资本1668万元，依托武汉大学和湖北省疾病预防控制中心雄厚的科研力量和强大的技术保障，由生命科学院病毒医学国家重点实验室王业富教授创办。公司致力于心脑血管健康产品的研发、生产和营销，立足于健康领域的食品、保健食品和生物技术药物的产业化，以枯草杆菌溶栓酶系列产品的研发和产业化为龙头，兼营其它生物技术药物开发。目前公司正顺利展开枯草杆菌溶栓酶QK肠溶胶囊和冻干粉针等一类新药的研究。

武汉真福秉承锐意创新与追求卓越的发展理念，在国内健康领域一直保持着领先地位。未来武汉真福将与国内众多著名医药研究机构强强联手，整合强大的科技优势资源，努力打造百年专业健康品牌，服务于国人健康，为实现中国健康梦做出更大奉献。

（光谷生物城全景航拍）

武汉真福医药坐落于光谷生物城，光谷生物城位于高新大道两侧，紧紧围绕着光谷新中心，面积60余平方公里，是中国光谷以“千亿产业”思路建设的第二个国家级产业基地，这里，1000余家生物企业，400多个海内外高端创业团队，1000亿元的年产值，奠定了其在全国108个生物产业园区第二名的行业地位，是中国最具创新竞争力和最具发展潜力的高新产业园区。

（葛店生产基地镜头）

目前，真福医药正在迎来新一轮的腾飞。真福医药已投资建成2500 平米GMP 标准厂房，现已投产运营，并投资1000 万建成I 类新药中试车间。2016 年5 月，真福医药得益于鄂州市政府的大力扶持，于国家级经济开发葛店开发区注册成立湖北真福医药有限公司，注册资本3000 万，总投资约1亿元，正在建设10000 平米GMP 标准化医药厂房，预计2018 年正式投产。主要生产用于人类心脑血管疾病及其他慢性非传染性疾病的治疗及保健产品，包括食品、保健品、药品、生物制品，预计年生产高活性溶栓酶原料40 吨，年生产QK 纤溶酶胶囊10 亿粒，年生产病毒吸附柱10 万支。

公司地址：武汉汉街总部国际E座28楼

联系方式：027-8725616

大数据（big data）

指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。

是需要新处理模式分布式处理技术、存储技术和感知技术从采集、处理、存储到形成结果的整个过程。

从而拥有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

专业背景

近几年来，互联网行业发展风起云涌，而移动互联网、电子商务、物联网以及社交媒体的快速发展更促使我们快速进入了大数据时代。截止到目前，人们日常生活中的数据量已经从TB(1024GB=1TB)级别一跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别，数据将逐渐成为重要的生产因素，人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。大数据时代，专业的大数据人才必将成为人才市场上的香饽饽。

当下，大数据从业人员的两个主要趋势是：

1、大数据领域从业人员的薪资将继续增长；

2、大数据人才供不应求。

图示说明：2012-2020年全球数据产生量预测

专业发展现状

填补大数据技术与应用专业人才巨大缺口的最有效办法无疑还需要依托众多的高等院校来培养输送，但互联网发展一日千里，大数据技术、手段日新月异，企业所需要的非常接地气的人才培养对于传统以培养学术型、科研型人才为主要使命的高校来说还真有些难度。

幸好这个问题已经被全社会关注，政府更是一再提倡产教融合、校企合作来创办新型前沿几乎以及“互联网+”专业方向，也已经有一些企业大胆开始了这方面的创新步伐。据我了解，慧科教育就是一家最早尝试高校校企合作的企业，其率先联合各大高校最早开设了互联网营销，这也是它们的优势专业，后来慧科教育集团又先后和北京航空航天大学、对外经济贸易大学、贵州大学、华南理工大学、宜春学院、广东开放大学等高校在硕、本、专各个层次开设了大数据专业方向，在课程体系研发、教学授课及实训实习环节均有来自BAT以及各大行业企业一线的技术大拿参与，所培养人才能够很好地满足企业用人需求。

那大数据有哪些应用领域呢？

1.顾客需求分析。

2.改善生活。

3.业务流程优化。

4.客户体验优化。

5.医疗优化。

6.结果预测。

而且工资也给的不低

最后，需要特别指出的是：大数据专业都采用的校企合作专业共建的形式办学，并且由于是新兴前沿专业，更加注重对技能的要求和掌握，所以大家在选择就读学校的时候不仅要注意学校的层次和水平，也要注意企业的资质和经验等。

科学进步越来越多地由数据来推动，海量数据给数据分析既带来了机遇，也构成了新的挑战。大数据往往是利用众多技术和方法，综合源自多个渠道、不同时间的信息而获得的。究竟大数据技术的核心原理是哪几方面呢？

数据即价值是目前计算机领域极其推崇的观念。数据无论多少都被归结为大数据，数据分析越来越热门，资本也对贴有大数据标签的公司趋之若鹜。如同流动的数字货币一样被一再的评估、追崇。数据能告诉我们，每一个客户的消费倾向，他们想要什么，喜欢什么，每个人的需求有哪些区别，哪些又可以被集合到一起来进行分类。

数据核心原理：从“流程”核心转变为“数据”核心

大数据时代，计算模式也发生了转变，从“流程”核心转变为“数据”核心。Hadoop体系的分布式计算框架已经是“数据”为核心的范式。非结构化数据及分析需求，将改变IT系统的升级方式：从简单增量到架构变化。大数据下的新思维——计算模式的转变。

科学进步越来越多地由数据来推动，海量数据给数据分析既带来了机遇，也构成了新的挑战。大数据往往是利用众多技术和方法，综合源自多个渠道、不同时间的信息而获得的。为了应对大数据带来的挑战，我们需要新的统计思路和计算方法。

数据价值原理：有功能是价值转变为数据是价值

大数据真正有意思的是数据变得在线了，这个恰恰是互联网的特点。非互联网时期的产品，功能一定是它的价值，今天互联网的产品，数据一定是它的价值。

数据能告诉我们，每一个客户的消费倾向，他们想要什么，喜欢什么，每个人的需求有哪些区别，哪些又可以被集合到一起来进行分类。大数据是数据数量上的增加，以至于我们能够实现从量变到质变的过程。

全样本原理：从抽样转变为需要全部数据样本

需要全部数据样本而不是抽样，你不知道的事情比你知道的事情更重要，但如果现在数据足够多，它会让人能够看得见、摸得着规律。

数据这么大、这么多，所以人们觉得有足够的能力把握未来，对不确定状态的一种判断，从而做出自己的决定。这些东西我们听起来都是非常原始的，但是实际上背后的思维方式，和我们今天所讲的大数据是非常像的。

关注效率原理：由关注精确度转变为关注效率

关注效率而不是精确度，大数据标志着人类在寻求量化和认识世界的道路上前进了一大步，过去不可计量、存储、分析和共享的很多东西都被数据化了，拥有大量的数据和更多不那么精确的数据为我们理解世界打开了一扇新的大门。大数据能提高生产效率和销售效率，原因是大数据能够让我们知道市场的需要，人的消费需要。大数据让企业的决策更科学，由关注精确度转变为关注效率的提高，大数据分析能提高企业的效率。

竞争是企业的动力，而效率是企业的生命，效率低与效率高是衡量企来成败的关键。一般来讲，投入与产出比是效率，追求高效率也就是追求高价值。手工、机器、自动机器、智能机器之间效率是不同的，智能机器效率更高，已能代替人的思维劳动。智能机器核心是大数据制动，而大数据制动的速度更快。在快速变化的市场，快速预测、快速决策、快速创新、快速定制、快速生产、快速上市成为企业行动的准则，也就是说，速度就是价值，效率就是价值，而这一切离不开大数据思维。

关注相关性原理：由因果关系转变为关注相关性

关注相关性而不是因果关系，社会需要放弃它对因果关系的渴求，而仅需关注相关关系，也就是说只需要知道是什么，而不需要知道为什么。这就推翻了自古以来的惯例，而我们做决定和理解现实的最基本方式也将受到挑战。

在这个不确定的时代里面，等我们去找到准确的因果关系，再去办事的时候，这个事情早已经不值得办了。所以“大数据”时代的思维有点像回归了工业社会的这种机械思维——机械思维就是说按那个按钮，一定会出现相应的结果，是这样状态。而农业社会往前推，不需要找到中间非常紧密的、明确的因果关系，而只需要找到相关关系，只需要找到迹象就可以了。社会因此放弃了寻找因果关系的传统偏好，开始挖掘相关关系的好处。

非法在屋内打隔断的建筑物着火的可能性比其他建筑物高很多。纽约市每年接到2.5万宗有关房屋住得过于拥挤的投诉，但市里只有200名处理投诉的巡视员，市长办公室一个分析专家小组觉得大数据可以帮助解决这一需求与资源的落差。该小组建立了一个市内全部90万座建筑物的数据库，并在其中加入市里19个部门所收集到的数据：欠税扣押记录、水电使用异常、缴费拖欠、服务切断、救护车使用、当地犯罪率、鼠患投诉，诸如此类。

接下来，他们将这一数据库与过去5年中按严重程度排列的建筑物着火记录进行比较，希望找出相关性。果然，建筑物类型和建造年份是与火灾相关的因素。不过，一个没怎么预料到的结果是，获得外砖墙施工许可的建筑物与较低的严重火灾发生率之间存在相关性。利用所有这些数据，该小组建立了一个可以帮助他们确定哪些住房拥挤投诉需要紧急处理的系统。他们所记录的建筑物的各种特征数据都不是导致火灾的原因，但这些数据与火灾隐患的增加或降低存在相关性。这种知识被证明是极具价值的：过去房屋巡视员出现场时签发房屋腾空令的比例只有13%，在采用新办法之后，这个比例上升到了70%——效率大大提高了。

全世界的商界人士都在高呼大数据时代来临的优势：一家超市如何从一个17岁女孩的购物清单中，发现了她已怀孕的事实；或者将啤酒与尿不湿放在一起销售，神奇地提高了双方的销售额。大数据透露出来的信息有时确实会起颠覆。比如，腾讯一项针对社交网络的统计显示，爱看家庭剧的男人是女性的两倍还多；最关心金价的是中国大妈，但紧随其后的却是90后。而在过去一年，支付宝中无线支付比例排名前十的竟然全部在青海、西藏和内蒙古地区。

预测原理：从不能预测转变为可以预测

大数据的核心就是预测，大数据能够预测体现在很多方面。大数据不是要教机器像人一样思考，相反，它是把数学算法运用到海量的数据上来预测事情发生的可能性。正因为在大数据规律面前，每个人的行为都跟别人一样，没有本质变化，所以商家会比消费者更了消费者的行为。

此外，随着系统接收到的数据越来越多，通过记录找到的最好的预测与模式，可以对系统进行改进。它通常被视为人工智能的一部分，或者更确切地说，被视为一种机器学习。真正的革命并不在于分析数据的机器，而在于数据本身和我们如何运用数据。一旦把统计学和现在大规模的数据融合在一起，将会颠覆很多我们原来的思维。所以现在能够变成数据的东西越来越多，计算和处理数据的能力越来越强，所以大家突然发现这个东西很有意思。所以，大数据能干啥？能干很多很有意思的事情。

互联网、移动互联网和云计算机保证了大数据实时预测的可能性，也为企业和用户提供了实时预测的信息，相关性预测的信息，让企业和用户抢占先机。由于大数据的全样本性，人和人都是一样的，所以云计算机软件预测的效率和准确性大大提高，有这种迹象，就有这种结果。

信息找人原理：从人找信息，转变为信息找人

互联网和大数据的发展，是一个从人找信息，到信息找人的过程。先是人找信息，人找人，信息找信息，现在是信息找人的这样一个时代。信息找人的时代，就是说一方面我们回到了一种最初的，广播模式是信息找人，我们听收音机，我们看电视，它是信息推给我们的，但是有一个缺陷，不知道我们是谁，后来互联网反其道而行，提供搜索引擎技术,让我知道如何找到我所需要的信息，所以搜索引擎是一个很关键的技术。

大数据还改变了信息优势。按照循证医学，现在治病的第一件事情不是去研究病理学，而是拿过去的数据去研究，相同情况下是如何治疗的。这导致专家和普通人之间的信息优势没有了。原来我相信医生，因为医生知道的多，但现在我可以到谷歌上查一下，知道自己得了什么病。

谷歌有一个机器翻译的团队，最开始的时候翻译之后的文字根本看不懂，但是现在60%的内容都能读得懂。谷歌机器翻译团队里头有一个笑话，说从团队每离开一个语言学家，翻译质量就会提高。越是专家越搞不明白，但打破常规让数据说话，得到真理的速度反而更快。

机器懂人原理：由人懂机器转变为机器更懂人

不是让人更懂机器，而是让机器更懂人，或者说是能够在使用者很笨的情况下，仍然可以使用机器。甚至不是让人懂环境，而是让我们的环境来懂我们，环境来适应人，某种程度上自然环境不能这样讲，但是在数字化环境中已经是这样的一个趋势，就是我们所在的生活世界，越来越趋向于它更适应于我们，更懂我们。哪个企业能够真正做到让机器更懂人，让环境更懂人，让我们随身携带的整个的生活世界更懂得我们的话，那他一定是具有竞争力的了，而“大数据”技术能够助我们一臂之力。

大数据技术的其中一个核心目标是要从体量巨大、结构繁多的数据中挖掘出隐蔽在背后的规律，从而使数据发挥最大化的价值。由计算机代替人去挖掘信息，获取知识。从各种各样的数据（包括结构化、半结构化和非结构化数据）中快速获取有价值信息的能力，就是大数据技术。大数据机器分析中，半监督学习、集成学习、概率模型等技术尤为重要。

电子商务智能原理：大数据改变了电子商务模式，让电子商务更智能

商务智能，在今天大数据时代它获得的重新的定义。例如：传统企业进入互联网，在掌握了“大数据”技术应用途径之后，会发现有一种豁然开朗的感觉，就像在黑屋子里面找东西，找不着，突然碰到了一个开关，发现那么费力的找东西，原来很容易找得到。大数据思维，事实上它不是一个全称的判断，只是对我们所处的时代某一个纬度的描述。

大数据时代不是说我们这个时代除了大数据什么都没有，哪怕是在互联网和IT领域，它也不是一切，只是说在我们的时代特征里面加上这么一道很明显的光，从而导致我们对以前的生存状态，以及我们个人的生活状态的一个差异化的一种表达。

当然，同样的技术也可以运用到疾病诊断、推荐治疗措施，甚至是识别潜在犯罪分子上。或者说，在你还不知道的情况下，体检公司、医院提醒你赶紧去做检查，可能会得某些病，商家比你更了解你自己，以及你这样的人在某种情况下会出现的可能变化。就像互联网通过给计算机添加通信功能而改变了世界，大数据也将改变我们生活中最重要的方面，因为它为我们的生活创造了前所未有的可量化的维度。

定制产品原理：由企业生产产品转变为由客户定制产品

下一波的改革是大规模定制，为大量客户定制产品和服务，成本低、又兼具个性化。比如消费者希望他买的车有红色、绿色，厂商有能力满足要求，但价格又不至于像手工制作那般让人无法承担。因此，在厂家可以负担得起大规模定制带去的高成本的前提下，要真正做到个性化产品和服务，就必须对客户需求有很好的了解，这背后就需要依靠大数据技术。

在互联网大数据的时代，商家最后很可能可以针对每一个顾客进行精准的价格歧视。我们现在很多的行为都是比较粗放的，航空公司会给我们里程卡，根据飞行公里数来累计里程，但其实不同顾客所飞行的不同里程对航空公司的利润贡献是不一样的。所以有一天某位顾客可能会收到一封信，“恭喜先生，您已经被我们选为幸运顾客，我们提前把您升级到白金卡。”这说明这个顾客对航空公司的贡献已经够多了。有一天银行说“恭喜您，您的额度又被提高了，”就说明钱花得已经太多了。

正因为在大数据规律面前，每个人的行为都跟别人一样，没有本质变化。所以商家会比消费者更了消费者的行为。也许你正在想，工作了一年很辛苦，要不要去哪里度假？打开e-Mail，就有航空公司、旅行社的邮件。

企业产品直接销售给用户，省去了中间商流通环节，使产品的价格可以以出厂价销售，让销费者获得了好处，网上产品便宜成为用户的信念，网购市场形成了。要让用户成为你的产品粉丝，就必须了解用户需要，定制产品成为用户的心愿，也就成为企业发展的新方向。

“

本账号提供最新物联网展会活动资讯，和多家物联网企业形成战略合作伙伴，带领用户与物联网行业大咖、各地物联网俱乐部共同来玩转物联网，为行业创造最酷的物联网线下体验和思想交流的平台。

IOTCOFFEE

我们生活在一个充满“数据”的时代，打电话、刷微博、聊QQ、用微信，阅读、购物、看病、旅游，都在不断产生新的数据。

不管你是否认同，大数据时代已经来临，并将深刻地改变着我们的工作和生活，世界已经进入由数据主导的“大时代”。

近年来，高校新设置的“数据科学与大数据技术”专业变得炙手可热，那么该专业培养目标是什么？学些什么？专业前景如何？对学生又有哪些要求呢？

热门专业

2018年3月21日，教育部公布了《2017年度普通高等学校本科专业备案和审批结果》，共有862所高校新增了2311个专业。其中最热门的专业当属当属“数据科学与大数据技术”，共有248所高校申请获批，占新增专业申请的高校数超过1/3。

根据教育部在2012年发布了《普通高等学校本科专业目录》，“数据科学与大数据技术”并不在其中，属于目录外专业，需要审批设置。该专业最早在2016年获得批准设置，在教育部公布的《2015年度普通高等学校本科专业备案和审批结果》中，有北京大学、对外经济贸易大学、中南大学3所高校获批。

而在2017年教育部公布的《2016年度普通高等学校本科专业备案和审批结果》中，获批新增“数据科学与大数据技术”专业的高校达到了32所。

可见，三年来，开设“数据科学与大数据技术”专业的高校数量迅速膨胀，累计达到了284所。

如此多的高校对它青睐有加，“数据科学与大数据技术”到底是一个什么专业？

培养目标与学习内容

“数据科学与大数据技术”专业是培养以计算机科学、统计分析为基础，具备经济、金融、物流、商业、贸易、 管理等相关学科的领域知识，能推动并引领未来全球“互联网 +”、云计算、大数据技术在各领域的深入应用，具有较强的实践创新能力、跨文化交流能力和跨领域研究能力的高素质复合型人才。

从上述培养目标可以看到，该专业的核心是计算机和统计分析，但需要具备多个领域的相关知识，培养目标也是复合型人才。

在课程设置上，除了基本的计算机学科和统计学课程，还包括了微观经济学、计量经济学、国际金融、搜索引擎、自然语言处理、数据可视化、机器学习、模式识别以及大数据技术平台等相关课程。

专业“钱”景

“数据科学与大数据技术”专业培养的是当下最热门的大数据、云计算、人工智能、算法分析等行业急需的人才。

全球顶尖管理咨询公司麦肯锡分析报告显示，到2018年，大数据或者数据工作者的岗位需求将激增。其中大数据科学家的缺口在14万到19万之间，对于懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到150万！

从国内就业市场来看，根据BOSS直聘发布的《2017春季互联网人才趋势报告》，大数据和人工智能相关岗位出现全行业的旺盛需求，人才供给严重不足。其中，缺口较大的是搜索算法，供给量只能达到需求的44%，还有56%的缺口；推荐算法的缺口比例为50%，算法研究员的为43.9%，图像算法的为43%，深度学习的缺口量排在第十，为33.8%。

从国家层面上看，”互联网+”已经上升为国家战略，以大数据战略为牵引，以信息安全、传感器、人工智能等为重点，打造新一代信息技术产业集群。2017年7月，国务院印发《新一代人工智能发展规划》，明确提出我国新一代人工智能“三步走”发展战略，人工智能产业要成为新的重要经济增长点，助推我国产业升级和经济转型，并成为世界主要人工智能创新中心。

在就业“钱景”方面，各大互联网公司都在囤积大数据处理人才，从业人员的薪资待遇也很不错。以基本的Hadoop开发工程师为例，入门月薪已经达到了8K 以上，工作1年月薪可达到 12K 以上，资深的hadoop人才年薪可达到30万—50万。

热门专业的冷思考

看到这里，是不是对“数据科学与大数据技术”专业跃跃欲试呢？

且慢，对于热门专业，我们需要冷思考！

就像前几年大热的物联网工程专业，很多学校一哄而上，但是专业课程设置不合理，计算机和通信的课程搞成大杂烩，两边的核心内容都没学好。师资也是赶鸭子上架，上课就是念念PPT，考试也是走过场。毕业出来，才发现基础知识不牢靠，后悔也迟了。

对于高校来说，开设“数据科学与大数据技术”专业，需要有多学科的专业积淀，需要有经验的师资队伍，更需要有行业背景。很多高校只是因为专业热门，就拼拼凑凑开设起来，其实各方面积累很不够，学生报考时需要檫亮眼睛。

对于学生来说，该专业对数理统计、计算机科学的知识要求很高，数学基础不牢靠的学生需要慎重选择。再者，对于将来当“码农”辛苦加班的日子也要有心理准备哦。

对于很多同学来说，笔者建议在本科阶段深入学习一门本科专业，如计算机类、数学类、统计学类，然后再考研深造大数据类、人工智能的专业，既具有深厚的底蕴，又具备鲜明的专业特点，才能有更大的发展空间。

不管怎样，对于专业选择，第一是兴趣，第二还是兴趣，有了兴趣才有学习、深造的动力！

对了，对人工智能感兴趣的童鞋，“智能科学与技术”专业也是不错的选择哦。这个专业融合了电气、计算机、传感、通讯、控制等众多学科领域，也是培养跨学科的复合型人才，限于篇幅就不多讲了。

原创不易，如果您感觉此文很有帮助，请鼓励支持下吧！

↓↓↓

狗日的作业！

最能让青少年成长30部英文电影（下）

最能让青少年成长30部英文电影（上）

最适合亲子观看的16部BBC纪录片（建议收藏）！

这才是中国孩子最需要补的一门课

这才是中国父母最需要补的一门课

和青春期的孩子对着干？赢了当下，输了未来！

不背单词，不上辅导班，能学好英语？这个爸爸的实验结果是……

让魔都家长扎心的“公民同招”，开错了药方！

曹杨二中王洋校长访谈录——从一个学生家长的视角

你爱吃甜食还是爱吃辣？　

你喜欢什么类型的电影？

你想了解什么样的信息？

对于一些没有主见的人，他们自己可能都不知道自己想要什么，大数据技术通过你上网的浏览的信息，为你打上专属标签，让你自己更了解不一样的自己！　

你的喜好，你的需求，大数据技术全都懂！　

什么是大数据？

根据维基百科的定义，大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。简单来说，就是指数据时代到来后，我们所产生的数据量的不断增长，通过互联网、新媒体等工具所获取的信息并进行分析和整合。

“把最有用的信息推荐给最需要的人”

借助大数据及相关技术，我们可针对不同行为特征的用户进行针对性推送，既能够减少用户浏览无用信息的时间，提高效率，又能够找到用户的需求，挖掘行业的热点。 甚至是说，可以借助大数据技术，一些企业可以进行针对性营销，能从“将一个产品推荐给一些合适的客户”到“将一些合适的产品推荐给一个客户”，得以更聚焦客户，进行个性化精准营销。

利用好大数据技术！让你的成功事半功倍！

通过大数据分析，你可以从海量的是数据信息中迅速决策所需的数据分析报告，迅速为你筛选出有价值的信息，并帮助你预测事物发展的方向。

大数据分析的价值主要体现在以下几点：

大数据技术需要什么样的人才？

1、大数据工程师

2、数据分析师

3、数据科学家

大数据所需技能要求

1、数学及统计学相关的背景

2、计算机编码能力

3、对特定应用领域或行业的知识

4、一定的逻辑分析能力

5、快速学习能力

6、数据分析及处理能力

7、沟通能力

2016年5月底中国大数据产业峰会在贵州贵阳成功举办，大数据等新一代互联网技术，深刻的改变了世界，也让各国站在科技革命的同一起跑线上。中国曾屡次与世界科技革命失之交臂，今天要把握这一历史机遇，抢占先机，赢得未来，走在前端。

站在大数据时代的风口，一位坐拥400万科技粉丝的互联网观察家为神州控股2017贵阳数博会展台进行了一场900万观看量的现场直播，数字背后显现了当前大数据产业已经进入沉浸战。从多维度解析新型智慧城市赛道上的领跑者——神州控股的三个身位和一个梦想。

大数据、云计算、智慧城市这些全新的产业概念正在一步步走到普通消费者的身边。因此，重新认识真实的大数据产业、了解这个关乎民生的科技赛道正在发生哪些变化与竞争，就变得史无前例地重要起来。从神州控股的智慧城市之路与全新战略转型说起，大数据产业正进入全新阶段——“大数据沉浸战”。

现在的基本判断是，在专注智慧城市产业建设、衍生了18种大数据与云计算业务分支之后，神州控股已经在这场战役中领先了三个身位。

沉浸战的由来 神州控股以数据之名智慧中国

“大数据是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。” 哈佛大学社会学教授加里金说。如果在一个相对长时间的产业周期中来观察，今天的大数据、云计算、物联网三大产业竞赛，究竟处于怎样的历史位置当中？

综合信息技术与移动互联网的发展周期规律，或许可以将这一类新技术的普及之路分为三个部分：首先是技术解决方案与产业基础铺设的生成战；第二步是产业势能正式进入应用阶段，为全社会释放产业红利的沉浸战；第三步，则是综合渠道、技术、营销与平台效应的生态战。

经过了漫长的基础设备与能力建设以及市场心智的接受周期，目前的大数据产业已经正式进入了沉浸战的关键节点——整个市场环境需要沉浸入大数据与云计算带来的优质体验当中，将技术转化为助力国计民生的能源与真实价值。

今天的中国，必须利用大数据等技术为民谋利、解民所忧，促进形成公平普惠、便捷高效的民生服务体系。其中的意义深刻：正是大数据必须由技术进入实用轨道，成为高度赋能今天整个中国经济体的科技之火。

而这样的致用、实用、善用的大数据产业思维，也正是神州控股董事局主席郭为很早以前就认定的目标。2010年，神州控股开始全面转型进入智慧城市赛道，率先打响了大数据、云计算与人工智能技术赋能民生、富强国家的大数据沉浸战。

这种超前布局，带来了此次数博会上神州控股展示的数字中国体系，同时让神州控股在接下来的产业沉浸战中，取得了三大身位的先发优势。

第一个身位：智慧城市是大数据的生命之源

我们知道，民生大数据、政务大数据以及产业大数据，是一个关系到第四次工业革命与全面数字进程的重中之重。相比于大数据、云计算产业的其他主流玩家，神州控股很早就看到了这些基本数据的战略高点和未来价值。

在行业普遍更加重视能带来短期利益的项目时，神州控股更加高屋建瓴地意识到了“城市”这个宏大命题本身的数据价值。如果说以前的城市是由物理世界和信息化构成的，那么未来的城市将以大数据为另一个重要的循环系统。

在这个智慧城市的循环系统之中，大数据就是万物的雨水和空气。以大数据连接现代城市的核心零部件，神州控股通过对工业制造、金融商业、政府管理、医疗健康等多个领域的数据化重构，让智能在城市生活中自由流动。

大数据时代最重要的两大特征，就是万物互联+数据生态化。

万物互联得以提供足够量级的数据供给智慧城市新大脑进行深度挖掘。以神州控股新型智慧城市操作系统为例，通过智能终端深度挖掘采集并分析的多重数据，将通过多种源头进入数据分析系统并整合成独立的决策建议。

从2001年到2016年，神州控股完成了智慧城市战略布局的第一个阶段——神州控股的智慧城市服务已经在全国120多个城市展开，与40多个城市签署了战略合作协议，搭建了30多个城市运营服务平台。

稳固的智慧城市体系与筑民生服务体系，让神州控股在大数据的来源与产业释放端上都拥有了高于行业的优势。而与民生、城市、经济产业这些基础经济捆绑在一起，也让神州控股的大数据闭环得到最大程度的加固。

智慧城市战略的宏观价值与准确落地，让神州控股在未来大数据之战中获得了生命之源。郭为曾经说，7年的智慧城市实践，经历了生与死的考验。如今看来，这场试炼到了花开果熟的时候。

第二个身位：生态化结构是大数据的未来之钥

互联网产业方法论曾指出，互联网产业拼到最后拼的是生态。只有内部生态无限完整，整个产业架构有合理的生态循环体系，才能生生不息、长盛不衰。

而在高速奔腾的大数据产业赛道上，很多玩家就忘记了生态化支撑的必要性，过于孤注一掷投入到某个端口中，忘记了中和万物的中国传统商业智慧。

生态化是未来技术企业的必备之路，而很早就不断打造企业生态的神州控股，显然在这个领域又一次取得了行业领先优势。

第三个身位：家国情怀是大数据的创生之脊

值得关注的还有，神州控股以及郭为在思想与情怀层面为整个大数据产业带来的振动与跨越。

很多分析者会忽略企业家的思考与情怀给企业和产业结构带来的影响。

我们知道，在互联网与数字化时代，专业的战略观察和宏大的企业家襟怀，往往可以给整个产业带来难以估量的指数级增长。

诚然，大数据与云计算业务，是一个巨型市场和无数爆发机会融为一体的市场机遇。很多弄潮儿选择在其中掘金，甚至有人喊出了成为风口上的猪这种口号。但是，风口上的猪也是猪，风口浪潮退却之后行业中只留下空荡荡的无奈。大数据行业风起云涌，一批批玩家来了又走，就是因为太多人贪图风口的优越，却忘了高科技从业者应该还给社会什么，还给家国什么，还给子孙后代什么。