[[405081]]

全球范圍內，研究發展大數據技術、運用大數據推動經濟發展、完善社會治理、提升政府服務和監管能力正成為趨勢。下面將從應用、治理和技術三個方面來講講當前的大數據的現狀與趨勢。

一、大數據應用的三個層次

按照數據開發應用深入程度的不同，可將眾多的大數據應用分為三個層次。

第一層，描述性分析應用，是指從大數據中總結、抽取相關的信息和知識，幫助人們分析發生了什么，并呈現事物的發展歷程。

如美國的DOMO公司從其企業客戶的各個信息系統中抽取、整合數據，再以統計圖表等可視化形式，將數據蘊含的信息推送給不同崗位的業務人員和管理者，幫助其更好地了解企業現狀，進而做出判斷和決策。

第二層，預測性分析應用，是指從大數據中分析事物之間的關聯關系、發展模式等，并據此對事物發展的趨勢進行預測。

如微軟公司紐約研究院研究員David Rothschild通過收集和分析賭博市場、好萊塢證券交易所、社交媒體用戶發布的帖子等大量公開數據，建立預測模型，對多屆奧斯卡獎項的歸屬進行預測。2014和2015年，均準確預測了奧斯卡共24個獎項中的21個，準確率達87.5%。

第三層，指導性分析應用，是指在前兩個層次的基礎上，分析不同決策將導致的后果，并對決策進行指導和優化。

如無人駕駛汽車分析高精度地圖數據和海量的激光雷達、攝像頭等傳感器的實時感知數據，對車輛不同駕駛行為的后果進行預判，并據此指導車輛的自動駕駛。

當前，在大數據應用的實踐中，描述性、預測性分析應用多，決策指導性等更深層次分析應用偏少。不同類型的應用意味著人類和計算機在決策流程中不同的分工和協作。

雖然已有很多成功的大數據應用案例，但還遠未達到我們的預期，大數據應用仍處于初級階段。未來，隨著應用領域的拓展、技術的提升、數據共享開放機制的完善，以及產業生態的成熟，具有更大潛在價值的預測性和指導性應用將是發展的重點。

大數據治理體系的發展

隨著大數據作為戰略資源的地位日益凸顯，人們越來越強烈地意識到制約大數據發展最大的短板之一就是：數據治理體系遠未形成，如數據資產地位的確立尚未達成共識，數據的確權、流通和管控面臨多重挑戰;數據壁壘廣泛存在，阻礙了數據的共享和開放;法律法規發展滯后，導致大數據應用存在安全與隱私風險等等。如此種種因素，制約了數據資源中所蘊含價值的挖掘與轉化。

其中，隱私、安全與共享利用之間的矛盾問題尤為凸顯。一方面，數據共享開放的需求十分迫切。近年來人工智能應用取得的重要進展，主要源于對海量、高質量數據資源的分析和挖掘。而對于單一組織機構而言，往往靠自身的積累難以聚集足夠的高質量數據。

另外，大數據應用的威力，在很多情況下源于對多源數據的綜合融合和深度分析，從而獲得從不同角度觀察、認知事物的全方位視圖。而單個系統、組織的數據往往僅包含事物某個片面、局部的信息，因此，只有通過共享開放和數據跨域流通才能建立信息完整的數據集。

然而，另一方面，數據的無序流通與共享，又可能導致隱私保護和數據安全方面的重大風險，必須對其加以規范和限制。2016年11月7日，全國人大常委會通過的《中華人民共和國網絡安全法》中明確了對個人信息收集、使用及保護的要求，并規定了個人對其個人信息進行更正或刪除的權利。2019年，中央網信辦發布了《數據安全管理辦法(征求意見稿)》，向社會公開征求意見，明確了個人信息和重要數據的收集、處理、使用和安全監督管理的相關標準和規范。相信這些法律法規將在促進數據的合規使用、保障個人隱私和數據安全等方面發揮不可或缺的重要作用。

大數據理論與技術創新

近年來，數據規模呈幾何級數高速成長。據國際信息技術咨詢企業國際數據公司(IDC)的報告，2020年全球數據存儲量將達到44ZB(1021)，到2030年將達到2500ZB。當前，需要處理的數據量已經大大超過處理能力的上限，從而導致大量數據因無法或來不及處理，而處于未被利用、價值不明的狀態，這些數據被稱為“暗數據”。

據國際商業機器公司(IBM)的研究報告估計，大多數企業僅對其所有數據的1%進行了分析應用。近年來，大數據獲取、存儲、管理、處理、分析等相關的技術已有顯著進展，但是大數據技術體系尚不完善，大數據基礎理論的研究仍處于萌芽期。

推演信息技術的未來發展趨勢，較長時期內仍將保持漸進式發展態勢，隨技術發展帶來的數據處理能力的提升將遠遠落后于按指數增長模式快速遞增的數據體量，數據處理能力與數據資源規模之間的“剪刀差”將隨時間持續擴大，大數據現象將長期存在。在此背景下，大數據現象倒逼技術變革，將使得信息技術體系進行一次重構，這也帶來了顛覆式發展的機遇。

例如，計算機體系結構以數據為中心的宏觀走向和存算一體的微觀走向，軟件定義方法論的廣泛采用，云邊端融合的新型計算模式等;網絡通信向寬帶、移動、泛在發展，海量數據的快速傳輸和匯聚帶來的網絡的Pb/s級帶寬需求，千億級設備聯網帶來的Gb/s級高密度泛在移動接入需求;大數據的時空復雜度亟需在表示、組織、處理和分析等方面的基礎性原理性突破，高性能、高時效、高吞吐等極端化需求呼喚基礎器件的創新和變革;軟硬件開源開放趨勢導致產業發展生態的重構等等。

當然，不管是大數據的應用、數據治理體系的建設，大數據理論與技術的創新，也離不開專業人才的支持，尤其是在大數據快速發展的當下，各方面的人才需求都在增加，越早入行也意味著更多的發展機遇。