京公网安备 11010802034615号
经营许可证编号:京B2-20210330
从大数据走向大知识 大数据可以产生更多功能
大数据正在为人们的生活提供种种便利,关于大数据的讨论已经渗透经济、社会、生活各个领域,工程师们发现一个惊人的现实:大数据已经开始独立于人,在人类社会加自然界的二元空间之外,形成单独的信息空间。
在近日于北京举办的数字化知识服务科学与工程2015国际高端研讨会上,中国工程院院士潘云鹤表示:“50年以前人类还是二元空间,信息还依靠人来发出,信息来自于人类社会。人们写书、开会交流、使用媒体,计算机的信息都是人输进去的。后来人们开始把信息进行互联,有了互联网、移动通信和搜索技术,信息通过互联网来自于物理世界,去年相关调查发现,绝大部分网络上信息的流量不是被人所占用,而是被机器人所占用,这是非常令人惊讶的。”
大数据时代真的主打“数据”吗?许多国家开始着手对“数据”做文章。2001年中国政府和美国自然科学基金开始进入一项国际合作项目:数字图书馆,让所有人不论何时何地都能通过互联网访问到全人类的知识,这个项目一共实现了250万册图书的数字化。
“虽然项目一开始是为了向全世界提供图书和资料,但是后来发现不但可以借书,还可以有很多新的服务,比如,可以实现在网上访问名胜古迹,里面有敦煌石窟数字化三维造型。再比如,该项目把中国900多个书法家4000多件作品进行了数字化,因此可以帮助全世界学习汉语和书法的人练习书法,也可以进行书法的设计。”潘云鹤说,“我们发现海量数据如果能彼此打通,从中可以产生大量新知识,我们把彼此联通的海量知识称为数据海,图书馆如果拥有数据海的话就可能发展成为数字图书馆,就和原有的图书馆具有完全不同的性能”。
因此,大数据时代不是只主打一组组的数据,这些数据可以产生更多的功能,仅仅挖掘大数据是不够的,应该从大数据走向大知识。
在研讨会上,记者了解到浙江大学正在将中医大数据变为新的知识。他们把各种各样的方剂、疾病、医生、病人互相打通,将互联网、数字图书馆、专业数据联系起来,进行深度搜索。这样一来,既可以研究中药里某种化合物的成分,还可以对药材进行各种各样的鉴别,对药材如何组合进行分析,这对于医生探索新的药方有非常大的帮助。
正是基于大数据到大知识的探索,中国工程院在2014年成立了国际工程科技知识中心,希望把多个数字图书馆、专业数据库和世界上各种各样跟工程科技有关的网站连在一起,让大量的数据形成数据海,用数据海的特点从不同角度获得新的知识和新的认识。
潘云鹤说:“国际工程科技知识中心将为各个院士提供研究我国战略所需要的知识,中心发展到一定程度后向全体工程师们开放,让我国的工程师利用其开发新的产品,了解全世界在该领域的研究进程。此外,这个中心还要承担支持我国的产业转型的重任。”
中国工程院院长周济在研讨会上表示,大数据与智能终端、移动互联等相互结合,进一步推动了信息化和工业化的深度融合,进一步开拓了技术创新与经济发展的模式,进一步提升了政治统领和行业发展的决策科学化水平,我们正在经历新一轮以大数据为主的信息革命和产业变革。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14