为什么有人说数据会变得无价？
你好，我是科技1加1！感觉这个问题很有意思！是的，目前最有价值的是什么，要我说，就是数据！这个问题有两种回答。
1.什么是数据？
定义:数据是指能够记录和识别客观事件的符号，记录客观事物的性质、状态和关系的物理符号或这些物理符号的组合。它是一个可识别的抽象符号。
它不仅指狭义的数字，还可以是文字、字母、数字符号、图形、图像、视频、音频等的组合。也是对客观事物的属性、数量、位置及其关系的抽象表示。例如，“0，1，2...`”、“多云、下雨、下降、温度”、“学生成绩、货物运输”等等都是数据。数据经过处理后成为信息。
在计算机科学中，数据是指可以输入计算机并由计算机程序处理的所有符号媒体。它是用于输入电子计算机进行处理的数字、字母、符号和模拟量的总称。现在计算机存储和处理的对象种类繁多，代表这些对象的数据变得越来越复杂。
信息
信息和数据既有联系又有区别。数据是信息的表达和载体，可以是符号、字符、数字、声音、图像、视频等等。信息是数据的内涵，信息加载在数据上，给数据一个有意义的解释。数据和信息密不可分，信息依靠数据来表达，数据生动具体地表达信息。数据具有符号性和物理性，信息是数据加工后得到的并对决策产生影响的数据，具有逻辑性和概念性；数据是信息的表现形式，信息是数据的有意义的表示。数据是信息的表达和载体，信息是数据的内涵，是形式与质量的关系。数据本身是没有意义的，只有对实体的行为产生影响，数据才成为信息。
数据语义学
数据的表示不能完全表达其内容，需要解释。数据和关于数据的解释是不可分的。比如93是一个数据，可以是某个同学某门课的成绩，可以是一个人的体重，可以是计算机系2013年级的人数。数据的解释是指对数据的意义的解释，称为数据的语义，数据离不开它的语义。
分类
按性质分为
(1)定位，如各种坐标数据；
(2)定性的，如代表事物属性的数据(居民区、河流、道路等。);
(3)反映事物数量特征的定量数据，如长度、面积、体积等几何量或重量、速度等物理量；
(4)反映事物时间特征的计时数据，如年、月、日、时、分、秒等。
根据表现形式划分
①数字数据，如各种统计或测量数据。数字数据是一定区间内的离散值[3]；
(2)模拟数据，由连续函数组成，是指在一定区间内连续变化的物理量，也可分为图形数据(如点、线、面)、符号数据、文本数据和图像数据，如声音大小和温度的变化。
2.数据的重要性如今，大数据已经不再是一个陌生的名词。很多行业在使用大数据后都取得了非常好的效果。大数据和互联网相辅相成，相互联系，不断快速发展。
互联网上的数据每年都在以40%的速度递增，每两年就会翻一番。目前世界上90%以上的数据都是近几年才产生的。根据IDC的预测，明年全球共有35ZB的数据，互联网是大数据发展的前哨。随着互联网时代的发展，人们似乎已经习惯了通过网络将自己的生活数字化，方便分享、记录、回忆。
大数据围绕着我们生活的许多方面。
大数据围绕着我们生活的方方面面，最直观的体现在我们日常使用的社交工具中。比如腾讯有用户关系数据和基于此的社交数据，可以分析人们的生活和行为，挖掘出政治、社会、文化、商业、健康等领域的信息，甚至可以预测未来。简单来说，我们每天通过自己的QQ、微信、微博更新自己的动态、朋友圈，这些都会构成一种数据。大数据就是你可以通过你更新的大量信息来推断你的爱好，你的工作，你的住址，你的收入等等。
互联网时代大数据有多强大？
互联网时代大数据有多强大？大数据就像一个有能量的煤矿。煤炭按性质分为焦煤、无烟煤、肥煤和瘦煤，而露天煤矿和深山煤矿的采掘成本是不同的。与此类似，大数据不是“大”而是“有用”，价值内容和挖掘成本比数量更重要。大数据应用工程专业主要学习WEB技术、JAVA、JSP、大型数据库Oracle、LINUX集群、非关系数据库NoSql、Hadoop等技术。通过这些课程的学习，学生可以开发JAVAEE，分析和挖掘大数据。在就业过程中，学生可以进入传统软件公司进行OA、ERP等传统软件项目的开发，也可以对大数据进行分析和深度挖掘，搭建服务器集群。
在大数据时代，我们必须合理利用大数据，才能创造更高的工作效率，创造更多的财富。
所以数据就是金钱！掌握大数据就是掌握财富！
感谢您的阅读！
数据本身是没有价值的或者是极小的，价值是被赋予的。就像黄金一样，黄金的价值就是它的应用前景或者场景。
数据的价值就是数据能力所体现的收益，或者说投资回报。
今天，我们将讨论数据功能和价值。说到大数据，就不得不提数据仓库。在最后阶段，企业数据仓库可能成为大脑的中枢神经系统。如果要支持整个复杂的大脑和神经系统，需要一系列复杂的机制来配合。
一、抽象的数据能力架构我把数据能力抽象概括为四个方向:传输能力、计算能力、算法能力和数据资产级别。后面我会讲在这四种能力上概括的数据应用和价值。
1.数据传输能力
数据的大部分使用场景必然会涉及到数据传输，数据传输的性能决定了一些应用场景的实现，实时数据调用、处理、算法推荐、预测等。传输抽象出来的支撑体系是底层的数据存储架构(当然在不同机房传输也要考虑网络环境)。简单的小数据量调用一般不涉及这些，但是当数据量很大，高并发，SLA要求很严格的时候，就是对数据传输能力的考验了)。
从产品的角度，我把数据传输能力分为:底层数据传输效率和应用层数据传输效率。
底层数据传输效率是指数据源进入后的预处理阶段的传输效率，即在其被处理成产品所需的数据可交付物之前的阶段。
Ps:数据需要一个漫长的处理过程，才能被产品使用。应用层数据产品基本不覆盖底层的数据处理环节，而数据产品会使用指定的数据可交付物(即约定的结构化或标准化的数据)，并使用这些数据可交付物通过产品对实际应用场景的匹配和处理来提供数据服务。甚至涉及底层数据管理的相关产品都是对元数据、使用日志或编写的shell的调用。
底层数据处理和计算所涉及的传输效率，直接决定了支撑数据产品高性能、高可靠性的自我需求；应用层的传输影响用户体验和场景的实现。传输机制和系统就像遍布全身的毛细血管一样复杂，但循环速度直接决定了大脑供氧是否充足。
2.数据计算能力
数据计算能力就像造血系统，根据各种来源的营养原料产生血液。通过底层多重存储的高性能分布式技术架构，对源数据进行ETL(提取、转换和加载)清洗，产品是数据中间层的通用结构化数据可交付物。计算速度和造血速度一样，决定了供给。计算速度直接决定了数据应用的时效性和应用场景。
目前最常见的是线下仓库盘点，大多起到的是事后诸葛亮的作用，即没有办法保证数据的时效性，延迟数据分析应用的输出，导致经验多，实时决策困难。而实时的仓库盘点，甚至是数据湖的实时处理，也逐渐打通了多种场景。先不考虑越来越强的实时性要求带来的巨大成本是否真的能创造出等价的收益。
强实时可以更接近一个“未来”的状态，也就是这一刻。这远比算法对未来的预测更有价值，因为对一个企业来说，把握当下比构建一个多变的未来更有价值。即使在数据处理快于神经元传输的情况下，数据处理的驱动结果，从你得到脑电波的那一刻起，也比神经元向驱动肢体的传输快得多。
是不是类似于兵马未动粮草先行的场景？当然，这是从数据计算能力的角度。从我个人的角度跳出来，整体数据能力强到一定阶段后，会在主观上改变你的个人意志，也就是通过引导你的大脑控制或决定你的个人行为，而不会让你感觉到，所以可以理解为在主观上改变你的个人意志。从人类的角度来说，你不知道或者直觉上想决定下一步做什么，因为大脑是一个逻辑处理器，当然这涉及到心理学，这里就不赘述了，接下来我会在另一个空间讲数据应用的未来前景和假设。
3.数据资产能力
大家都在说“大”数据，那么数据量越大越好？不会，从某种角度来说，大量没有价值或者没有被发掘的数据是一种负担，巨大的资源损失不是轻易可以抹平的。
随着数据量级的快速放大，带来了数据孤岛:数据不可知、不连接、不可控、不可取；那么零散的数据只有转化成资产才能更好的利用。
什么是数据资产？我觉得可以广义的定义为直接可用的交付数据，可以归类为资产。当然，有许多形式的数据可以直接使用，比如元数据、特性、指示器、标签和ETL结构化或非结构化数据。
目前，数据湖的使用场景也在不断拓展。直接、实时地使用和处理数据湖数据的趋势是扩大企业数据资产范围和资产利用率的一种方式。这有利于突破数据仓库模型的数据框架限制，改变数据使用方式会有更大的想象空间。
数据资产的价值可以考虑两部分:一部分是数据资产直接实现的价值；另一部分是将数据资产作为资源处理后提供数据服务的商业价值。
第一部分很好理解，就是根据数据量来评估数据集的输出变量值，比如标签、样本、训练集；第二部分价值，比如通过自身数据训练的优化算法的应用提高业务收入的价值，或者根据数据的广告化实现营销，甚至沉淀的数据资产管理能力作为知识的无形资产服务于外界的价值。这些间接实现数据应用和服务的方式，也是数据资产价值的体现，可以精细量化。
4.数据算法能力
实际上，传输能力和计算能力都相对偏向于底层数据的实现，而最接近业务场景的是算法能力提供的算法服务，这是最直接应用于业务场景、更容易被用户感知的数据能力，因为对于传输和计算，用户感知的是速度，从用户的角度来看，快是合适的，所以用户不知道何时何地计算或传输。
算法的应用场景是一个从0到1，从无到有的过程。而算法是基于数据传输、计算和资产能力，或者换句话说，三个基础能力的封装进化。
算法的能力是将多个数据集或尽可能多的数据转化为决策结果，应用于业务场景。算法能力的强弱反映了三种数据能力是否高效配合，是否存在木桶效应，更糟糕的是没有木桶。当然，简单的算法也可以作为无形资产的知识沉淀来提供服务。
对于数据能力架构中的四种能力，传输、计算、资产是基础能力，算法是高级概括能力。能力的输出和应用才能体现数据的价值，数据能力的最大输出考验着整个数据产品架构体系的通用性和灵活性。因为我们需要面对由各种业务演变而来的多种场景，对数据能力的需求是不均衡的:可能是片面的，也可能是多种能力的协同。这对产品的多功能性是一个巨大的挑战。为了更好的处理这个问题，我们可能需要整个数据平台的产品矩阵来支撑和赋能。
二、数据能力对应的数据价值呈现从数据应用的角度来看，每个能力都可以独立开放或者组合。如果是能力的体现，那就来源于产品形态的问题，是能力适配后发挥作用的可交付物。说到产品形态，可以想象应用场景。
首先，最基础的应用场景是数据的直接调用，数据资产的使用基本上会基于特征、指标、标签或知识等交付形式。对于用户来说，这些数据将作为半成品原料或基础，在业务场景中进行二次加工和应用，如数据分析、数据挖掘、算法训练和验证、知识图谱、个性推荐、精准投放(触达)、风险控制等。数据资产可以通过一些OpenAPI在数据市场中被集体授权。
对于一个工厂来说，除了自身原材料(数据资产)的壁垒，核心竞争力非常小，需要打包一些上层的基础服务来提升竞争力，所以整合数据计算的能力对原材料进行二次加工(汇总统计)。
计算的聚合统计能力可以满足大部分数据分析场景的支撑，不仅仅是没有技术含量的原材料输出，还可以避免半成品形式的数据敏感。因为对于统计来说，这是一个分析结果或者结论，不会涉及到自身敏感数据的输出，所以你的核心资产不会泄露，只会输出资产的附加值。换句话说，知识产权专利还在你手里，你可以通过控制专利泛化能力来获得投资回报。
整合计算能力后的一些分析场景，如:人群画像分析、多维交叉分析、经营策略分析、监控分析等。
随着时代的发展和业务场景的增加，工厂持续需要产业转型，需要深化服务产业，逐步摒弃制造形态，全面提升更先进的数据服务。这时候加入算法的能力，更好的完善服务矩阵。
该算法封装了传输、计算和资产的能力，对业务场景目标预测和识别进行了统一和更好的理解。这样企业更容易低成本的接受和使用数据服务，而不涉及数据处理环节，只需要一个目标结果，通过算法的决策作为参考来指导业务方向。比如算法对一些业务场景的预测和分析，甚至一些人工智能场景的识别或者学习和思考，都可以通过算法赋能来实现。对于企业来说，是从无到有的突破，企业的发展进程甚至可能被推进几年。
贯穿以上能力的应用场景，都是对数据传输能力的考验。
“数据”的重要性可以如下。
1，数据可以为企业高管提供决策支持。对企业的海量数据进行统计分析和挖掘后，可以让高层制定合理的措施。
2.数据可以整合企业复杂的业务。每个企业都有非常复杂的业务系统，其复杂的业务可以借助数据和相应的平台进行整合。
3.数据可以反映事件的性质和趋势。真实的数据可以更好的了解事件的性质，预测事态的发展。
4.数据可以让人更了解自己。你以后可能真的不太了解自己？但是你可以用个人数据做画像，全面了解个人。
5.数据可以反映历史，也可以展望未来。通过历史数据查询过去，也可以用过去的数据感知未来。
总之，在大数据和5G技术成为趋势的背景下，“数据”变得越来越普遍，比如社交网络、消费信息、旅行记录...企业级的销售数据、运营数据、产品数据和活动数据...