數據在哪裡演算法就在哪裡

⑴ 巧婦難為無米之炊,算力、演算法和數據到底哪個更重要

「巧婦難為無米之炊」，這句話隱含的信息量並不小，正好可以用於對比人工智慧。巧婦的「巧」就是演算法，食材就是數據，而鍋碗瓢盆和爐灶就是算力。

如果沒有食材，就算你有爐灶和鍋碗瓢盆，也沒辦法做出飯，而有了食材，沒有爐灶和鍋碗瓢盆也做不出飯菜，有了食材，有了鍋碗瓢盆，沒有巧婦，也同樣做不出一桌豐盛的飯菜。

數字化歸根結底：

是靠數據驅動的,如果沒有高質量的大數據,那就是巧婦難為無米之炊。因此,做好大數據工作是推進數字化變革的前提性、基礎性工作。但非數字原生企業相比數字原生企業,大數據工作的復雜性和困難度要大的多。

何老師表示,做好大數據工作,要有知難而上的堅強決心。此外,他基於對華為等企業實踐的認真了解研究,結合自身對企業戰略執行的長期深刻體悟,還在演講中給出了切實的決策思路和行動建議。

據悉,《數字企業》之所以能成為數字化轉型、數字化變革的代表性演講,很大程度上是因為既具備企業家的高度、又具備思想家的深度、還具備實踐家的力度。

⑵ 什麼是數據結構和演算法學演算法還需要去了解數據結構嗎

1. 你這理解不完全正確。

因為數據結構不只是內存中數春慎據的排列，它是對數據的一種組織方式，就像圖書館要排書一樣，是為了便於操作，同時它本身也集成了對通用操作：比如查找、比較等的支持。數組不是一種數據結構，而是一種數據類型。一個完整的數據結構包括邏輯結構和存儲結構。通常選擇了數據結構，演算法也隨之確定，是數據而不是演算法是系統構造的關鍵因素。

因此在語言實現上，數據結構通常也會包含與之相對應的演算法集合，這些演算法是指基本演算法：查找、索引、比較等。

數據結構的邏輯結構和硬體是沒有關系的，而其存儲結構受到計算機硬體系統工作談森蠢方式的影響，通常這點影響在於數據時順序存儲還是離散存儲。演算法的基礎是數含陪據結構。只有指定明確的數據結構，演算法才能設計完成，脫離數據結構，演算法是無法，也不可能成立的。因為不需要數據的演算法就不是一個有效的計算機演算法，演算法中任何對數據的組織形式都可以被稱之為數據結構。

2.數據結構在編程中的地位是極其重要的，是一個程序實現的基礎中的基礎，在此基礎上才能構建演算法。通常而言，你不了解什麼高深的演算法，一樣能完成工作，但是如果你不了解基本的數據結構，那麼可以說，你根本就不能完成一個任何有實質性內容的程序。Donald Ervin Knuth教授在其《計算機程序設計藝術》的第一卷《基本演算法》中花費的絕大部分的篇幅去論述數據結構。由此可見數據結構對演算法的重要性。

⑶ 什麼是數據結構和演算法分析在編程里起到什麼作用

編程是為了解決問題，這些問題並表都是數值計算，其所處理的數據並不都是數值，但計算機所能處理的最終是0和1的二進制串，所以需要把問題中的數據用計算機能處理的方式來表示，這就需要數據結構。

簡單的說，數據結構是數據在計算機中的表示方式，有邏輯結構和物理結構之分，如邏輯上同樣的隊列，物理上可以是順序存儲，也可以是鏈式存儲。

通俗的講，演算法就是解決問題的方法，比如同樣的排序，可以用冒泡排序、插入排序等，不同的演算法可以達到相同的目標，但是效率可能有所不同。