• “结绳记事”，“文以载道”，“数据建模”，数据一直伴随着人类社会的发展变迁，承载了人类基于数据和信息认识世界的努力和取得的巨大进步. 如今, 信息化推动数据（信息）成为继物质、能源之后的又一种重要战略资源.“大数据”概念于 1998 年美国高性能计算公司 SGI 的首席科学家约翰·马西（John Mashey）在一个国际会议报告中指出:“随着数据量的快速增长，必将出现数据难理解、难获取、难处理和难组织等四个难题，并用“Big Data（大数据）”来描述这一挑战”，在计算领域引发思考。
• 2012年维克托·迈尔-舍恩伯格（Viktor Mayer-Schnberger）在其畅销著作《大数据时代（Big Data: A Revolution That Will Transform How We Live,Work,and Think）》中指出，数据分析将从“随机采样”、“精确求解”和“强调因果”的传统模式演变为大数据时代的“全体数据”、“近似求解”和“只看关联不问因果”的新模式，从而引发商业应用领域对大数据方法的广泛思考与探讨。
• 2014 年后概念体系逐渐成形,大数据的价值本质上体现为：提供了一种人类认识复杂系统的新思维和新手段对现实世界数字化承载了现实世界的运行规计算能力和高效的数据分析方法的前提下，对这个数字虚拟映像的深度分析，将有可能理解和发现现实复杂系统的运行行为、状态和规律
• 2016年，中国BI 发展进入第三阶段——智能化阶段。
在这一阶段，中国 ABC（Artificial Intelligence、Big Data、Cloud）技术爆发，对商业智能领域是重大利好。自然语言、机器学习和人工智能技术，进一步提升了 BI 的算力。因为云计算，企业开始将自身数据资产迁移到云端，大大降低了 BI 部署的成本。金融、电力、制造、消费、教育、政务等行业的大数据积累到了一定的量级，在质量和时效性（实时性）上进一步提升。
自大数据概念提出 1/4 个世纪, 摩尔定律在各行业逼近人类现有技术极限. 若一间大 House, 东西放不下了, 在有能力获得另一处大 house 之前必然要整理整理; 尤为奇特的是, 整理的同时会发现能清理废物, 发现宝物, 协调家庭, 大有裨益, 便刺激行动, 好好整理.回首 1998 的四大难题, 一一得到解决。
1. 难获取: 由数据埋点处理, 并逐步智能化
1989 年 8 月召开的第 11 届国际人工智能联合会议 KDD (Knowledge Discovery in Databases), 其应用部分的数据挖掘（Data Mining）则是知识发现（KDD）的核心部分.
2. 难组织: 数据库智能化历程
3. 难处理: 数据源层面有 ETL, 数据语言层面有 DAX
4. 难理解: 有数据洞察+AI 学习
2. 信息-数据发展框架当对用户提及数据, 能连通想到各个数据采集器, 至多由学术分析到信息采集; 但常常忘记物理世界 (现实的学术称呼), 物理世界本就可以看作经过大脑由一切信息映射.
1. 信息化是将物理世界的业务的局部关键流程, 集成点实现到软件里, 关注企业内部的管理, 将局部的业务数据化, 但是大部分的业务由线下人工流程实现.
2. 数字化的重点是将物理世界的全域业务实现到软件中, 是全面的业务数据化, 核心为人的经验和决策, 换句话说将流程中的部分人解放出来, 关注如何优化业务流程, 提升运营效益.
3. 智能化的重点是将以人为主设定的业务流程转换为以数据模型, 该数据模型同数字化的数据模型的核心区别是, 数据模型本身也是智能化的,
引用:
• 大数据：发展现状与未来趋势_中国人大网
• 数据库技术的发展历程_数据库技术发展史_数据管理的历史发展_数据技术管理的3个发展阶段_华为云学院_华为云
关于MagicBI
MagicBI是国内最早从事搜索式数据分析技术并商业化落地的团队。团队成员主要来⾃微软、阿⾥、百度、字节等公司的⼤数据团队。我们的使命是“简便每⼀次分析，只为每⼀位⽤户”。公司致力于搜索式分析，通过类似百度搜索的⽅式查询数据，应用可解释AI、自然语言分析等技术，实现数据分钟级地⾃动化洞察，⽆需过多培训，同时打通PC端与移动端，支持语音输入，满足任何⼈、任何时间、任何地点、任何方式进⾏数据洞察，提⾼业务决策效率。
最新评论