带你读《数据资产》第二章数据资产的相关概念2.4 大数据时代的到来和兴起(一)

简介: 带你读《数据资产》第二章数据资产的相关概念2.4 大数据时代的到来和兴起

2.4       大数据时代的到来和兴起

 

随着信息化的不断推进,数据被大量地生产和积累,从而形成数据资源。开发利用数据资源逐渐成为新的需求点,大数据技术从信息技术发展出来,独立形成一个新的技术分支,并迅速壮大。


1997年,美国国家航空航天局NationalAeronauticsandSpaceAdminis-trationNASA研究员 MichaelCoxDavidEllsworth在第八届 IEEE国际可视化学术会议中首先提出了大数据”术语,他们认为数据大到内存、本地磁盘甚至远程磁盘都不能处理,这类数据可视化的问题称为大数据问[41]20089Nature出版了一期大数据专刊,使得大数据在科学研究领域得到了高度重视。20123月美国政府发布了《大数据研究和发展倡议》BigDataResearchandDevelopmentInitiative,使大数据引起了很多国家和全社会的重[42]20135月,第 462  次香山科学会议给出了大数据技术型和非技术型两个定义。技术型定义:大数据是来源多样、类型多样、大而复杂、具有潜在价值,但难以在期望的时间内处理和分析的数据集。非技术型定义:大数据是数字化生存时代的新型战略资源,是驱动创新的重要因素,正在改变人类的生产和生活方式[43]


大数据时代,数据成为最热的词条之一,相关概念的关注度不断攀升。数据作为一种重要的战略资源,其价值被不断挖掘和创造,正在成为一种新的资产——数据资产。1997年,尤谷尔·阿尔甘Ugur   Algan发表的《勘探生产数据库分析——实用创建技术》AnatomyofanE&PDataBank: PracticalConstructionTechniques指出,数据资产的数量、质量、完整性以及由此产生的可用性受公司的市场价值和竞争定位直接影响[44]2009年,托尼·费希尔

TonyFisher出版《数据资产》,指出企业要把数据视为公司资产[7]。作为被高度关注的资源,只有能让机器读取的数据才有可能显示出有价值的信息,成为数据资产。

 

 

 

2.4.1         数据资产术语发展

 

1974年,理查德·彼得松提到数据资一词,认为数据资产包括持有的政府债券、公司债券和实物债券等[1]。随着时间的推移,人们对数据资产的认识在不断深入,其内涵和范围也在不断扩展。1997年,尤谷尔·阿尔甘在《勘探生产数据库分析——实用创建技术》中提到数据资产,认为公司的市场价值和竞争定位直接关系到其数据资产的数量、质量、完整性以及由此产生的可用性,并指出创建 E&P数据库是利用好数据资产的第一步[44]


2009年,托·费希尔在《数据资产》中指出数据是一种资产,企业要把数据作为企业资产来对待[7]2009年,国际数据管理协会(DAMAInternational)在《DAMA数据管理知识体系指南》TheDAMAGuidetotheDataManagementBodyofKnowledge)中指出,在信息时代,数据被认为是一项重要的企业资产,每个企业都需要对其进行有效管理[45]2011年,世界经济论坛(World Economic ForumWEF)发布的《个人数据:一种新资产类别的出现》Personal Data: The EmergenceofaNewAssetClass)报告中指出,个人数据正成为一种新的经济资产类别[46]2013年,《美国陆军信息技术应用指南》(ArmyInformationTechnologyImple-mentation Instructions)中将数据资产定义为任何由数据组成的实体以及由应用程序提供的读取数据的服务;数据资产可以是系统或应用程序输出的文件、数据库、文档或网页等,也可以是从数据库返回单个记录的服务和返回特定查询数据的网站;人、系统或应用程序可以创建数据资产[47]20184月,中国信息通信研究院云计算与大数据研究所发布的《数据资产管理实践白皮书(2.0版)》中将数据资产定义为由企业拥有或者控制的,能够为企业带来未来经济利益的,以物理或电子的方式记录的数据资源,如文件资料、电子数据等[48]2018年发布的《信息技术服务 治理 第 5部分:数据治理规范》(GB/T34960.52018)中,数据资产的定义是组织拥有和控制的、能够产生效益的数据资源[49]2019年正式生效的美国《开放政府数据法案》中将数据资产释义为可以组合在一起的数据元素或 数据集

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
|
5月前
|
机器学习/深度学习 传感器 分布式计算
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
378 14
|
7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。
239 4
|
7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。
381 3
|
6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
294 0
|
7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。
|
5月前
|
传感器 人工智能 监控
数据下田,庄稼不“瞎种”——聊聊大数据如何帮农业提效
数据下田,庄稼不“瞎种”——聊聊大数据如何帮农业提效
180 14
|
7月前
|
SQL 人工智能 分布式计算
在数据浪潮中前行:我与ODPS的实践、思考与展望
在数据驱动决策的时代,企业如何高效处理海量数据成为数字化转型关键。本文结合作者实践,深入解析阿里云自研大数据平台 ODPS 的技术优势与应用场景,涵盖 MaxCompute、DataWorks、Hologres 等核心产品,分享从数据治理到实时分析的落地经验,并展望其在 AI 与向量数据时代的发展前景。
277 70
|
4月前
|
传感器 人工智能 监控
拔俗多模态跨尺度大数据AI分析平台:让复杂数据“开口说话”的智能引擎
在数字化时代,多模态跨尺度大数据AI分析平台应运而生,打破数据孤岛,融合图像、文本、视频等多源信息,贯通微观与宏观尺度,实现智能诊断、预测与决策,广泛应用于医疗、制造、金融等领域,推动AI从“看懂”到“会思考”的跃迁。
373 0
|
5月前
|
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
185 1
|
5月前
|
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
385 1