二十一世纪，互联网新科技层出不穷。伴随着大数据、云技术以及整个算力的发展，人工智能技术的研究及应用也迅速壮大，在语音、图像和自然语言方面取得了卓越的成绩。更为重要的是，政府也在大力发展数字经济，包括党的十九届四中全会首次增列了“数据”作为生产要素，这也进一步反映了随着经济活动数字化转型的加快，数据对提高生产效率的乘数作用凸显，成为最具时代特征新生产要素的重要变化。个推作为专业的数据智能服务商，于2010年成立至今，在大数据技术的发展过程中，收获了一些成果，也得到了自己的经验和体会。
2019年3月，个推（每日互动，300766.SZ）在创业板上市，主打数据智能。公司在该领域积极布局，并在实践中探索总结了数据沉淀、数据挖掘和数据应用的“三步走”数据智能方法论。关于底层，个推提供了消息推送、用户画像、应用统计、一键认证四种开发者服务，同时沉淀了海量数据；中间层是个推引擎层，通过对数据脱敏、筛选、清洗、整理，并经深度挖掘后建模,自主构建“个推大数据平台”。最上层为数据应用层，提供品牌营销、风控服务、人口空间规划、公共服务等多种大数据服务，增能诸多垂直领域。
本文将结合个推实践，主要围绕三个方面进行展开：数据智能时代的特征、企业面临的实际挑战、数据智能体系建设思路。
数据智能时代的特征
数据智能时代已经来临，如同《大数据时代》中阐述的那样，我们发现并印证了大数据对我们思维、商业、管理等方面存在着巨大的影响。
思维变革
在思维变革方面，我们认为数据智能时代的特征可以归纳为三点：更多、更繁杂、更相关。更多，意味着人们不再依赖于一小部分数据，而是使用全部数据，并从第三范式向第四范式跃进。
那么，第三范式和第四范式的区别是什么呢？以“雾霾形成的原因”为例进行说明。第三范式的雾霾研究过程是：首先，提出问题。比如说,想了解雾霾是什么？怎么预防？其次，提出理论。根据已有的机理认识，雾霾天气的形成不仅与源头、大气化学成分相关，还与气象因素，包括地形、风向、温度、湿度等有关。而参数之多，超过了我们常规监测的能力范围。
为此，我们只能去除一些看起来不怎么重要的参数，保留一些简单的参数，提出一个理论。然后收集数据、模拟计算，并根据计算结果对理论进行修正。最后获取可信度比较高的结果，对雾霾天气进行预测。
相对应地，第四范式的研究方法是怎样的呢？它的第一个环节与最后一个环节跟第三范式相同，但在中间两个环节两者顺序是相反的，即在第四范式中，我们要先进行数据收集再形成理论。
在第一步问题提出后，我们首先去做的并不是创建一个理论模型，而是把所有可能有用的数据收集起来，然后在此基础上通过机器学习的方法，或者说人工智能的方法，找出对于雾霾形成影响较大的因素，进而提出有关理论。最后，进行预测，验证结果。得益于大数据的出现，第三范式才能向第四范式跃进，这也带来了整个思维方式和方法论的变革。
思维变革的第二个特点是更繁杂，即从精确性向概率性的转变。精确性作为信息缺乏时代和模拟时代的产物，要求数据保证质量、减小误差。而大数据时代，海量的数据使我们无法一一验证数据的准确性。更多情况是，我们通过整个数据的分布，找出数据背后的概率性，然后找到有用的数据，剔除没用的数据。
思维变革的第三个特点是更相关。数据之间不是因果关系，而是相关关系，核心是建立在相关关系分析法上的预测。
总结起来，大数据时代思维变革的特点可以归纳为：
改变操作方式，使用收集到的所有数据，而不是样本；
不把精确性作为重心；
接受混乱和错误的存在；
侧重于分析相关关系，而不是预测背后的原因。
商业变革
在商业变革方面，数据智能时代的特点主要有三：一切皆可量化、无限的创新可能、数据的选择价值。
“一切皆可量化”指的是随着数据智能时代的发展，我们会发现身边所有的东西都在产生数据，也就是说我们所处的现实世界，与信息世界存在着对应关系。未来，我们物理世界里的每一种事物都将与数字孪生世界里的一一对应。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
