《智能数据时代:企业大数据战略与实战》一1.6 智能数据时代到来

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

.本节书摘来自华章出版社《智能数据时代:企业大数据战略与实战》一书中的第1章,第1.6节,作者 TalkingData ,更多章节内容可以访问云栖社区“华章计算机”公众号查看

1.6 智能数据时代到来

智能数据就是有效融合了人工智能和人类智慧的数据,这样的数据才能持续产生商业价值。这个名词的出现揭示了数据、人和机器三者之间的有机联系。这种有机联系赋予数据更多价值,更赋予数据心智。现阶段的“数据”与以往的数据已经有很大不同。数据中包含的信息量越来越大、维度越来越多,从图像、声音等富媒体数据,逐渐过渡到人的动作、姿态、行为轨迹,再加上地理位置、天气、社会群体行为等,以往处理数据的思路已经难以适应“数据”本身发展的速度。一个融合人类智慧、人工智能以及海量非结构化数据的智能数据时代已经来临。因此,“发展多年的‘大数据’即将进入‘下半场’”。
智能数据时代最重要的三个要素是:数据、人工智能、人类智慧。这三者之间的关系又是什么?我们可以做个比喻。数据相当于什么?人的血液。人工智能相当于什么?人的心脏。心脏需要靠血液供给,但同时它还会根据人的心跳把血液再输回给人体,从此往复循环,形成一个正循环。人类智慧是什么?大脑,这是不可替代的。所有这一切构成了智能数据时代的三个要素。数据的积累,推动了人工智能的进步(数据量越大,训练出来的人工智能越强大)和人类智慧的积累(通过对数据的洞察和分析,人类经验得以增强,智慧得以积累),从而产生了更多的应用场景;应用场景的增加,导致数据在量级和维度上进一步变化,人工智能不一定能够处理所有的变化,所以需要人类智慧的介入,调整人工智能以适应新的数据处理方式,从而使人工智能得以进步,并且也进一步积累了人类智慧——这是一个正向的循环。数据、人工智能和人类智慧相互促进,迎来了新的智能数据时代。
缺乏人类智慧的持续介入,人工智能对数据的加成作用会随着数据的变化逐步弱化甚至失效;缺乏人工智能,人类无法处理如此海量的数据;缺乏数据,人工智能无法存在,人类智慧的积累也会放缓。比如通过人的有监督的训练,可以获得体现人姿态动作的手机传感器的训练数据集,这是体现人类智慧的数据。这些数据通过人工智能的算法分析,然后经过人类智慧的参数调整和验证,可以趋近反映人的真实动作和姿态,实现情景感知能力。具有情景感知能力的手机,可以提供给应用开发者更多的应用场景,比如运动健身、金融风控、物流管理、娱乐体验等,每个领域出现的新的用户体验,也会产生更多的数据,让人类智慧继续积累,让人工智能更加强大。又比如,原始数据进入SmartDP以后,需要经过数据架构师的人类智慧的分析和整理,通过人工智能的辅助,才能得到干净的或者建模的(比如图)数据。这些数据在使用的时候也必须结合人类智慧和人工智能。如果原始数据没有经过运营,垃圾进垃圾出,就不是智能数据。甚至数据还需要持续的运营,如果运营中断,有可能就慢慢地不智能了(过期了)。再比如在行业领域,我们通过咨询(人类智慧,积累了行业的经验)帮助客户梳理数据的脉络,采集必要的数据,再通过人工智能来满足业务需求,解决场景化的问题,同时又产生更多的数据。

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
|
1月前
|
SQL 分布式计算 数据挖掘
从湖仓分离到湖仓一体,四川航空基于 SelectDB 的多源数据联邦分析实践
川航选择引入 SelectDB 建设湖仓一体大数据分析引擎,取得了数据导入效率提升 3-6 倍,查询分析性能提升 10-18 倍、实时性提升至 5 秒内等收益。
从湖仓分离到湖仓一体,四川航空基于 SelectDB 的多源数据联邦分析实践
|
9天前
|
数据采集 机器学习/深度学习 人工智能
数据驱动智能,智能优化数据——大数据与人工智能的双向赋能
数据驱动智能,智能优化数据——大数据与人工智能的双向赋能
56 4
|
3月前
|
SQL 数据可视化 大数据
从数据小白到大数据达人:一步步成为数据分析专家
从数据小白到大数据达人:一步步成为数据分析专家
310 92
|
1天前
|
数据采集 机器学习/深度学习 算法
别急着上算法,咱先把数据整明白:大数据分析的5个基本步骤,你都搞对了吗?
别急着上算法,咱先把数据整明白:大数据分析的5个基本步骤,你都搞对了吗?
19 4
|
1月前
|
传感器 机器学习/深度学习 人工智能
数据让农业更聪明——用大数据激活田间地头
数据让农业更聪明——用大数据激活田间地头
56 2
|
2月前
|
人工智能 算法 大数据
数据的“潘多拉魔盒”:大数据伦理的深度思考
数据的“潘多拉魔盒”:大数据伦理的深度思考
173 25
|
3月前
|
分布式计算 Shell MaxCompute
odps测试表及大量数据构建测试
odps测试表及大量数据构建测试
|
2月前
|
存储 SQL 数据挖掘
数据无界、湖仓无界, Apache Doris 湖仓一体解决方案全面解读(上篇)
湖仓一体架构融合了数据湖的低成本、高扩展性,以及数据仓库的高性能、强数据治理能力,高效应对大数据时代的挑战。为助力企业实现湖仓一体的建设,Apache Doris 提出了数据无界和湖仓无界核心理念,并结合自身特性,助力企业加速从 0 到 1 构建湖仓体系,降低转型过程中的风险和成本。本文将对湖仓一体演进及 Apache Doris 湖仓一体方案进行介绍。
数据无界、湖仓无界, Apache Doris 湖仓一体解决方案全面解读(上篇)
|
1月前
|
JSON 分布式计算 DataX
【YashanDB知识库】使用DataX工具迁移yashan数据到maxcompute
本文介绍使用崖山适配的DataX工具进行数据库迁移的方法,包括单表迁移和批量表迁移。单表迁移需配置json文件并执行同步命令;批量迁移则通过脚本自动化生成json配置文件并完成数据迁移,最后提供数据比对功能验证迁移结果。具体步骤涵盖连接信息配置、表清单获取、json文件生成、数据迁移执行及日志记录,确保数据一致性。相关工具和脚本简化了复杂迁移过程,提升效率。
|
1月前
|
运维 自然语言处理 算法
云栖实录 | 大模型在大数据智能运维的应用实践
云栖实录 | 大模型在大数据智能运维的应用实践
277 3

热门文章

最新文章

下一篇
oss创建bucket