1.1 界定數(shù)據(jù)

數(shù)據(jù)通?？梢员环譃殡娮訑?shù)據(jù)和非電子數(shù)據(jù)兩大類。電子數(shù)據(jù)是指網(wǎng)絡(luò)空間中存儲的數(shù)據(jù)，是網(wǎng)絡(luò)空間的唯一存在；非電子數(shù)據(jù)主要是紙質(zhì)媒介中的數(shù)據(jù)，例如傳統(tǒng)圖書館里面的數(shù)據(jù)。由于電子數(shù)據(jù)和非電子數(shù)據(jù)無論在規(guī)模上還是在流通方式上都存在本質(zhì)區(qū)別，加之“大數(shù)據(jù)”的含義只是指電子數(shù)據(jù)，因此，本書在研究討論數(shù)據(jù)資產(chǎn)時，將數(shù)據(jù)界定在電子數(shù)據(jù)的范疇，而不考慮非電子數(shù)據(jù)。

1.1.1 名詞“數(shù)據(jù)”的解釋

“數(shù)據(jù)”一詞最早出現(xiàn)在拉丁語中，是“給予的事物”的含義，后來隨著數(shù)學(xué)和神學(xué)進(jìn)入英語語言體系[1]。隨著經(jīng)濟(jì)社會的發(fā)展和技術(shù)的進(jìn)步，出現(xiàn)了很多關(guān)于數(shù)據(jù)的不同認(rèn)識和定義。

·聯(lián)合國歐洲經(jīng)濟(jì)委員會（United Nations Economic Commission for Europe，UNECE）將數(shù)據(jù)定義為信息的實體表現(xiàn)形式，這一表現(xiàn)形式適用于人類或自動化手段交流、轉(zhuǎn)譯或處理[2]。

·美國國際空間數(shù)據(jù)系統(tǒng)咨詢委員會（Consultative Committee for Space Data System，CCSDS）給出的數(shù)據(jù)定義是以適合于交流、解釋或加工的形式化方式進(jìn)行可重新解釋的信息表示形式。比特序列、數(shù)值表、頁面中的字符、講話錄音、月球巖石標(biāo)本等都是數(shù)據(jù)[3]。

·國際數(shù)據(jù)管理協(xié)會（Data Management Association International，DAMA國際）認(rèn)為數(shù)據(jù)是以文本、數(shù)字、圖形、圖像、聲音和視頻等格式對事實進(jìn)行表現(xiàn)的形式，是信息的原始材料[4]。

·曾任國際科學(xué)理事會（International Science Council，ISC）信息和數(shù)據(jù)戰(zhàn)略協(xié)調(diào)委員會（Strategic Coordinating Committee on Information and Data，SCCID）成員的彼得·?？怂梗≒eter Fox）和瑞·海瑞斯（Ray Harris）認(rèn)為數(shù)據(jù)至少包括數(shù)字觀測、科學(xué)監(jiān)控、傳感器數(shù)據(jù)、元數(shù)據(jù)、模型輸出和場景、定性或觀察的行為數(shù)據(jù)、可視化數(shù)據(jù)、出于行政或商業(yè)目的而收集的統(tǒng)計數(shù)據(jù)；數(shù)據(jù)通常被視為研究過程的輸入[5]。

·2018年美國《開放、公開、電子與必要性政府?dāng)?shù)據(jù)法案》（簡稱《開放政府?dāng)?shù)據(jù)法案》）將數(shù)據(jù)定義為以任何形式或介質(zhì)被記錄下來的信息，開放政府?dāng)?shù)據(jù)時特別指明數(shù)據(jù)需要滿足機(jī)器可讀的條件。

傳統(tǒng)意義上的數(shù)據(jù)是指數(shù)值，例如溫度為26.6 ℃、長度為100 m等，IT領(lǐng)域?qū)?shù)據(jù)概念擴(kuò)大到符號、字符、日期形式（例如“Asset”“數(shù)據(jù)資產(chǎn)”“2020/07/31”等），而現(xiàn)在人們談?wù)摰臄?shù)據(jù)更是包括文本、聲音、圖形、圖像和視頻等，并且政府文件、出行記錄、住宿記錄、微博和軟件聊天記錄、網(wǎng)上購物記錄、銀行消費記錄等也都是數(shù)據(jù)。

電子數(shù)據(jù)與非電子數(shù)據(jù)在規(guī)模和處理方式上都有本質(zhì)區(qū)別，以非電子數(shù)據(jù)的主要形式——紙質(zhì)數(shù)據(jù)為例來看看二者的區(qū)別。1 PB的電子數(shù)據(jù)相當(dāng)于30個國家圖書館截至2017年的藏書總規(guī)模，而1 PB規(guī)模是大數(shù)據(jù)領(lǐng)域的一個基礎(chǔ)度量。電子數(shù)據(jù)是通過計算機(jī)處理的，而非電子數(shù)據(jù)是人通過手工或腦力直接處理的。顯然，靠一個人力去讀完30個圖書館里面的圖書是很難完成的事情，但1 PB的數(shù)據(jù)是大數(shù)據(jù)技術(shù)經(jīng)常要處理的規(guī)模。

從資產(chǎn)方面來看，圖書資產(chǎn)和流通已經(jīng)建立了完整的體系，而數(shù)據(jù)資產(chǎn)的概念剛剛被建立起來，數(shù)據(jù)資產(chǎn)的入表、流通還在探索之中，尤其是數(shù)據(jù)資產(chǎn)的計量計價尚未形成統(tǒng)一技術(shù)標(biāo)準(zhǔn)和記賬單元。

本書討論的數(shù)據(jù)為電子數(shù)據(jù)。

數(shù)據(jù)是指網(wǎng)絡(luò)空間里的所有東西，是網(wǎng)絡(luò)空間的唯一存在，即電子數(shù)據(jù)。網(wǎng)絡(luò)空間的所有數(shù)據(jù)構(gòu)成數(shù)據(jù)界[6]。

網(wǎng)絡(luò)空間是指計算機(jī)網(wǎng)絡(luò)、廣電網(wǎng)絡(luò)、通信網(wǎng)絡(luò)、物聯(lián)網(wǎng)、衛(wèi)星網(wǎng)等所有人造網(wǎng)絡(luò)和設(shè)備構(gòu)成的空間，這個空間真實存在。計算機(jī)、手機(jī)、移動硬盤等都是網(wǎng)絡(luò)空間的組成部分。現(xiàn)在，空調(diào)、冰箱、自動窗簾、電子門鎖等也已經(jīng)成為網(wǎng)絡(luò)空間的組成部分。

如果把網(wǎng)絡(luò)空間比喻成碗，那么網(wǎng)絡(luò)空間這個碗里裝的是“數(shù)據(jù)”。網(wǎng)絡(luò)空間里的任何東西都是數(shù)據(jù)。

1.1.2 數(shù)據(jù)的屬性

網(wǎng)絡(luò)空間的數(shù)據(jù)具備一些特有的屬性[6]。

（1）物理屬性

物理屬性是指數(shù)據(jù)在存儲介質(zhì)中以二進(jìn)制串的形式存在。數(shù)據(jù)的物理存在占據(jù)了存儲介質(zhì)的物理空間，是數(shù)據(jù)真實存在的表現(xiàn)，并且是可度量、可處理的。數(shù)據(jù)的物理存在使數(shù)據(jù)可以直接被用于制作數(shù)據(jù)副本、進(jìn)行數(shù)據(jù)傳輸，也可以通過特殊的方法直接從物理存在勘探數(shù)據(jù)、破解數(shù)據(jù)。

（2）存在屬性

存在屬性是指數(shù)據(jù)以人類可感知（通常為可見、可聽）的形式存在。在網(wǎng)絡(luò)空間中，物理存在的數(shù)據(jù)可以通過I/O設(shè)備以某種形式（如顯示、聲音）展現(xiàn)出來，被人所感知、所認(rèn)識。人們通過I/O設(shè)備感知到的數(shù)據(jù)才能被認(rèn)為是存在的數(shù)據(jù)，否則只能猜測其存在或不存在。

（3）信息屬性

一個數(shù)據(jù)是否有含義，含義是什么，這是數(shù)據(jù)的信息屬性。通常，數(shù)據(jù)通過解釋之后就會具有含義（即解釋清楚數(shù)據(jù)表示什么），數(shù)據(jù)的含義就是信息。也有一些數(shù)據(jù)是沒有含義的，例如，一個隨意打入的字符串“20 xsaff產(chǎn)7s9f9dsf7w2”就沒有含義，但它是數(shù)據(jù)。

（4）時間屬性[1]

時間是自然界中的一個基本要素，其使自然界萬物朝著一個不可逆的方向發(fā)展前進(jìn)，人類以此區(qū)分過去和未來。數(shù)據(jù)界中沒有時間的概念，數(shù)據(jù)的存在沒有過去和未來。雖然數(shù)據(jù)的載體會老化，但數(shù)據(jù)不會老化，可以通過更換存放數(shù)據(jù)的載體來保證數(shù)據(jù)一直被存儲在網(wǎng)絡(luò)空間中。

圖1-1中4個列分別代表4個數(shù)據(jù)集，它們以（0，1）二進(jìn)制代碼的形式被存放在存儲設(shè)備中，占用物理存儲空間，體現(xiàn)了數(shù)據(jù)的物理屬性。這4個數(shù)據(jù)集通過I/O設(shè)備分別以表格、文字、圖等形式被看見，使人們知道存儲空間中存在著4個數(shù)據(jù)集，體現(xiàn)了數(shù)據(jù)的存在屬性。我們可以通過對這4個數(shù)據(jù)集的存在屬性進(jìn)行解讀來獲取信息，這是數(shù)據(jù)的信息屬性。解讀數(shù)據(jù)的信息屬性需要具備相應(yīng)的知識體系、技術(shù)能力，解讀出來的信息可能會不盡相同，猶如解讀甲骨文。

·第一個數(shù)據(jù)集（第一列）。其存在屬性和信息屬性是相同的，信息較容易獲取。

·第二個數(shù)據(jù)集（第二列）。其存在屬性是“銣惈佺ぜ屆嘟軻鉯bú偠孒，臥只楆誐亻門啲曖，讠上藦騩漴拝，讓兲駛發(fā)槑~”。這是一段網(wǎng)絡(luò)中曾經(jīng)流行過的“火星文”，如果不掌握“火星文”，那看上去它就是一段亂碼。事實上，這段“火星文”表達(dá)的信息是“如果全世界都可以不要了，我只要我們的愛，讓魔鬼崇拜，讓天使發(fā)呆~”，這是這個數(shù)據(jù)的信息屬性。

·第三個數(shù)據(jù)集（第三列）。其存在屬性是一個圖，看不出是什么內(nèi)容，需要通過技術(shù)進(jìn)行處理，經(jīng)過處理后讀取出的信息屬性是一頭大象。這類數(shù)據(jù)集信息的獲取需要通過技術(shù)手段，技術(shù)手段越高，獲取的信息可能就越多。

·第四個數(shù)據(jù)集（第四列）。其存在屬性是一堆無序的字符，無論是通過知識體系還是技術(shù)手段，都讀取不了任何信息，因為它是一堆亂碼，不具有任何含義，不表示任何信息。

1.1.3 數(shù)據(jù)與物質(zhì)

數(shù)據(jù)和物質(zhì)都是物理存在的，但數(shù)據(jù)的存在和物質(zhì)的存在是不同的，主要表現(xiàn)在可標(biāo)識性、可共享性和生命周期性3個方面[6]。

（1）可標(biāo)識性

自然界中的物質(zhì)都是可標(biāo)識的，所謂“相同的兩個東西”指的是同質(zhì)化的兩個東西，例如，面對兩杯水，可以說“一樣的兩杯水”；而對于數(shù)據(jù)，一個數(shù)據(jù)的存在和兩個相同數(shù)據(jù)的存在是一樣的，“兩個相同的數(shù)據(jù)”的說法意義不大，“兩個相同的數(shù)據(jù)”表示自然界的一個事物，即一個數(shù)據(jù)，一般采用“一個數(shù)據(jù)的兩個副本”的說法。對于數(shù)據(jù)，通常討論數(shù)據(jù)的相似性，而不討論數(shù)據(jù)的相同性，相似性由相似性函數(shù)定義，可以說“兩個相似的數(shù)據(jù)”。

數(shù)據(jù)的這種特性說明數(shù)據(jù)是面向值的，即如果兩個數(shù)據(jù)對象有相同的值，則認(rèn)為它們是一個對象的兩個副本。

（2）可共享性

共享就是指共同分享，在物理世界中主要指某樣?xùn)|西被多個人分。例如“共享午餐”是指共享者一起吃午餐，其實每個共享者吃的東西并不一樣，同樣的東西是不可能被吃進(jìn)兩個人的肚子里的。

而數(shù)據(jù)共享的概念有本質(zhì)上的不同。數(shù)據(jù)共享是指同樣的數(shù)據(jù)被多個共享者使用，并且每個共享者擁有完全一樣的數(shù)據(jù)，包括數(shù)據(jù)量、數(shù)據(jù)形式和數(shù)據(jù)內(nèi)容等，即擁有數(shù)據(jù)的副本。相對于數(shù)據(jù)生產(chǎn)來說，將一個數(shù)據(jù)復(fù)制任意多個副本是低成本的，因此，數(shù)據(jù)是可共享的，并且數(shù)據(jù)擁有者通常愿意將其擁有的數(shù)據(jù)拿出來共享。

數(shù)據(jù)的可共享性意味著數(shù)據(jù)的邊際成本很低，能夠利用數(shù)據(jù)副本創(chuàng)造更多的價值。但是，數(shù)據(jù)的可共享性也可能帶來負(fù)面效果，例如，因為數(shù)據(jù)副本的制作相對于數(shù)據(jù)生產(chǎn)來說非常容易，所以對數(shù)據(jù)所有權(quán)的保護(hù)就非常困難，數(shù)據(jù)的稀缺性也極易受到挑戰(zhàn)。

（3）生命周期性

自然界中的物質(zhì)會老化，有生命周期；而數(shù)據(jù)不會老化，沒有生命周期。數(shù)據(jù)從其被生產(chǎn)出來到被刪除這個過程看起來像是有生命周期的，但其實不是。根據(jù)數(shù)據(jù)的時間屬性，一個數(shù)據(jù)本身是不會隨時間的推移而變老、變舊的，例如，將一張照片存放多年以后，只要載體還存在或者不斷替換新載體，這個數(shù)據(jù)對象本身是不會發(fā)生變化的，數(shù)據(jù)不會減少，其質(zhì)量也不會下降。

數(shù)據(jù)被生產(chǎn)、存儲、修改、刪除的過程通常是一個應(yīng)用系統(tǒng)執(zhí)行的結(jié)果，也可能是現(xiàn)實中對應(yīng)該數(shù)據(jù)的事物的生命周期發(fā)生變化的數(shù)據(jù)反應(yīng)，而不是數(shù)據(jù)的生命周期。這一點對于數(shù)據(jù)資產(chǎn)的折舊研究非常重要。

1.1.4 大數(shù)據(jù)

2012年的全球大數(shù)據(jù)浪潮，讓人們充分認(rèn)識到了數(shù)據(jù)的重要性。時至如今，人們已經(jīng)不再關(guān)心數(shù)據(jù)大或者不大，也不再區(qū)分大數(shù)據(jù)和數(shù)據(jù)?；仡櫼幌庐?dāng)時的情形，從事大數(shù)據(jù)相關(guān)工作的人群可以被分為3類：有大數(shù)據(jù)的人群、做大數(shù)據(jù)的人群和用大數(shù)據(jù)的人群。那時候大家談?wù)摯髷?shù)據(jù)，實際上是在談?wù)摬煌臇|西，即有大數(shù)據(jù)的人在談?wù)摂?shù)據(jù)資源及其規(guī)模，做大數(shù)據(jù)的人在談?wù)摯髷?shù)據(jù)帶來的技術(shù)挑戰(zhàn)，用大數(shù)據(jù)的人則在談?wù)摯髷?shù)據(jù)帶來的決策變革。

那么，大數(shù)據(jù)是數(shù)據(jù)、技術(shù)還是應(yīng)用呢？事實上，數(shù)據(jù)的價值和挖掘這些價值的時效是大數(shù)據(jù)的核心內(nèi)涵。

（1）關(guān)于價值

首先，如果一個數(shù)據(jù)集沒有價值，就不需要被關(guān)注；其次，如果一個數(shù)據(jù)集的價值密度高，即大部分?jǐn)?shù)據(jù)是有價值的，那么直接讀取數(shù)據(jù)集就能獲得價值，沒有技術(shù)難度。因此，真正的大數(shù)據(jù)是價值密度低的數(shù)據(jù)集，從數(shù)據(jù)集中獲取價值像大海撈針一樣。大數(shù)據(jù)是高難的技術(shù)挑戰(zhàn)。

（2）關(guān)于時效

首先，所有的大數(shù)據(jù)處理和分析都應(yīng)該在決策期望的時間內(nèi)做完，如果過了期望的時間，就沒有意義了，這是一個技術(shù)難題；其次，在競爭中，要比競爭對手更快地完成大數(shù)據(jù)處理和分析。

這樣來看，給定一個大數(shù)據(jù)，如果沒有技術(shù)能夠在期望的時間內(nèi)挖掘出其價值，那么大數(shù)據(jù)是一個技術(shù)挑戰(zhàn)，否則其就是一個大數(shù)據(jù)應(yīng)用。需要注意的是，一個大數(shù)據(jù)應(yīng)用可能會轉(zhuǎn)化成大數(shù)據(jù)的技術(shù)挑戰(zhàn)。例如，無人駕駛汽車在道路上行駛時，會獲取汽車自身的工作數(shù)據(jù)（行駛速度、油量、引擎工作狀態(tài)等）、實時路況數(shù)據(jù)（前車車速、車距、行人等）、道路管理數(shù)據(jù)（紅綠燈、限速等），并及時分析這些數(shù)據(jù)、及時作出駕駛判斷。當(dāng)汽車時速小于50 km/h時，發(fā)現(xiàn)50 m外車道上有行人后，經(jīng)過2 s的數(shù)據(jù)分析得出需要剎車的結(jié)論是可以接受的；但當(dāng)車速提高到100 km/h時，數(shù)據(jù)分析的時間就需要小于1 s。這時，大數(shù)據(jù)應(yīng)用變成了大數(shù)據(jù)技術(shù)挑戰(zhàn)。

事實上，數(shù)據(jù)、技術(shù)和應(yīng)用是大數(shù)據(jù)的3個要素，數(shù)據(jù)隱含價值，技術(shù)發(fā)現(xiàn)價值，應(yīng)用實現(xiàn)價值。大數(shù)據(jù)是為決策問題提供服務(wù)的大數(shù)據(jù)集、大數(shù)據(jù)技術(shù)和大數(shù)據(jù)應(yīng)用的總稱。其中，大數(shù)據(jù)集是指一個決策問題用到的所有可能的數(shù)據(jù)，通常數(shù)據(jù)量巨大、來源多樣、類型多樣；大數(shù)據(jù)技術(shù)是指大數(shù)據(jù)資源獲取、存儲管理、挖掘分析、可視展現(xiàn)等技術(shù)；大數(shù)據(jù)應(yīng)用是指用大數(shù)據(jù)集和大數(shù)據(jù)技術(shù)來支持決策活動，是新的決策方法[7]。

大數(shù)據(jù)是否能為一個決策問題提供服務(wù)，關(guān)鍵在于能否在決策希望的時間內(nèi)有效完成所有的任務(wù)。但是數(shù)據(jù)增長的速度遠(yuǎn)遠(yuǎn)大于技術(shù)進(jìn)步的速度，因此，大數(shù)據(jù)問題出現(xiàn)了。大數(shù)據(jù)問題是指不能用當(dāng)前技術(shù)在決策希望的時間內(nèi)處理分析的數(shù)據(jù)資源開發(fā)利用問題。大數(shù)據(jù)問題的關(guān)鍵技術(shù)挑戰(zhàn)在于找到隱含在低價值密度數(shù)據(jù)資源中的價值，在期望的時間內(nèi)完成所有的任務(wù)[8]。

“能否在決策期望的時間內(nèi)有效完成所有的任務(wù)”可能是數(shù)據(jù)領(lǐng)域存在的持續(xù)性問題。盡管現(xiàn)在人們更喜歡用名詞“數(shù)據(jù)”而不是“大數(shù)據(jù)”，但是問題沒有變化，是一樣的。

---

[1]這點是數(shù)據(jù)資產(chǎn)折舊問題的關(guān)鍵因素，將在第6～7章討論。