数智洞察 | 从IT到DT 数据和数据有啥不一样?

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 马云曾经在一次演讲中说道:“人类正从IT时代走向DT时代”,DT时代是我们面临的最大机遇。DT=Data technology,“大数据”已经成为烫手的名词,在实践过程中,我们要避免被大量新名词淹没了实质表意,而应该看到名词后面的本质,大数据是什么,有何必要又有何用途?
作者:阿里波特
来源:阿里云研究公众号

640.gif

导语:
马云曾经在一次演讲中说道:“人类正从IT时代走向DT时代”,DT时代是我们面临的最大机遇。

DT=Data technology,“大数据”已经成为烫手的名词,在实践过程中,我们要避免被大量新名词淹没了实质表意,而应该看到名词后面的本质,大数据是什么,有何必要又有何用途?

01.人类社会正从数据生产的IT时代迈向挖掘数据价值的DT时代

IT(Information Technology)时代是以自我控制、自我管理为主。IT时代下的社会活动是一个生产数据的过程,各行各业通过信息化升级,将企业的生产过程、物料移动、事务处理、现金流动、客户交易等业务流程,通过特定的信息系统、网络加工生成新的信息资源。

DT(Data technology)时代则是把数据当成生产资料的深入挖掘和动态运用,在生产生活决策的闭环中产生作用。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。信息和数据的累积,不会自动创造价值。

总的来说,IT时代是数据的静态发现,通过信息化解决流程和效率的问题,DT时代则是把数据当成生产资料的深入挖掘和动态运用,是解决挖掘数据价值、运用数据赋能的问题。

随着大数据、云计算、人工智能等信息技术的发展,人类社会开启了从IT时代向DT时代转变的新进程。

02.数据成为重要的生产要素和战略资源

传统的生产要素包括劳动力、土地、资本、技术、管理、知识等,而在信息时代,数据正成为一种重要的生产要素和战略资源。随着信息技术和产品的普及和应用,我们所处的世界,以及生产、生活的各个环节,无时无刻不在产生着数据。数据的汇聚与融合逐步形成了大数据,资源化的数据成为驱动产业智能化的关键原料。

狭义的大数据是以数量巨大、来源多元、格式多样、应用价值高为主要特征的数据集合,而广义的大数据除了数据集合的含义外,还包括对这些数据进行采集、存储、管理和关联分析,以及从中发现获取新知识、创造新价值、提升新动能的新技术和新业态。也就是说,不仅要掌握大数据,还要通过云计算的处理产生数据洞见,挖掘大数据背后所揭示的“知识”。大数据的价值在于可以提供尽可能多的详尽信息,并对信息进行有效处理,以数据聚合技术、人才、资金、物资等要素,推动生产要素的集约化整合、协作化开发、高效化利用、网络化共享,形成全新的资源配置模式,改变传统的生产方式和经济运作机制,提升经济运行效率和水平。因此,大数据是一种重要的促进社会发展、保障经济增长的战略资源。

大数据不是一种特定的技术,它是数据资源化并通过新技术挖掘数据价值的创新模式。

03.算力、算法、数据组成“智能三螺旋”,实现数据资源智能化变现

智能是DT时代的核心,人工智能在三大核心要素的驱动下,将成为推动数字经济发展的主要动力之一。算力、算法、数据三要素紧密结合,发生化学反应,其产物便是智能。我们可以这样来理解三者的关系:数据是输人的生产资料,算法是处理数据资源的方法,算力则是实现算法的能力。海量数据需要强大的算力进行处理,当前以云计算、边缘计算等为代表的计算技术,为高效、准确、安全地进行大数据分析提供了有力支撑。然而,简单的数据与算力配合仍旧难以发挥出数据真正的价值。要真正发现数据洞见,还需要有好的处理方法,这就需要先进的算法。以机器学习、机理模型等为代表的算法技术、能够为使用者提供智能决策支撑和智能化分析。大量的数据为智能学习算法提供了“学习资料”:复杂的计算在业务中倒逼算力的提升;算力的增加保障了高阶算法得以实现,提供了速度更快,容量更大的数据处理能力;算法的演进升级可以提升效率,节约算力。“数据+算力+算法”组成“智能三螺旋”,成为驱动产业智能转型的关键力量。

人类的有形资源都有边界,唯有科技创新蕴藏着没有边界的无限潜能。在DT时代,云计算、大数据、人工智能正成为推动政府、企业可持续发展的重要途径,而基于数据资源的数据智能的相关技术与创新模式,将推动各产业的智慧化转型。

内容来源:《数字政府2.0》 ,中信出版社,2019-10

编辑/张楠

640 (1).gif

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
8月前
|
SQL 数据采集 数据挖掘
大数据行业应用之Hive数据分析航班线路相关的各项指标
大数据行业应用之Hive数据分析航班线路相关的各项指标
213 1
|
监控 数据可视化 大数据
蚂蚁金服数据洞察分析平台DeepInsight:人人都是数据分析师
小蚂蚁说: 大数据时代,由数据驱动的用户行为分析、运营分析、业务分析无疑是最被关注的“热词”,尤其对于拥有海量数据的大中型企业来说,对数据的需求已远远超越了传统数据报表所能提供的范畴。如何运用自助式BI实现当代企业精细化运营,已成为企业运营管理的新课题。
7069 0
|
5月前
|
自然语言处理 供应链 数据可视化
大数据在市场营销中的应用案例:精准洞察,驱动增长
【8月更文挑战第25天】大数据在市场营销中的应用案例不胜枚举,它们共同展示了大数据技术在精准营销、市场预测、用户行为分析等方面的巨大潜力。通过深度挖掘和分析数据,企业能够更加精准地洞察市场需求,优化营销策略,提升市场竞争力。未来,随着大数据技术的不断发展和普及,其在市场营销领域的应用将更加广泛和深入。
1502 3
|
机器学习/深度学习 人工智能 边缘计算
数据与分析的战略趋势
数据与分析的战略趋势
|
供应链 监控 Cloud Native
瓴羊Quick BI助力子不语实现全场景数据分析与决策
在中国跨境电商时尚服装类垂直领域,SHEIN与Temu 缠斗得“难解难分”,备受关注的SHEIN何时上市也是众人津津乐道的话题,但当“低调”的子不语集团(2420.hk)于2022年双十一在港交所主板上市以后,市场才意识到中国跨境电商又一巨头的出现。
309 0
瓴羊Quick BI助力子不语实现全场景数据分析与决策
|
数据采集 移动开发 监控
Quick Tracking「全域采集与增长分析」,破局全域营销之道
全域采集及增长分析 (Quick Tracking) 是瓴羊推出的企业级流量统计分析产品,支持APP/小程序/H5/Web/IOT等数字应用终端的行为采集分析、私域标签画像、性能体验监控、隐私采集授权管理等数据采集与洞察服务,借助Quick Tracking,技术、产品、运营等同学可以快速按需提取和分析流量数据,衡量产品升级和运营活动效果。
Quick Tracking「全域采集与增长分析」,破局全域营销之道
|
机器学习/深度学习 SQL JSON
图解大数据 | 使用Spark分析挖掘零售交易数据@综合案例
电商与新零售是目前大数据与AI应用最广泛的场景之一,本案例以跨国在线零售业务为背景,讲解使用pyspark对HDFS存储的数据进行交易数据分析的过程,并且对分析结果使用echarts做了可视化呈现。
4435 1
图解大数据 | 使用Spark分析挖掘零售交易数据@综合案例
|
存储 数据采集 算法
Paper Time|开放式时空大数据助力智能公交路线规划
Paper Time|开放式时空大数据助力智能公交路线规划
889 0
Paper Time|开放式时空大数据助力智能公交路线规划
|
存储 数据采集 大数据
从IT走向DT 大数据技术推动企业进步
从IT走向DT 大数据技术推动企业进步
189 0
从IT走向DT 大数据技术推动企业进步
|
移动开发 数据可视化 安全
利用NBI大数据可视化工具做RFM模型分析,洞察数据价值,驱动业务增长
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理的分析模式中,RFM模型是被广泛提到的。该数据模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。
利用NBI大数据可视化工具做RFM模型分析,洞察数据价值,驱动业务增长

热门文章

最新文章