數據本身有什麼用

A. 什麼是大數據，大數據可以做什麼

大數據（big data），指無法在可承受的時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。
大數據本身什麼都做不了，能指望數據做什麼呢。有大數據，如果不能通過數據
挖掘和數據分析得出對實際操作有價值的信息，那麼它什麼也做不了。
如果理解為對大數據的分析應用能做什麼，那麼它能做的事情就太多了，各個行業都會用到，物流、博彩、營銷、客戶管理、醫療、零售、環保等等都有其身影。

舉例說明：
通過對客戶進行分類整理，根據客戶的購買習慣、年齡、喜好、地域等區分進行推薦產品，進行個性化的頁面展示。還可以根據以往數據來進行動態營銷。
零售，根據需求和庫存的情況，適時調整價格
醫療，根據眾多病人的特徵，分析原因，量級太小的時候，這些特徵根本不明顯，不會得到重視，只有在大量數據中，才能發現平時注意不到的現象。
公共安全。根據以往犯罪數據預測發生犯罪事件的地區與概率。
娛樂。比如《紙牌屋》的製作公司根據以往的用戶習慣，打造出大受歡迎的電視劇。
僅僅有大數據是遠遠不夠的，更需要的是數據挖掘和數據分析的技能（包括大腦與軟體操作），這樣才能發揮出優勢。如果願意學習大數據的相關課程，有個「PPV課」的網站，課程很全面，可以學到很多關於大數據的知識，包括對案例的分析，還有軟體操作等。

B. 1.數據——人類建造文明的基石

數據將成為下一次技術革命和社會變革的核心動力。

數據不僅指數字，它的范疇是隨著文明的進程不斷變化和擴大的，包括語音、圖文、各種行為等。

信息是關於世界、人和事的描述，它比數據來得抽象。信息既可以是我們人類創造的，也可以是天然存在的客觀事實。

數據最大的作用在於承載信息，但是並非所有的數據都承載了有意義的信息。數據本身是人造物，因此它們可以被隨意製造，甚至可以被偽造。沒有信息的數據通常沒有太大意義

如何從數據中獲取有用的信息，過濾掉沒有用的雜訊和刪除有害的數據，從而獲取數據背後的信息，就成為技術甚至是一種藝術。只有善用數據，我們才能夠得到意想不到的驚喜，即數據背後的信息

隨著人類的進步以及處理數據和信息的能力不斷增強，人類從數據中獲取有用信息的本事就越來越大，這就是今天所說的大數據應用的基礎。

對數據和信息進行處理後，人類就可以獲得知識。知識比信息更高一個層次，也更加抽象，它具有系統性的特徵。

比如通過測量星球的位置和對應的時間，就得到數據；通過這些數據得到星球運動的軌跡，就是信息；通過信息總結出開普勒三定律，就是知識。人類的進步就是靠使用知識不斷地改變我們的生活和周圍的世界，而數據是知識的基礎。

早期人類得到的數據是從哪裡來的？其中一個重要的來源是對現象的觀察。從觀察中總結出數據，是人類和動物的重要區別，後者雖具有觀察能力，卻無法總結出數據，但是人類有這個能力。而得到數據和使用數據的能力，是衡量文明發展水平的標准之一。

觀察--總結數據--提取信息--總結規律和模型--形成知識--改變世界（獲取數據--分析數據--建立模型--預測未知）

好的模型要和數據相吻合。

數據的作用自古有之，並非到了今天大數據時代大家才意識到。但是在過去數據的作用常常被人們忽視。這裡面有兩個原因， 首先是由於過去數據量不足 ，積累大量的數據所需要的時間太長，以至於在較短的時間里它的作用不明顯。其次，數據和所想獲得的信息之間的聯系通常是間接的，它要通過不同數據之間的相關性才能體現出來。可以說， 相關性是讓數據發揮出作用的魔棒

很多時候，我們無法直接獲得信息（比如疫情傳播情況），但是我們可以將相關聯的信息（比如各地搜索情況）量化，然後通過數學模型，間接地得到所要的信息。而各種數學模型的基礎都離不開概率論和統計學

統計學中數據採集上的兩個要點——量和質。

要想取得准確的統計結果，統計首先要求數據量充足，在統計樣本數量不充分的情況下，統計數字毫無意義。至於需要多少數據統計結果（在我們這個問題里是概率的估計）才是准確的，這就需要進行定量分析了。越想要得到准確的統計結果，需要的統計數據量就越大。

統計除了要求數據量必須充分以外，還要求采樣的數據具有代表性。有些時候不是數據量足夠大，統計結果就一定準確。統計所使用的數據必須和我們想統計的目標相一致。

在互聯網出現之前，獲得大量的具有代表性的數據其實並非一件容易事。

用抽樣數據來估計一個概率分布是一類非常簡單的問題，用統計數據做一做加減乘除即可。但是在大多數復雜的應用中，需要通過數據建立起一個數學模型，以便在實際應用中使用。要建立數學模型就要解決兩個問題，首先是採用什麼樣的模型，其次是模型的參數是多少。

模型的選擇不是一件容易的事情，通常簡單的模型未必和真實情況相匹配，一個典型的例子就是，無論支持地心說的托勒密，還是提出日心說的哥白尼，都假定行星運動軌跡的基本模型是最簡單的圓，而不是更准確的橢圓。由此可見，如果一開始模型選得不好，那麼以後修修補補就很困難。因此，在過去，無論在理論上還是工程上，大家都把主要的精力放在尋找模型上。

有了模型之後，第二步就是要找到模型的參數，以便讓模型至少和以前觀察到的數據相吻合。這一點在過去的被重視程度遠不如找模型。但是今天它又有了一個比較時髦而高深的詞——機器學習

鑒於完美的模型未必存在，即使存在，找到它也非常不容易，而且費時間，因此就有人考慮是否能通過用很多簡單不完美的模型湊在一起，起到完美模型的效果呢？ 只要找到足夠多的具有代表性的樣本（數據），就可以運用數學找到—個模型或者一組模型的組合，使得它和真實情況非常接近

採用多而簡單的模型常常比一個精確的模型成本更低，也被使用得更普遍。

其實只要數據量足夠，就可以用若干個簡單的模型取代一個復雜的模型。這種方法被稱為數據驅動方法，因為它是先有大量的數據，而不是預設的模型，然後用很多簡單的模型去契合數據

數據驅動方法要想成功，除了數據量大之外，還要有一個前提，那就是樣本必須非常具有代表性。

在今天的IT領域中，越來越多的問題可以用數據驅動方法來解決。具體講，就是當我們對一個問題暫時不能用簡單而准確的方法解決時，我們可以根據以往的歷史數據，構造很多近似的模型來逼近真實情況，這實際上是用計算量和數據量來換取研究的時間。

數據驅動方法最大的優勢在於，它可以在最大程度上得益於計算機技術的進步。

計算機變得越來越聰明，這並非是因為我們對特定問題的認識有了多大的提高，而是因為在很大程度上我們靠的是數據量的增加。

可以用來說明數據驅動方法對機器智能產生作用的最佳案例，恐怕要數2016年在計算機行業最熱門的事件——Google的AlphaGo計算機戰勝天才圍棋選手李世石了。AlphaGo在圍棋方面有很高的智能，來源於它對能找到的全部幾十萬盤人類高手對弈的分析總結。這么多的對弈是任何人類高手一輩子也學習不完的。在總結了幾十萬盤的數據後，AlphaGo得到了一個統計模型，對於在不同的局勢下該如何行棋有一個比人類更為准確的估計。這就是AlphaGo顯得很聰明的原因。

數據驅動方法，是大數據的基礎，也是智能革命的核心，更重要的是，它帶來一種新的思維方式。

C. 大數據究竟能給我們帶來什麼

1，大數據改變了生產生活方式。

大數據讓企業擁有了增值的潛力與爆發力：通過對銷售大數據的分析應用，企業可以對消費者的需求有更精準的把握，從而進行更對路的生產；通過對用戶評價大數據的分析挖掘，企業能夠更有針對性地改善用戶體驗，從而促進產品營銷。

2，大數據改變了思維方式。

這種改變是雙向度的：被動改變與主動改變相互交織，外在對手與內在對手共存共生。某種程度上，大數據促進了商業生態系統的重構，從產品供應、營銷模式到競爭策略，誰掌握了大數據，誰就掌握了用戶。

3，大數據將改變了管理模式。

理念創新必然帶來技術創新，技術創新必然呼喚機制創新，管理模式的及時跟進將決定大數據價值的充分發揮。大數據的意義不在於數據本身，而在於對數據的分析與應用，從而釋放出數據所蘊含的巨大價值。

(3)數據本身有什麼用擴展閱讀：

已經有不少國家和企業開始在這一新領域謀篇布局。作為擁有龐大人群和應用市場的中國，也力爭在這次科技變革中實現創新與引領，已經取得了大數據的三大理論創新成果——《DT時代——大數據如何改變世界》、《塊數據——大數據時代真正到來的標志》、《創新驅動力》。

D. 為何有人說數據將成為無價之寶

首先要知道數據從何而來，才能知道數據如何產生價值。現在的數據是指所能收集到的所有信息統稱為數據，數據的生成包含方方面面，比如人類活動可以產生數據，大自然春夏秋冬變化也能產生數據，甚至一顆樹木的生長過程也能產生數據。數據本身如果不能應用，就沒有價值，如果吧數據應用起來，就能產生無限的價值。同類數據量越大，通過數據分析也就能產生更大的價值。這些價值也可以應用於各種領域，涵蓋我們的衣食住行。數據能創造無限可能那就是當之無愧的無價之寶。

大家好，我是 科技 1加1！感覺這個問題很有意思！是啊，當前什麼最值錢，要我說就是數據！

這個問題分兩方面來回答

1.什麼是數據


定義:

數據是指對客觀事件進行記錄並可以鑒別的符號，是對客觀事物的性質、狀態以及相互關系等進行記載的物理符號或這些物理符號的組合。它是可識別的、抽象的符號。

它不僅指狹義上的數字，還可以是具有一定意義的文字、字母、數字元號的組合、圖形、圖像、視頻、音頻等，也是客觀事物的屬性、數量、位置及其相互關系的抽象表示。例如，「0、1、2...`」、「陰、雨、下降、氣溫」「學生的檔案記錄、貨物的運輸情況」等都是數據。數據經過加工後就成為信息。

在計算機科學中，數據是指所有能輸入到計算機並被計算機程序處理的符號的介質的總稱，是用於輸入電子計算機進行處理，具有一定意義的數字、字母、符號和模擬量等的通稱。現在計算機存儲和處理的對象十分廣泛，表示這些對象的數據也隨之變得越來越復雜。

信息

信息與數據既有聯系，又有區別。數據是信息的表現形式和載體，可以是符號、文字、數字、語音、圖像、視頻等。而信息是數據的內涵，信息是載入於數據之上，對數據作具有含義的解釋。數據和信息是不可分離的，信息依賴數據來表達，數據則生動具體表達出信息。數據是符號，是物理性的，信息是對數據進行加工處理之後所得到的並對決策產生影響的數據，是邏輯性和觀念性的；數據是信息的表現形式，信息是數據有意義的表示。數據是信息的表達、載體，信息是數據的內涵，是形與質的關系。數據本身沒有意義，數據只有對實體行為產生影響時才成為信息。

數據的語義

數據的表現形式還不能完全表達其內容，需要經過解釋，數據和關於數據的解釋是不可分的。例如，93是一個數據，可以是一個同學某門課的成績，也可以使某個人的體重，還可以是計算機系2013級的學生人數。數據的解釋是指對數據含義的說明，數據的含義稱為數據的語義，數據與其語義是不可分的。

分類

按性質分為

①定位的，如各種坐標數據；

②定性的，如表示事物屬性的數據（居民地、河流、道路等）；

③定量的，反映事物數量特徵的數據，如長度、面積、體積等幾何量或重量、速度等物理量；

④定時的，反映事物時間特性的數據，如年、月、日、時、分、秒等。

按表現形式分為

①數字數據，如各種統計或量測數據。數字數據在某個區間內是離散的值[3] ；

②模擬數據，由連續函數組成，是指在某個區間連續變化的物理量，又可以分為圖形數據（如點、線、面）、符號數據、文字數據和圖像數據等，如聲音的大小和溫度的變化等。

2.數據的重要性

如今，大數據早已經不是一個陌生的名詞，很多的行業在使用大數據之後都得到了非常好的效果，大數據與互聯網相輔相承，互聯依賴，並且不斷的在快速發展。

互聯網上的數據每年增長40%，每兩年便將翻一番左右，而目前世界上90%以上的數據是最近幾年才產生的。據IDC預測，到明年全球將總共擁有35ZB的數據量，互聯網是大數據發展的前哨陣地，隨著互聯網時代的發展，人們似乎都習慣了將自己的生活通過網路進行數據化，方便分享以及記錄並回憶。

大數據圍繞在我們生活的很多方面

大數據圍繞在我們生活的方方面面，最直觀的反映在我們每天都會使用的社交工具上面。例如騰訊擁有用戶關系數據和基於此產生的社交數據，這些數據能夠分析人們的生活和行為，從裡面挖掘出政治、 社會 、文化、商業、 健康 等領域的信息，甚至預測未來。說簡單一點，就是我們每天都在通過自己的QQ、微信、微博更新自己的動態、朋友圈等，這些都將構成一種數據，大數據就是可以通過你更新的這些大量的信息，推測出你的愛好，你的工作，你的住址，你的收入情況等等這些信息。

互聯網時代大數據有多厲害

互聯網時代大數據到底有多厲害？大數據就像蘊藏能量的煤礦，煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣，和這個相像，大數據並不在於「大」，而在於「有用」，價值含量、挖掘成本比數量更為重要。大數據應用工程師專業主要學習WEB技術、JAVA、JSP、大型資料庫Oracle、LINUX集群、非關系資料庫NoSql、Hadoop等技術，通過這些課程的學習，讓學生具有JAVAEE開發能力的同時能夠進行大數據的分析和挖掘能，學生在就業的過程中即可以進入傳統的軟體公司，進行OA和ERP等傳統軟體項目開發，同時也能進行大數據的分析和大數據深度挖掘以及對伺服器集群的組建等。

大數據時代，我們要合理利用大數據，才可以創造更高的工作效率，才可以創造更多的財富。

所以說數據就是金錢！掌握了大數據就是掌握了財富！

感謝大家的閱讀！

數據自身是沒有價值或者說微乎其微的，價值是被賦予的，就像黃金一樣，黃金的價值是他的應用前景或場景。

數據的價值就是數據能力體現出的收益，或者說投資回報率。

今天我們就來聊聊數據能力和價值。 說到大數據就不得不提數據倉庫，企業數據倉庫演化至最終階段或許會變為大腦中樞神經，如果要支撐起整個復雜的大腦和神經系統，需要一系列的復雜機制配合。

一、抽象的數據能力架構

我把數據能力抽象概括為四個方向：傳輸能力、計算能力、演算法能力和數據資產量級，後面會講述在這四個能力之上泛化出的數據應用和價值。

1. 數據傳輸能力

數據大部分的使用場景必然會涉及到數據傳輸，數據傳輸性能決定了部分應用場景的實現，數據實時的調用、加工、演算法推薦和預測等；而傳輸抽象出來的支撐體系是底層的數據存儲架構（當然非同機房的傳輸還要考慮到網路環境等。單純的小數據量調用等一般不會涉及到這些，但數據量級大、高並發且對SLA要求非常嚴格的時候，就是對數據傳輸能力的考驗）。

從產品的角度我把數據傳輸能力分解為： 底層數據傳輸效率 和 應用層數據傳輸效率 。

底層的數據傳輸效率是指數據源進入後的預處理階段的傳輸效率，即加工為產品所需的數據交付物之前階段。

Ps:數據在可為產品所用之前需要很長的一段加工過程，應用層數據產品基本不涵蓋底層數據加工環節，而數據產品會用到規定好的數據交付物（即已約定好的結構化或標准化的數據），而利用此數據交付物再經過產品對實際應用場景的匹配和加工來提供數據服務。即使涉及底層數據管理的相關產品也是對Meta元數據、使用日誌或寫好的shell等的調用。

底層數據加工計算所涉及到的傳輸效率，直接決定了支撐數據產品高性能、高可靠的自身需求；而應用層的傳輸影響了用戶體驗和場景實現。傳輸機制和體系就像毛細血管一樣遍布全身錯綜復雜，但是流通速率直接決定了大腦供氧是否充足。
2. 數據計算能力

數據計算能力就像造血系統一樣，根據多種來源的養分原料進行生產加工最終產出血液。而源數據通過高性能的底層多存儲的分布式技術架構進行ETL(抽取、轉換、裝載)清洗後產出的是數據中間層通用化的結構化數據交付物。計算速度就像造血速度一樣，決定了供應量。而計算速度直接決定了數據應用的時效性和應用場景。

目前最多最普遍的就是離線數倉，離線數倉大部分擔任著事後諸葛亮的角色，即沒辦法保證數據的及時性而延後了數據分析及應用的產出，導致更多的是沉澱經驗而難以做到實時決策。而實時數倉，甚至說對Data Lake（數據湖）的實時處理已經逐步開放應用多種場景。我們先不考慮越來越強烈的實時性要求帶來的巨大成本是否真的可以創造等值的收益。

強實時可以更接近一個「未來」的狀態，即此時此刻。這遠比演算法對未來的預測更有價值，因為把握眼前比構造多變的未來對一個企業更有價值。甚至說當數據過程快過神經元的傳遞，那麼從獲取到你腦電波的那一刻起，數據處理的驅動結果遠比神經元傳遞至驅動四肢要快。

是不是與兵馬未動，糧草先行的場景相似？當然這是以數據計算能力的角度來看待這個問題。跳出來以我個人的觀點來說，整體數據能力強大到一定階段後，會從主觀改變個人的意願，即通過引導你的大腦從而來控制或決定個人行為且不會讓你感知，所以可以理解為從主觀改變個人意願。從人的角度來說，你並不知道或者直觀意願去憑空決定下一步要做什麼，因為大腦是邏輯處理器，當然這又涉及到心理學，這些觀點就不在此贅述了，等往後另起一個篇幅來說數據應用未來前景和假想。

3. 數據資產能力

都在說「大」數據，那麼數據量級越大越好嗎？並不是，從某種角度來說大量無價值或者未 探索 出價值的數據是個負擔，巨大的資源損耗還不敢輕易抹滅。

隨著數據量級的急劇放大，帶來的是數據孤島：數據的不可知、不可聯、不可控、不可取；那麼散亂的數據只有轉換成資產才可以更好的發揮價值。

什麼是數據資產，我覺得可以廣泛的定義為可直接使用的交付數據即可劃為資產，當然可直接使用的數據有很多種形式，比如meta元數據、特徵、指標、標簽和ETL的結構化或非結構化數據等。

目前也在拓展Data Lake的使用場景，直接實時的使用和處理Data Lake數據的趨勢是一種擴大企業自身數據資產范圍和資產使用率的方式。這有利於突破數倉模型對數據的框架限定，改變數據使用方式會有更大的想像空間。

數據資產的價值可以分兩部分來考慮：一部分是數據資產直接變現的價值；另一部分是通過數據資產作為資源加工後提供數據服務的業務價值。

第一部分比較好理解，就是數據集的輸出變現值，如標簽、樣本和訓練集等的直接輸出按數據量來評估價值；第二部分價值比如通過自身數據訓練優化後的演算法應用而提升業務收益的價值或依於數據的廣告投放的營銷變現等，甚至說沉澱出的數據資產管理能力作為知識的無形資產對外服務的價值。這些間接的數據應用和服務的變現方式也是數據資產價值的體現並可以精細的量化。

4. 數據演算法能力

其實無論是傳輸能力還是計算能力，都是相對偏數據底層的實現，而離業務場景最近的就是演算法能力所提供的演算法服務，這是最直接應用於業務場景且更容易被用戶感知的數據能力，因為對於傳輸和計算來說用戶感知的是速度快慢，從用戶視角快是應該的，因此用戶並不知道何時何地計算或傳輸。

而演算法對業務應用場景是一個從0到1，從無到有的過程。並且演算法是基於數據傳輸、計算和資產能力之上泛化出的應用能力，或者換句話說是三個基礎能力的封裝進化。

而演算法能力是把多元的數據集或者說獲取到盡可能多的數據轉化為一個決策判斷結果來應用於業務場景。演算法能力的強弱反映了三個數據能力是否高效配合，是否存在木桶效應，更甚者木桶也沒有。當然單純的演算法也可以單獨作為無形資產的知識沉澱來提供服務。

對於數據能力架構中的四大能力，傳輸、計算和資產是基礎能力，而演算法是高級的泛化能力。而能力的輸出和應用才能體現數據價值，數據能力的最大化輸出考驗著整個數據產品架構體系的通用性和靈活性。因為需要面對的是各種業務演化出的多種多樣場景，對數據能力的需求參差不齊：可能是片面化的，也可能是多種能力匹配協調的。這對產品的通用性就是一個巨大的挑戰，想更好的應對這個問題，可能就需要整個數據平台的產品矩陣來支撐和賦能。

二、數據能力對應數據價值的呈現

從數據應用的角度，每個能力都可以獨立開放也可以組合疊加。如果把能力具象出來就會衍生到產品形態的問題，產品形態是對能力適配後發揮作用的交付物。說到產品形態我們可以想像一下應用場景。

首先最基礎的應用場景就是數據直接調用，數據資產的使用基本會基於特徵、指標、標簽或者知識等交付形態。而對於使用方來說這些數據會作為半成品原料或依據來進行二次加工應用於業務場景中，如數據分析、數據挖掘、演算法的訓練與驗證、知識圖譜、個性推薦、精準投放（觸達）和風控等。數據資產可以統歸為在數據市場中通過構建的一些OpenAPI進行賦能。

而對於一個工廠來說，僅僅進行原材料的加工（ETL）輸出即除了自身原材料（數據資產）的壁壘外核心競爭力很小，需要包裝一些上層的基礎服務來提升競爭力，那麼數據計算的能力融合進來對原材料進行二次加工（聚合統計）。

計算的聚合統計能力加入進來後可以滿足大部分的數據分析場景的支持，就不單單是原材料毫無技術含量的輸出，並可以以半成品的形態規避數據敏感。因為對於統計值來說，這是一個分析結果或結論，並不會涉及到自身敏感數據的輸出，因此你的核心資產不會泄露，而輸出的僅僅是資產的附加值。換句話說知識產權專利依然在你手中，通過控制專利泛化出的能力進行投資回報。

融入計算能力後的一些分析場景如：人群的畫像分析、多維度的交叉分析、業務的策略分析和監控分析等多種場景。

隨著時代的發展和業務場景的增多，這時工廠繼續需要產業變革，要深耕服務業逐步拋棄製造業形態，全面提升更高級的數據服務。這時演算法能力的加入來更好的完善服務矩陣。

演算法通過封裝了傳輸、計算和資產能力而進行統一的更好理解的業務場景目標預測和識別等。這樣對於企業來說可以更容易接受和低成本使用數據服務而不需要再涉及到數據加工鏈路中，而僅僅需要一個目標結果，通過演算法的決策作為參考來指導業務方向。像演算法對一些業務場景的預測分析，甚至說一些人工智慧場景的識別或學習思考，都可以通過演算法賦能來實現。對於企業來說就是從無到有的突破，企業發展進程甚至可能提升好幾年。

而貫穿以上能力應用場景都是對數據傳輸能力的考驗。

「數據」的重要性可以有以下幾點。

1、數據能夠為企業高層提供決策支持。將企業海量數據進行統計分析挖掘後，能夠讓高層制定合理的措施。

2、數據能整合企業龐雜業務。每個企事業都有很復雜的業務系統，藉助數據及對應平台可以將其龐雜的業務進行整合。

3、數據能反應事件本質與趨勢。真實數據能夠更好地去了解事件的本質問題，預判事態發展。

4、數據能夠讓人們更加了解自己。未來你可能真的不是最了解你自己的人？但是可以使用個人的數據進行畫像，充分了解個人。

5、數據能反應 歷史 ，展望未來。通過 歷史 數據查詢過往，也能夠使用以往的數據進行感知未來。

總之，在大數據和5G技術逐漸成為趨勢的時代背景下，「 數據 」是越來越常見，如社交網路、消費信息、 旅遊 記錄……企業層面的銷售數據、運營數據、產品數據、活動數據……

E. 數據的本質是什麼

數據的本質是商業。

數據本身是一種語言，把業務、系統用數據這種語言表現出來，可視化出來，並應用起來。數據這個語言，即是過程也是結果，是業務和系統行為的過程和結果，所以數據本身不會撒謊，數據本身也不產生價值。這就好比語言本身不產生價值，但語言一旦用來交流、傳承，便產生了價值。

數據的價值在於應用，通過數據應用解決商業問題，在市場化的行為中，數據建設也往往需要商業驅動。

所以，數據的本質是商業。大數據、數據中台、數字化轉型，為的都是解決商業問題。離開商業談數據，是空中樓閣，是自嗨。

數據的應用分成兩種，一是數據化運營，二是運營數據。

1.數據化運營。

這類數據應用的價值是幫助業務決策和優化。目前大多分數據應用發生在數據化運營領域。數據化運營又分非產品類應用、產品類應用兩種。

1）非產品類應用

通過對數據的分析、解讀，發現業務的問題、機會。這是BI、業務、PD、風控、演算法的職責。

無論社交、電商、金融、供應鏈、新零售，還是什麼業務領域，都會有不少BI，他們做著數據監控、分析，和業務進行一輪輪的溝通，再輸出分析建議供業務和管理層決策。

從本質上來說，數據分析也是一種數據產品，和其他數據產品最大的差異是分析報告不是持續的，不是標准化的，展現形式以PPT或excel為主。但數據分析和數據產品的目的和本質一樣，通過服務需求方，解決需求方的問題。

漁歌的一個朋友，獨角獸公司的CEO，他本人精通商業，但對數據似懂非懂，他對數據分析團隊的定位是幫助業務團隊提高運營效率，要求一個分析師可以代替50個一線運營小二。

2）產品類應用，通過產品賦能業務、客戶，又分對內、對外。

對內：指給公司內部人員使用的數據產品。

比如營銷系統，自動根據采購者的生命周期、產品偏好發營銷推送。營銷推送的內容，需要根據客戶行為差異化，比如重產品搜索和重商家店鋪的購物者不是一類人，這是一種數據應用，目標是提高營銷精準度。

再比如報表平台：裝滿各種數據報表，供業務、產品同學找到他們需要的數據。

又如商家管理系統：知道商家在平台的表現，哪些是高潛，哪些有流失風險，及相應的原因等等。

以上對內的數據產品都服務於內部同事，幫助內部人員更快更便捷的定位問題、智能＆高效運營。

對外：指提供給外部客戶使用的數據產品。

比如淘寶曾經的數據魔方可以幫助商家通過行業數據選品，量子可以幫助商家不斷優化商品，做好店鋪管理決策。當然現在已經沒有量子和魔方已經沒有了，變成生意參謀。

再比如微信公眾號後台的統計功能，包含用戶分析、內容分析、菜單分析等等，這些功能是為了幫助公眾號號主做數據化運營、決策。

這類對外的數據產品，在幫助客戶做數據化運營的同時，還可以協同業務、服務、銷售。假設未來微信越來越鼓勵公眾號號主原創內容的大背景下，提供關於原創和轉載內容的數據分析功能的可能性就會變大。

數據化運營的產品，無論對內、對外，都是為了提高運營效率，科學化＆智能化決策。

2.運營數據

指通過運營數據的方式來實現盈利，數據就是這家公司的主營或者重要業務。

比如fico、芝麻、鵬元、同盾。不管他們的業務形態是怎麼樣的，他們專注從各個渠道獲取數據，再對數據進行加工，而後輸出應用，從中獲取客戶價值、公司價值。

前段時間，鬧的人聲鼎沸的數據事件，多家數據公司有波及，這波公司乾的就是運營數據的事。

各個領域都在探索大數據的商業應用與變現，真正實現變現的不多。金融是數據應用最多、最深入的領域之一，因為有數據化風控。

F. 大數據有什麼用

十個有關大數的信息：

1）大數據計算提高數據處理效率，增加人類認知盈餘 

大數據技術就像其他的技術革命一樣，是從效率提升入手。大數據技術平台的出現提升了數據處理效率。其效率的提升是幾何級數增長的，過去需要幾天或更多時間處理的數據，現在可能在幾分鍾之內就會完成。

大數據的高效計算能力，為人類節省了更多的時間。我們都知道效率提升是人類社會進步的典型標志，可以推斷大數據技術將帶領人類社會進入另外一個階段。通過大數據計算節省下來的時間，人們可以去消費，娛樂和創造。未來大數據計算將釋放人類社會巨大的產能，增加人類認知盈餘，幫助人類更好地改造世界。 

2）大數據通過全局的數據讓人類了解事物背後的真相 

相對於過去的樣本代替全體的統計方法，大數據將使用全局的數據，其統計出來的結果更為精確，更接事物真相，幫助科學家了解事物背後的真相。大數據帶來的統計結果將糾正過去人們對事物錯誤的認識，影響過去人類行為、社會行為的結論，帶來全新的認知。

有利於政府、企業、科學家對過去人類社會的各種歷史行為真正原因的了解，大數據統計將糾正樣本統計誤差，為統計結論不斷糾錯。大數據可以讓人類更加接近了解大自然，增加對自然災害原因的了解。 

3）大數據有助於了解事物發展的客觀規律，利於科學決策 

大數據收集了全局的數據，准確的數據，通過大數據計算統計出了解事物發展過程中的真相，通過數據分析出解人類社會的發展規律，自然界發展規律。利用大數據提供的分析結果來歸納和演繹出事物的發展規律，通過掌握事物發展規律來幫助人們進行科學決策，大數據時代的精準營銷就是典型的應用。 

4）大數據提供了同事物的連接，客觀了解人類行為 

在沒有大數據之前，我們了解人類行為的數據往往來源於一些被動的調查表格及滯後的統計數據。擁有了大數據技術之後，大量的感測器如手機APP、攝像頭、分享的圖片和視頻等讓我們更加客觀的了解人類的行為。

大數據技術連接了人類行為，通過大數據將人類的行為數據收集起來，經過一定的分析後來統計人類行為，幫助我們了解人類的行為。可以說大數據的一個重要作用就是將人類行為數據進行收集分析，了解人類行為特點，為數據價值的商業運用提供基礎資產 

5）大數據改變過去的經驗思維，幫助人們建立數據思維 

人類社會的發展一直都在依賴著數據，無論是各國文明的演化，農業的規劃，工業的發展，軍事戰役及政治事件等。

但是出現大數據之後，我們將會面對著海量的數據，多種維度的數據、行為的數據、情緒的數據、實時的數據。這些數據是過去沒有了解到的，通過大數據計算和分析技術，人們將會得到不同的事物真相，不同的事物發展規律。

依靠大數據提供的數據分析報告，人們將會發現決定一件事、判斷一件事、了解一件事不再變得困難。各國政府和企業將藉助於大數據來了解民眾需求，拋棄過去的經驗思維和慣性思維，掌握客觀規律，跳出歷史預測未來的困境。

大數據發展趨勢：

1）趨勢一：數據的資源化 

何謂資源化，是指大數據成為企業和社會關注的重要戰略資源，並已成為大家爭相搶奪的新焦點。因而，企業必須要提前制定大數據營銷戰略計劃，搶占市場先機。   

2）趨勢二：與雲計算的深度結合 

大數據離不開雲處理，雲處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平台之一。自2013年開始，大數據技術已開始和雲計算技術緊密結合，預計未來兩者關系將更為密切。除此之外，物聯網、移動互聯網等新興計算形態，也將一齊助力大數據革命，讓大數據營銷發揮出更大的影響力。   

3）趨勢三：科學理論的突破 

隨著大數據的快速發展，就像計算機和互聯網一樣，大數據很有可能是新一輪的技術革命。隨之興起的數據挖掘、機器學習和人工智慧等相關技術，可能會改變數據世界裡的很多演算法和基礎理論，實現科學技術上的突破。   

趨勢四：數據科學和數據聯盟的成立 

未來，數據科學將成為一門專門的學科，被越來越多的人所認知。各大高校將設立專門的數據科學類專業，也會催生一批與之相關的新的就業崗位。與此同時，基於數據這個基礎平台，也將建立起跨領域的數據共享平台，之後，數據共享將擴展到企業層面，並且成為未來產業的核心一環。

大數據分析： 

現在的大數據分析，跟傳統意義的分析有一個本質區別，就是傳統的分析是基於結構化、關系性的數據。而且往往是取一個很小的數據集，來對整個數據進行預測和判斷。但現在是大數據時代，理念已經完全改變了，現在的大數據分析，是對整個數據全集直接進行存儲和管理分析。

(6)數據本身有什麼用擴展閱讀：

大數含義

1. 交易員術語，指匯率的頭幾位數字。

2. 數學用語，指兩個數中較大的數。

3.代表十的七十二次方。

4.大數在編程中表示超過32位二進制位的數。