大数据升维信息社会

《大数据升维信息社会》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、大数据升维信息社会以下根据现场演讲整理：对未来的思考和洞见是我们去描绘刻划未来信息社会很重要的一个方面。站在现在思考未来很困难，因为你的身体在现在的土壤上。把自己放在未来的土壤上思考是很挑战的事情，但是我们要尝试画未来的像，尽量把未来社会描绘出来。“信息社会”在今天概念已经在升级，我们要从数据的角度升级对信息社会的思考，未来是一个数据的社会，是一个以数据为基础的新智能社会。从IT到DT的时代变迁如果在十八世纪的时候是农业社会，大家看到整个规模或者说范围是农业为主的东西，十九世纪制造业起步，1950年GDP大部分是制造业，我想到2030年以信息为主的产业比例会变得最大，农业和工业的比例

2、会下降。全球经济从农业经济到工业经济再到信息经济演变的驱动力来自于技术的突破，技术在改变生产力和生产关系。信息要素全面升级，尤其是云计算正在变成基础设施，数据在变成整个经济社会的核心资源。从计算机出现到电子管、晶体管、集成电路，到今天网络连接数据的产生，新智能驱动的信息社会正在到来。被网络连接起来的各种智能终端，全方位记录经济和社会，包括人的行为数据。这个网络系统不断的去学习和使用人的行为数据，产生一个全方位的社会智能系统，一个新的智能信息时代到来。在不远的将来，《奇点临近》这本书的结论“2045年机器智能会超过人类智能”将是我们看到未来的状态。人类正从IT时代走向DT时代。IT时代

3、是以自我控制、自我管理为主，而DT时代，它是以服务大众、激发生产力为主的技术。这两者之间看起来似乎是一种技术的差异，但实际上是思想观念层面的差异。IT是信息技术，DT是数据技术。IT的技术在中国的第一阶段是怎样用计算能力、用系统武装，让每一个这样的机构或经济的主体变得强大，这是一个IT时代的特质。到DT时代特征更多呈现出一种平台+个人的方式，怎么样创建一种生态化平台去让别人去成功，你自己才能成功，这可能会变成DT时代核心思想。所以在过去大型机PC甚至到互联网早期时代更多是基于信息技术的推动，但是由于网络的出现，大量智能终端的连接所产生大量新的经济和生产要素（数据），云计算、数据会成为

4、新的、核心的社会经济发展引擎，变成第二次工业革命的一个核心动力。我们看到过去的IT时代主要是用数据库这样技术来管理结构化数据，企业的业务流程也是结构化的，而组织结构更是层次化组织，总起来说过去面对的是个结构化世界；在大数据到来的时候，数据源变得丰富多彩，机器和传感器数据，社交数据，移动数据，电邮数据等大量的非结构化数据成为主导，也是数据的产生会变得无边界，而消费者为核心的灵活动态流程会替代掉传统结构化的业务流程；同时组织形式也变成大规模的协同分工模式。总起来看，数据升维成为今天进入信息社会的基本动作。中国大数据产业及生态分析数据的产生一定会在云、端、网这三个视角产生，大量的数据产生应

5、该是基于端的产生。现在智能终端大量普及，未来可能会有80-90%数据基于这里产生，数据记录会基于每一个人手中或者每一个物件所记录下来，这些数据将重新刻画和描绘世界。关于数据的定义很多的书在谈到三V：体量、速度、种类，我们认为了除了3V之外，价值以及在线化是需要增加的定义的一部分。今天的数据如果不是用网络去连接、记录、打通价值就不能得到更大呈现。2014年全球互联网用户有30亿，Facebook有22亿注册用户，月活跃用户超过13亿人口。我们在2014年全球智能手机出货量突破13亿，连网设备超过300亿个终端设备，在这样用户智能终端和联网设备的背后就是在聚合大量的数据记录。由这些数据连

6、接人体、连接环境、连接物体、连接思想，构成了今天的非常生动的数据社会的景象，这种数据连接起来才能流动共享，真正实现数据的社会经济价值。IDC在《数字宇宙研究报告》里提到：2013年数字宇宙中只有不到20%的数据与云相关，到2020年这一比例将翻倍至40%。中国为领导的新兴市场将于2017年超越成熟市场，中国的数据量将会从2014年的909EB发展到2020年的8060EB，占比增长至18%。2014年的Gartner技术曲线显示大数据已经从炒作高峰进入到5-10年的稳定发展期，2017年大数据市场将达到534亿美元，年均增速达到58%，是同期IT产业增速的7倍。整个大数据产业处在蓬勃

7、发展的时期。我们看到传统的数据管理技术只是冰山一角，即结构化数据；今天大量的互联网WEB页面、邮件、社交媒体和更多的由个人在互联网上产生的数据是半结构化或者非结构化数据，这些数据在整个数据总量占比超过85%，但传统的数据管理和基础设施技术已经无法满足这种需求了。在上世纪的40年代50年代是数据与应用的紧耦合阶段，到了60年代开始出现数据库，70年代关系数据库出现，结构化数据管理问题得到比较好的解决，上世纪90年代数据分析变成关注的重点，到了2008年以后由