带你读《数据资产》第二章数据资产的相关概念 2.5 相关概念分析

简介: 《数据资产》第二章数据资产的相关概念 2.5 相关概念分析

2.5       相关概念分析

 

在不同的技术、经济和社会发展背景下,不同领域的人对网络空间中的内容认识不同,从而产生了信息资产、数字资产、数据资产等名词不同但内涵差异不大的术语。由于资源”“资产”“资本”“经济等术语紧密关联,于是衍生出一系列概念:信息资源、信息资本和信息经济;数字资源、数字资本和数字经济;数据资源、数据资本和数据经济等。这 3 组概念内涵相近、同时并存、各自表述,在实际工作中容易引起混乱,有必要对它们进行梳理和统一。总体来讲,这些概念描述的都是网络空间计算机系统中的数据,只是在信息技术和经济社会融合发展的不同时期、不同发展战略和经济环境背景下,由不同的学者(尤其是经济学家)、政治家和政府从各自对数据的理解和需要中提出的。事实上,上述概念的出现并没有明显的次序关系,总体处于概念并存、含义相近的状态,这会给公众带来不便,对科学研究、产业推进都是不利的。

 

2.5.1         概念的发展没有次序关系

 

上述 12个概念的首次出现没有明显次序关系,也没有递进发展阶段。术语出现的时间见表 2-1

·  从纵向看,在“信XX”“数字XX”“数据XX”这3类概念中,“数字

XX出现得相对较晚,但是数据经济(2011年)出现得最晚。

·  从横向看,“XX资产”“XX资源”“XX资本”“XX经济”的出现次序没有规律可循。

2-1术语出现的时间

                     image.png

 

随着大数据被广泛重视,自 2016年起,数据资产化的工作明显加快。2016年以来关于数据资产的重要报告如下。

2016年,美国行政管理和预算局发布《管理作为战略资源的联邦信息》;中国信息通信研究院发布《中国信息经济发展白皮书(2016年)》;G20峰会发布《二十国集团数字经济发展与合作倡议》。

    2017年,IDC公司和 OpenEvidence公司发布《欧洲数据市场 SMART2013/0063总结报告》;欧盟委员会发布《构建欧洲数据经济》。

2018年,泰国颁布了《数字资产法》,但这部法律重点在数字货币,而不是一般意义上的数据;DigitalRealty发布《2018数据经济报告》(TheDataEconomyReport2018);中国国家市场监督管理总局和中国国家标准化管理委员会联合发布《信息技术服务 治理 第 5部分:数据治理规范》(GB/T34960.52018)。

    2019年,美国《开放政府数据法案》正式生效;中国信息通信研究院和大数据技术标准推进委员会联合发布《数据资产管理实践白皮书(4.0版)》。

    2020年,中国信息通信研究院发布《中国数字经济发展白皮书(2020年)》。从上述报告来看,近年信息XX提法趋弱数据XX提法趋强。

这说明,大数据热潮兴起后,数据 XX的概念越来越受到重视,但3组概念仍然是并存的。


2.5.2         概念的内涵是网络空间的内容

 

上述 312个概念还没有被广泛接受的定义,可能是因为人们对数据的理

解还在初级阶段,难以形成科学的定义。这 312个概念中相对较好的描述见2-2

2-2数据资产相关概念汇总

image.png

                     

 

从表 2-2可以看出,所有的概念基本围绕网络空间的内容。

 

第一,物质、能源和信息被认为是人类社会的三大资源,在这一大背景下,信息资产(资源、资本、经济)的概念相对获得了较广泛的认同。但是,信息的概念过于宽泛,既包括了网络空间的内容,又包括了对物理空间的各种描述,例如图书资料等。显然,网络空间的信息内容和现实世界的信息内容在处理和运用技术上差别巨大。因此,在当前大数据背景下,亟须研究探索的是网络空间的信息内容。

第二,数字01)是网络空间的内容在存储介质上物存在的形式,占用存储介质的空间,因此数字资产(资源、资本、经济)的概念颇为流行。但是,网络空间01成的集合并不能直接被人们看见,更不能直接被理解,因此数字资产(资源、资本、经济)就不能直接被人们理解和认识,计量计价之类的工作也就无从谈起。

第三,随着大数据的兴起,人们注意到数据是数字经济的关键要素。这个描述从字面上看就是数据数字的矛盾。这说明名词数字在经济和社会层面受到广泛认可,而数据则在信息技术领域(尤其是数据库、数据挖掘、机器学习等方向)被广泛使用。大数据的出现弱化了数字,没有人说数字,从宏观上看,数字经济涉及网络、通信、计算机、软件和数据资源等,其中发挥核心作用的是数据资源。

综上,数据是以数字01)形式存储在存储介质中的,数据通常表示    信息,但也可能不含有信息,或者含有很少的信息。数据作为一种资源或生产资料大量存在,需要新技术将数据所含有的信息开发出来,因此数据是数字经济的关键要素。

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
XML Java 数据格式
Springboot中自定义组件
Springboot中自定义组件
255 1
|
测试技术
jmeter性能指标分析
使用jmeter压测后,对各项指标进行分析
1849 0
|
3月前
|
存储 分布式计算 API
什么是批处理?批处理系统是怎么运转的?
本文深入浅出地解析批处理:它并非“老古董”,而是支撑报表生成、推荐系统、银行结算等关键业务的底层引擎。文章厘清其“积攒+批量执行”的本质,详解调度、计算、存储、容错四大核心组件,并以FineDataLink为例,展示如何通过可视化编排、内嵌Spark、多源接入与API发布,让批处理更高效、易用。
|
3月前
|
前端开发 容器
CSS-Flex布局
CSS Flex弹性布局是移动端/响应式开发的核心方案,通过「容器+项目」模型实现灵活空间分配与对齐。本文详解核心概念、容器/项目属性,并结合评论框代码实战拆解,助新手快速掌握justify-content、align-items、flex:1等关键用法。(239字)
551 5
|
6月前
|
缓存 安全 Java
如何在Java中实现多线程编程
Java多线程编程有三种主要方式:继承Thread类、实现Runnable接口、实现Callable接口(结合Future获取结果),推荐使用Runnable避免单继承限制。通过线程池(如ExecutorService)可高效管理线程,提升性能。多线程共享资源时需注意线程安全,使用synchronized或Lock机制保证数据一致性。适用于并发执行、异步计算等场景。
467 1
|
6月前
|
监控 Java 测试技术
JMeter 分布式压测指南:深入挖掘系统性能极限
本文针对单机压测的性能瓶颈,分享了JMeter分布式压测的实战经验。通过Master-Slave架构突破单机限制,结合Ansible实现高效节点管理,详细介绍了从需求分析、脚本设计到环境部署的全流程解决方案,为高并发性能测试提供实用指导。
|
11月前
|
机器学习/深度学习 自然语言处理 PyTorch
基于Pytorch Gemotric在昇腾上实现GAT图神经网络
本实验基于昇腾平台,使用PyTorch实现图神经网络GAT(Graph Attention Networks)在Pubmed数据集上的分类任务。内容涵盖GAT网络的创新点分析、图注意力机制原理、多头注意力机制详解以及模型代码实战。实验通过两层GAT网络对Pubmed数据集进行训练,验证模型性能,并展示NPU上的内存使用情况。最终,模型在测试集上达到约36.60%的准确率。
|
Java 应用服务中间件 Spring
SpringBoot 响应请求是串行还是并行?
Spring Boot 在默认情况下通过 Servlet 容器的线程池实现并行处理 HTTP 请求。通过适当的线程池配置,可以进一步优化并发性能。此外,Spring Boot 提供了异步处理机制(如使用 `@Async` 注解)和反应式编程模型(Spring WebFlux),使得应用能够处理更高的并发负载。在具体项目中,可以根据需求选择合适的处理模型,以充分利用 Spring Boot 的并发处理能力。
516 21
|
网络安全 开发工具 git
解决fatal:remote error:You can’t push to git://github.com/username/*.g
通过上述诊断与修复步骤,绝大多数的推送错误都能得到有效解决,确保您的Git工作流顺畅无阻。
711 1
|
XML Shell Linux
性能工具之 JMeter 使用 Python 脚本快速执行
性能工具之 JMeter 使用 Python 脚本快速执行
575 1
性能工具之 JMeter 使用 Python 脚本快速执行

热门文章

最新文章