從原材料到資產——數據資產化的挑戰與思考

中國網/中國發展門戶網訊  計算技術和能力已經完全普適化，對數據的觀察和整合、分析和解釋，正在不斷創造新的知識，推動著科學技術的進步和社會的發展。嵌入式和可穿戴設備正普及大眾，各類便攜傳感器已可對用戶敏感數據進行采集，如智能手機包含了?GPS、加速度計、距離及光線傳感器、攝像頭、陀螺儀、指紋傳感器，甚至還包含心率監測器等數據采集和感知設備。無處不在的互聯網和普及的云計算、存儲設施，也使得傳輸和管理這些所采集數據變得越來越容易。對這些所采集數據可從兩個方面進行利用：①建立數據的統計模型以幫助公共和私人部門了解社會運行各方面的整體情況，如流行病的早期檢測；②從微觀層面提供個性化服務，如對每個居民提供產品和服務推薦。

在深度網絡出現之前，機器學習模型無需大量訓練數據，就算有更多數據，模型也不能訓練得更好（模型進入?saturation?狀態）；而對深度網絡來說，因為其足夠深，需要訓練的參數足夠多，所以它對數據是饑餓的——當數據越多的時候，能構建的網絡就越深，其性能就越好，這是大數據的作用。如今，這種以大數據+深度神經網絡為代表的人工智能技術，正在深遠地影響著社會生活的各個方面。而數據作為一種原材料，通過數據分析建模的加工挖掘，能產生新的價值，已成為新的生產力來源和資產。

眾多案例已展示了數據的應用價值，然而一個技術要深刻地推進社會發展，它需要從具有應用價值發展為具有應用+經濟的雙重價值。從經濟價值的眼光來看大數據，我們可以看到所謂的“數據”在整條價值鏈上處在起點的位置。數據從一開始作為原材料，到最后成為產品提供給用戶，其中經歷了一系列的加工和增值過程，包括清理、語義化、融合、分析、建模、知識提取、應用、分發等關鍵步驟，如同一個工業產品，從原材料到最終產品形態再到市場，是一個復雜的價值鏈，需要精巧的協同工作。而在目前大部分的大數據研究中，關注點還僅停留于這些具體過程的技術基礎，我們相信隨著整個生態環境的建立，每個步驟背后的經濟因素將成為最大的推動力量。