数据的五个特征、三道难题、一种自大

“数据是新石油”（Clive Humby，2006）。假如一定要找出一样，数据最像的还真是石油。两者都是重要的计谋资本，都是驱动天下的动力。但数据只是数据，它不是别的任何工具。

五个特征

数据是一种客观存在，是关于事物的究竟描写，可经过丈量、记录、发现等方式去获得。数据具有无穷性、易复制性、非均质性、易腐性和原始性五个特征。

（1）无穷性。与实物分歧，数据不会因利用而耗尽，反而是因利用而发生，会不竭被缔造，会越来越多。“数据将成为最根基的客观产物，不管做什么，我们都在发生数据”（Paul Sonderegger，2017）。按照DASA R&T《2016-2045年新兴科技趋向》，全球新发生的数据量大约每两年翻一番。这可谓大数据摩尔定律，数据大爆炸是必定。

（2）易复制性。数据可以快速地以近乎零本钱的方式停止复制，可供多人同时利用，可屡次循环利用，一小我的利用可以不排挤和故障他人对其利用，分歧人之间在利用上不存在间接的好处抵触。易复制性使得数据具有一定水平的非合作性和非排他性，但数据不是公共品，有公共数据、企业数据和小我数据之分。

（3）非均质性。《潜伏》中谢若林有句话：“现在两根金条放在这儿，你告诉我哪一根是高尚的，哪一根是龌龊的？”这说了然一个事理——金条是均质的，两根金条有着同等的代价表示。均质性普遍存在，例如出厂的商品、油电气等能源。而数据是非均质的，一比特数据跟另一比特数据所包括的代价完全分歧，同一份数据对分歧人的代价也纷歧样。正如王钦敏（2023）所说：“数据代价因利用工具而异，因利用处景而异，因专业化数据质量标准而异。”

（4）易腐性。数据是一种易腐品，会随着时候的流逝而敏捷贬值。按照IBM（2015）数据，60%的非结构化数据在几毫秒内就落空真正代价。这意味着，数据的代价很洪流平表现在时效性上，跨越一半的数据在发生的那一刻就不再有代价，我们可称之为“一秒钟定律”。能获得分析处置并发生现实功效的数据则更少。全球90%的数据从未获得分析利用（IBM，2015；DASA R&T，2016）。2020年被建立或复制的数据中，只要不到2%被保存并保存到2021年（来历：IDC）。

（5）原始性。数据是原始的，自己并没成心义，只要对它停止处置分析，才能转酿成对人们有用的信息。假如说数据是新石油，那末分析就是内燃机。信息是数据提炼后的产物；信息经人脑加工后构成常识，常识具有主观性；数据、信息和常识是历史的，而聪明是关于未来的，是人们应用常识做出决议和判定的才能。

对数据、信息、常识和聪明之间的关系，福特汉姆大学Zeleny教授（1987）提出了DIKW金字塔模子（以下图所示），从底层到顶层依次是：

• 数据（Data）：Know nothing，一无所知；
• 信息（Information）：Know what，晓得是什么；
• 常识（Knowledge）：Know how，晓得怎样做；
• 聪明（Wisdom）：Know why，晓得为什么。

图 DIKW金字塔模子

三道困难

一小我和四周人的差异首要在于把握信息、了解信息和应用信息的才能分歧。数据和信息相当重要。但当下有三道困难困扰着数据健康有序成长，即数据确权、数据买卖和数据要素。我们要迎难而上、勇于作为，以极大的勇气和聪明破解一切困难。

（1）数据确权。关云长身在曹营心在汉。对物理存在的身材之归属，我们比力轻易判定；而心里和灵魂是缥缈不定的，具有不肯定性、隐蔽性和多元性，不乏同时属于多个主体的情况。数据与之类似，人们很难清楚判定它属于谁，很难对其停止有用的物理切割和公道的权利分派。确权的复杂性与数据自己的特征有关，也与权利主体的多样性有关。数据链条触及多个介入者，他们缺一不成且没法零丁发挥感化，具有分歧的诉求。加上，数据的代价密度低，所发生的效益难以清楚权衡，这使得数据确权的本钱极高。

（2）数据买卖。买卖是一种互利互惠的行为，是人类社会中最具自觉性和最具积极性的活动。惟有双方都从中获益，买卖才会发生。对数据而言，买卖则是一个困难。结合国贸发会议（2019）指出：“数据具有重要的利用（或滥用）代价，但不像大大都经济商品那样具有交换代价。”现实中的买卖一般具有明白的价格，是可反复、可预期的。例如，商铺把明码标价的奶茶反复售卖给分歧的消耗者，消耗者获得的功效是可预期的——止渴、美味、交际。数据非均质、代价不易权衡、定价困难、预期功效难以治理、有“搭便车”风险……这都是数据买卖中要面临的题目。

（3）数据要素。生产要素是人们用来生产商品和劳务所必备的根基资本。它促进生产，但不会成为产物和劳务的一部分，也不会因生产进程而发生明显变化。新古典学派开创人马歇尔在其名著《经济学道理》（1890）中提出了生产要素四元论，即地盘、劳动、本钱和企业家才能。梅宏院士指出（2023）：“把数据建立为重要的生产要素是中国的初创。”但是，在经济学上界说数据生产要素是一件困难的工作，尚未看到有影响力和压服力的功效，迫切需要经济学家们抓紧研讨。

避免大数据自豪

提起数据挖掘的典范案例，很多人会想到“啤酒加尿布”和谷歌流感趋向。现实上前者是一个故事，早在1992年就已出现，并没有真正发生过；后者曾提早猜测出流感应来，不外因后来的正确性太低而早已被封闭。

数据的重要性毋庸置疑。人们喜幸亏“数据”之前加一个“大”字，以彰显非同平常。人们也经常堕入“大数据自豪（big data hubris）”的误区。数据能处理很多题目，但有范围性，经过数据难以猜测突变。一只光阴静好的猪，没法经过既往数据猜测出春节的黑天鹅；马车的出行数据，可以使人们获得“一匹更快的马”，但不能使人们发现出汽车。数据是企业的合作上风，但不是万能的。一个好的APP不会因有历史数据就能高枕无忧，它时辰遭到创新者的应战，只能“各领风骚仅几年”；创业者哪怕没稀有据、没有堆集，也可以推出创新产物，获得用户，获得成功。从这个角度上说，没稀有据也不是不可。

大数据时代，“要相关，不要因果”被奉为圭臬。“关键是人的分析推理找出为什么两件事物同时或相继出现，找对了来由才是新常识或新发现的纪律，相关性自己并没有多大代价”（李国杰，2015）。只信“数”不如无“数”。我们要综合应用尝试观察、逻辑归纳、归纳提炼等科学方式，探讨事物之间的关系和纪律，才能挖掘出有代价的信息和结论。

我们重视数据，底子上不是由于数据自己重要，而是尊重客观天下和客观纪律的实事求是精神重要，数据即究竟。正如李国杰院士（2015）所言：“重视数据就是夸大用究竟措辞、按理性思维的科学精神。”

文章来历：腾讯研讨院