《大数据、小数据、无数据:网络世界的数据学术》一 第1章 挑战 1.1 引言

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 本节书摘来自华章出版社《大数据、小数据、无数据:网络世界的数据学术》一 书中的第1章,第1.1节,作者:[美] 克莉丝汀L. 伯格曼(Christine L. Borgman),更多章节内容可以访问云栖社区“华章计算机”公众号查看。

第1章

挑  战
数据价值因运用而生。
─《比特的力量》(Bits of Power),美国国家研究委员会

1.1 引言

1963年,德里克·德索拉·普赖斯(Derek de Solla Price)因提出“小科学”和“大科学”的概念而闻名。最近,温伯格(Weinberg 1961)提出大科学一词强调体现社会雄心壮志的巨大投入。他认为20世纪的科学里程碑包括巨型火箭、高能量加速器和高通量研究反应堆,它们堪比埃及金字塔、凡尔赛宫和巴黎圣母院,是“我们这一时代的象征”。我们的时代即人造卫星的时代,也是将大量资金投入科学事业的时代。普赖斯和温伯格都对大科学的发展历程提出了疑问,普赖斯质疑大科学和小科学的相对价值大小,温伯格质疑大科学是否值得如此巨额的投入,以及其是否在总体上损害了科学。
与50年前的“大科学”相比,“大数据”有过之而无不及,其出现在《科学》《自然》《经济学人》和《连线》杂志的封面,并成为《华尔街日报》《纽约时报》以及许多其他主流与非主流出版物的头版。正如大科学旨在发现宇宙奥秘一样,大数据则有望揭示日常比特流中埋藏的宝藏。大数据是现代商业的“石油”(Mayer-Schonberger and Cukier 2013)、相互合作的黏合剂(Borgman 2007)和学者的思想碰撞之源(Edwards et al. 2011;Edwards 2010)。
然而,数据不能像石油一样流动,像胶水一样黏结,像火柴一样擦出火花。数据价值因运用而生,由此产生了《比特的力量》这一报告(National Research Council 1997)。“何为数据”是个尚未阐明的问题,在该问题上达成的唯一共识是单一定义无法清楚刻画数据的定义。数据价值具有多样性,其可能直到数据采集、监护或丢失很久后才产生,同时也因地、因时、因具体情景而具有很大的不同。正确数据通常比大量数据更具有优势。虽然大数据十分风靡,但一些小数据也可能具有像大数据一样的价值。无数据的现象也十分普遍,原因可能是相关数据不存在,或相关数据存在但找不到,或专有控制权、禁令、技术壁垒、缺乏监护导致的数据等级退化等,甚至仅仅由于数据拥有者不能或不愿共享,使得数据虽存在但不能使用。
数据正以数字和物理形态快速增长。大数据使大规模条件下的新问题具有可能性和可考虑性。学者们首次可以提出全样本数据集条件下的问题(Edwards et al. 2013;Mayer Schonberger and Cukier 2013;Schroeder 2014)。但是,与已经存在了几个世纪的物理数据相比,数字数据依旧相当脆弱。不像纸、莎草纸或者水彩画那样,数字数据只有在其诞生的技术设备环境中才能进行解读。随着软硬件的迅速发展,数据记录只有迁移到新版本才能保持可读性。数字记录还需要文档说明,其中不仅要包括电子表行列说明,还要包括数据获取流程说明。同理,标本、幻灯片和样本只有在说明文档的辅助下,才可能具有可读性。除非我们能为了数据将来的运用而进行数据监护的大量投资,否则大部分数据都会退化。
数据的强大性与脆弱性两个特点结合起来使其成为学术交流中极具魅力的研究课题。孤立的数据没有任何价值和意义。数据可能成为资产或债务,甚至既是资产又是债务。数据存在于知识基础设施中,即人、生产实践、技术、组织机构、物质对象及其相互关系构成的生态圈。其所有组成成分随利益相关者、技术、政策和权利的变化而不断变动。知识基础设施不仅对今天和明天的学者至关重要,对那些运用其创造的知识的人同样十分重要。

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
|
2月前
|
机器学习/深度学习 运维 监控
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
74 0
|
13天前
|
机器学习/深度学习 传感器 监控
吃得安心靠数据?聊聊用大数据盯紧咱们的餐桌安全
吃得安心靠数据?聊聊用大数据盯紧咱们的餐桌安全
51 1
|
13天前
|
数据采集 自动驾驶 机器人
数据喂得好,机器人才能学得快:大数据对智能机器人训练的真正影响
数据喂得好,机器人才能学得快:大数据对智能机器人训练的真正影响
60 1
|
2月前
|
机器学习/深度学习 监控 大数据
数据当“安全带”:金融市场如何用大数据玩转风险控制?
数据当“安全带”:金融市场如何用大数据玩转风险控制?
86 10
|
2月前
|
机器学习/深度学习 自然语言处理 监控
大数据如何影响新兴市场投资决策?——数据才是真正的风向标
大数据如何影响新兴市场投资决策?——数据才是真正的风向标
56 3
|
2月前
|
机器学习/深度学习 传感器 大数据
大数据真能治堵吗?聊聊交通行业用数据疏通“城市血管”
大数据真能治堵吗?聊聊交通行业用数据疏通“城市血管”
104 4
|
2月前
|
机器学习/深度学习 人工智能 大数据
从数据到决策:政府如何用大数据把事儿办得更明白?
从数据到决策:政府如何用大数据把事儿办得更明白?
71 0
|
3月前
|
数据采集 分布式计算 DataWorks
ODPS在某公共数据项目上的实践
本项目基于公共数据定义及ODPS与DataWorks技术,构建一体化智能化数据平台,涵盖数据目录、归集、治理、共享与开放六大目标。通过十大子系统实现全流程管理,强化数据安全与流通,提升业务效率与决策能力,助力数字化改革。
91 4
|
3月前
|
分布式计算 DataWorks 数据处理
在数据浪潮中前行:记录一次我与ODPS的实践、思考与展望
本文详细介绍了在 AI 时代背景下,如何利用阿里云 ODPS 平台(尤其是 MaxCompute)进行分布式多模态数据处理的实践过程。内容涵盖技术架构解析、完整操作流程、实际部署步骤以及未来发展方向,同时结合 CSDN 博文深入探讨了多模态数据处理的技术挑战与创新路径,为企业提供高效、低成本的大规模数据处理方案。
193 3
|
3月前
|
SQL 人工智能 分布式计算
ODPS:数据浪潮中的成长与突围
本文讲述了作者在大数据浪潮中,通过引入阿里云ODPS体系(包括MaxCompute、DataWorks、Hologres)解决数据处理瓶颈、实现业务突破与个人成长的故事。从被海量数据困扰到构建“离线+实时”数据架构,ODPS不仅提升了数据处理效率,更推动了技术能力与业务影响力的双重跃迁。

热门文章

最新文章