数据属于什么资源

‘壹’ 大数据是什么战略资源

对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

大数据技术的战略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。换而言之，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”。

‘贰’ 万方数据系统属于什么信息资源

万方数据系统属于科技信息资源。根据查询相关资料信息显示，万方数据资源系统是我国一个大型综合性信息资源系统，同时涵盖经济、文化、教育等相关信息。

‘叁’ 什么是数字资源

数字资源是文献信息的表现形式之一，是将计算机技术、通信技术及多媒体技术相互融合而形成的以数字形式发布、存取、利用的信息资源总和。

从数据的组织形式上看，有数据库、电子期刊、电子图书、网页、多媒体资料等类型。

按存储介质可分为磁介质和光介质两种类型。其中，磁介质包括软盘、硬盘、磁盘阵列、活动硬盘、优盘、磁带等类型；光介质包括CD、DVD、LD等类型。常用的数字资源存储介质为硬盘、磁盘阵列、磁带及CD、DVD、LD等。

按数据传播的范围可分为单机、局域网和广域网等方式。单机利用可以是光盘或安装在一台计算机上的数据；局域网内部利用是用户能在机构内部浏览检索数字资源，但在机构的局域网以外的网络环境中不能访问；广域网方式是指用户可以在任何一个拥有Internet的地方通过一定的身份认证方式或者不需认证就可以访问数字资源。

从资源提供者来看，可分为：商业化的数字资源和非商业化的数字资源。前者包括数据库商、出版商和其它机构以商业化方式提供的各种电子资源，如：Elsevier公司的SDOS、EBSCO公司的Academic Source Premier、中国期刊网等数据库，图书馆需要支付一定的费用后再提供给一定的读者群，或者读者个人通过读书卡和其他方式购买数据库的使用权。这些数字资源内容丰富、数据量大，是图书馆馆藏资源建设中的重要内容。后者主要指机构自建的特色资源库、开放获取资源、机构典藏和其它免费的网络资源，这些资源或者由图书馆自行建设，或者可以从网络上免费获取，当然，图书馆特色资源库在建成之后也可以以商业化方式进行运作，此时，对其它图书馆而言，也可以称之为商业化数字资源。

‘肆’ 为什么数据是资源

数据的价值在于陵培可提供尽可能多的详尽信息并对信息进行有效处理。通过全面、精确、即时的数据技术，提升整体数据分析能力，推动数据开放共享，促进资源整合，发现其中所蕴含的价值。数据带来的科技革命和经济革命，将极大地影响经济社会发展。以数据流引领技术流、人才流、资金流、物资流，推动生产要素的集约化整合、协作化开发、高效化利用、网络化搏空共享，可形成新的资源配置模式，改变传统的生产方式和经济运行机制，提升基汪瞎经济运行效率和水平。

‘伍’ 产品数据库属于网络资源吗

属于。产品数据库属于网络资源没神。网络资源主要是指借助于网络环境可以利用的腔肢各种信息资源的总和，伍察世例如HTML文档、图像、视频，音频、程序等等。

‘陆’ 数据是最具流动性的基础性资源吗

数据是最具流动性的基础性资源。根据查询相关公开信息显：数据是一掘并种新型生产要素，具有许多独特的属性，数据总量趋近于无局散谈限，快速增长桐碰的数据资源蕴含着巨大价值。数据又极具流动性。

‘柒’ 数据资源是渗透性资源

是
数据资源存储在个人和各种社会单位持有的各种设备上,并且在人类社会的人机交流中流通和应用。

‘捌’ 软件开发离不开系统环境资源的支持，其中必要的测试数据属于A.硬件资源 B.通信资源 C.支持软件 D.辅助资源

【答案】：D
软件开发离不开系统环境资源的支持，其中主要的资源有硬件资源、通信资源、辅助资源等。
（1）硬件资源是指组成计算机及相关应芹侍用所需要的硬件，它是软件开发必不可少的资源，因为无论什么样的软件工具都需要在硬件上完成任务，它是其他资源的基础资源。
（2）通信资源是指为软件开发提供通信支撑的资源，它与测试数据无关。
（3）支持软件是指为睁碰软件开发提供操作平台的软件，如常用的面向对象开发的Rose软件，它主要是软件开发的工具。
通过对上述分析的总结，可以知道本题的正确答案选D。悉首谈

‘玖’ 数据是属于什么的

数据是指对客观事件进行记录并可以鉴别的符号，是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。它是可识别的、抽象的符号。

数据(data)是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。数据可以是连续的值，比如声音、图像，称为模拟数据。也可以是离散的，如符号、文字，称为数字数据。在计算机系统中，数据以二进制信息单元0,1的形式表示。

(9)数据属于什么资源扩展阅读

在大数据时代，由于数据种类多，数据大，从结构化的数据到非结构化的数据，数据采集的形式也变得更加复杂而多样。

当存储技术的发展变得步履蹒跚，赶不上数据发展的速度时，分布式存储成为了必然选择，非结构型数据也对存储格式提出了新的要求。层出不穷的数据源也使得数据量产生了井喷似的迅猛增长。此时分布式存储与NoSQL的诞生回应了这样的需求，解决了大数据存储的根本难题。

数据处理包括数据计算、分析，这部分是大数据技术的核心，本文剩余部分将详细介绍这部分。数据展示指的是通过提供报表等可视化界面反应目前平台或业务运行的各项指标。

‘拾’ 什么和什么是数据收集的两大重要渠道引导了大数据时代的来临

让大数据区别于数据的，是其海量积累、高增长率和多样性

什么是数据？数据（data）在拉丁文里是“已知”的意思，在英文中的一个解释是“一组事实的集合，从中可以分析出结论”。笼统地说，凡是用某种载体记录下来的、能反映自然界和人类社会某种信息的，就可称之为数据。古人“结绳记事”，打了结的绳子就是数据。步入现代社会，信息的种类和数量越来越丰富，载体也越来越多。数字是数据，文字是数据，图像、音频、视频等都是数据。

• 什么是大数据呢？量的增多，是人们对大数据的第一个认识。随着科技发展，各个领域的数据量都在迅猛增长。有研究发现，近年来，数字数据的数量每3年多就会翻一番。

• 大数据区别于数据，还在于数据的多样性。正如高德纳咨询公司研究报告指出的，数据的爆炸是三维的、立体的。所谓的三维，除了指数据量快速增大外，还指数据增长速度的加快，以及数据的多样性，即数据的来源、种类不断增加。

• 从数据到大数据，不仅是量的积累，更是质的飞跃。海量的、不同来源、不同形式、包含不同信息的数据可以容易地被整合、分析，原本孤立的数据变得互相联通。这使得人们通过数据分析，能发现小数据时代很难发现的新知识，创造新的价值。

通过数据来研究规律、发现规律，贯穿了人类社会发展的始终。人类科学发展史上的不少进步都和数据采集分析直接相关，例如现代医学流行病学的开端。伦敦1854年发生了大规模的霍乱，很长时间没有办法控制。一位医师用标点地图的方法研究了当地水井分布和霍乱患者分布之间的关系，发现有一口水井周围，霍乱患病率明显较高，借此找到了霍乱暴发的原因：一口被污染的水井。关闭这口水井之后，霍乱的发病率明显下降。这种方法，充分展示了数据的力量。

本质上说，许多科学活动都是数据挖掘，不是从预先设定好的理论或者原理出发，通过演绎来研究问题，而是从数据本身出发通过归纳来总结规律。近现代以来，随着我们面临的问题变得越来越复杂，通过演绎的方式来研究问题常常变得很困难。这就使得数据归纳的方法变得越来越重要，数据的重要性也越发凸显出来。

大数据是非竞争性资源，有助于政府科学决策、商家精准营销

大数据时代，数据的重要作用更加凸显，许多国家都把大数据提升到国家战略的高度。

政府合理利用大数据，引导决策的将是基于实证的事实，政府会更有预见性、更加负责、更加开放。中国古代治国就已经有重数据的思想，如商鞅提出，“强国知十三数……欲强国，不知国十三数，地虽利，民虽众，国愈弱至削”。大数据时代，循“数”治国将更加有效。小数据时代，政府做决策更多依凭经验和局部数据，难免头痛医头、脚痛医脚。比如，交通堵塞就多修路。大数据时代，政府做决策能够从粗放型转向集约型。路堵了，利用大数据分析，可以得知哪一时间、哪一地段最容易堵，或在这一地段附近多修路，或提前预警引导居民合理安排出行，实现对交通流的最佳配置和控制，改善交通。

对于商家来说，大数据使精准营销成为可能。一个有趣的故事，是沃尔玛超市的“啤酒、尿布”现象。沃尔玛超市分析销售数据时发现，顾客消费单上和尿布一起出现次数最多的商品，竟然是啤酒。跟踪调查后发现，有不少年轻爸爸会在买尿布时，顺便买些啤酒喝。沃尔玛发现这一规律后，搭配促销啤酒、尿布，销量大幅增加。大数据时代，每个人都会“自发地”提供数据。我们的各种行为，如点击网页、使用手机、刷卡消费、观看电视、坐地铁出行、驾驶汽车，都会生成数据并被记录下来，我们的性别、职业、喜好、消费能力等信息，都会被商家从中挖掘出来，以分析商机。

大数据也将使个人受益。从生物学、医学上讲，以前生物学家只是通过对单个或几个基因的操控来观察其对生物体的影响，很难发现整体的关联。现在由于技术的发展，可以分析很多，如遗传信息、全体基因的表达量信息、蛋白质族谱信息、全基因组甲基化信息、表观遗传信息等。同时还有个人健康指标、病历、药物反应等数据。如果真能达成生物学上多维多向数据的有机融合，就能够把个人完整地描述出来，从而实现精准医疗的目的。

大数据时代，审核数据的真实性也有了更有效的手段。大数据的特征之一是多样性，不同来源、不同维度的数据之间存在一定的关联度，可以交叉验证。例如，某地的工业产值虚报了一倍，但用电量和能耗却没有达到相应的规模。这就是数据异常，很容易被系统识别出来。发现异常后，相关部门再进行复核，就能更有针对性地防止、打击数据造假。

数据是一种资源，但数据又跟煤、石油等物质性资源不一样。物质性资源不可再生，你用多了，别人就用少了，因而很难共享。数据可以重复使用、不断产生新的价值。大数据资源的使用是非恶性竞争的，共享的前提下，更能够制造双赢。从另一个角度来说，数据如果不被融合、联系在一起，也不能称之为大数据。

大数据不能被直接拿来使用，统计学依然是数据分析的灵魂

现在社会上有一种流行的说法，认为在大数据时代，“样本 = 全体”，人们得到的不是抽样数据而是全数据，因而只需要简单地数一数就可以下结论了，复杂的统计学方法可以不再需要了。

在我看来，这种观点非常错误。首先，大数据告知信息但不解释信息。打个比方说，大数据是“原油”而不是“汽油”，不能被直接拿来使用。就像股票市场，即使把所有的数据都公布出来，不懂的人依然不知道数据代表的信息。大数据时代，统计学依然是数据分析的灵魂。正如加州大学伯克利分校迈克尔·乔丹教授指出的：没有系统的数据科学作为指导的大数据研究，就如同不利用工程科学的知识来建造桥梁，很多桥梁可能会坍塌，并带来严重的后果。

其次，全数据的概念本身很难经得起推敲。全数据，顾名思义就是全部数据。这在某些特定的场合对于某些特定的问题确实可能实现。比如，要比较清华、北大两校同学数学能力整体上哪个更强，可以收集到两校同学高考时的数学成绩作为研究的数据对象。从某种意义上说，这是全数据。但是，并不是说我们有了这个全数据就能很好地回答问题。

一方面，这个数据虽然是全数据，但仍然具有不确定性。入校时的数学成绩并不一定完全代表学生的数学能力。假如让所有同学重新参加一次高考，几乎每个同学都会有一个新的成绩。分别用这两组全数据去做分析，结论就可能发生变化。另一方面，事物在不断地发展和变化，同学入校时的成绩并不能够代表现在的能力。全体同学的高考成绩数据，仅对于那次考试而言是全数据。“全”是有边界的，超出了边界就不再是全知全能了。事物的发展充满了不确定性，而统计学，既研究如何从数据中把信息和规律提取出来，找出最优化的方案；也研究如何把数据当中的不确定性量化出来。

所以说，在大数据时代，数据分析的很多根本性问题和小数据时代并没有本质区别。当然，大数据的特点，确实对数据分析提出了全新挑战。例如，许多传统统计方法应用到大数据上，巨大计算量和存储量往往使其难以承受；对结构复杂、来源多样的数据，如何建立有效的统计学模型也需要新的探索和尝试。对于新时代的数据科学而言，这些挑战也同时意味着巨大的机遇，有可能会产生新的思想、方法和技术。