大数据驱动的AI热潮，是泡沫吗？数据智能到底怎么操作的呢？

总的来说，数据智能有三个核心关键点，分别是云计算、大数据和算法。

提到“数据智能”，很多小伙伴可能会想到“商业智能”，也就是 BI（Business Intelligence）这个词。要注意的是，数据智能的本质是机器人直接做决策，这和传统的BI（商业智能）是完全不同的逻辑。

可能也有的朋友不是很了解什么是BI（商业智能），在这里简要说明一下。商业智能，主要是负责收集、管理和分析数据，并且将这些数据转化为有用的信息，然后分发到企业各处，尤其是，服务于企业的高管，用来提供决策支持。所以其实很多企业，都有BI（商业智能）这个部门。

但是数据智能的逻辑是不同的。数据智能强调的是直接让机器人进行决策。然而要实现让机器人进行决策，背后就需要有三个强大的助手：云计算、大数据和算法。

所以这就是我开头所讲的，三个核心关键点，也是要实现数据智能，必须具备的三个关键条件。

接下来我将力求用通俗的方式，让大家理解这三个词。

首先，什么是“云计算”？云计算，就是指通过把一台台的服务器连接起来，这样就使得服务器之间可以相互进行数据传输，那么数据就像网络上的“云一样”在不同服务器之间 飘啊飘~~~所以，在数据智能的范畴里，云计算的核心价值主要是——用极低的成本存储和计算海量的数据。

下面讲数据智能的第二个关键条件：“大数据”

“大数据”这个词，大家肯定是非常非常熟悉了，对吧？看名字，“大数据”，直觉反应，是不是，就是觉得 很大，很多很多很多很多的数据呀？

其实不然，不是数据量越大，就叫“大数据”。

大数据的定义，有很多。我个人比较喜欢的是，麦肯锡给出的一个定义。

麦肯锡全球研究所，给“大数据”的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

在这个定义里，讲到了大数据的 四个最核心的特质：海量的数据规模、快速的数据流转、多样的数据类型和价值密度低。

数据规模，只是大数据的其中一个特征而已，除此之外，还有“快速”、“多样”、“价值密度低”的特点。

“快速”、“多样”都比较好懂。那“价值密度低”怎么理解呢？

“价值密度低”的意思是，大数据里的杂质很多、噪音很多。（所以大数据产业里，才出现了“数据治理”这个专门的行当，数据分析前，是需要数据清洗的大量工作。数据清洗，甚至占去大数据分析整体工作的70%……）

所以我们可以看到，上面所讲的“云计算”和“大数据”，它俩是相辅相成的关系，如果没有云计算，我们就没办法用极低的成本存储和计算海量的数据。反过来，也正因为有了处理大数据的需求，我们才会对云计算要求越来越高。二者推动了整个数据行业的不断高速发展。

接下来讲最后一个关键词：算法。

算法，严格说来，不是机器，而是人…………

算法，其实是将人的思考进行模拟，抽象成一个模型，然后用数学方法给这个模型找到一个近似的解，之后再用代码把这个解变成机器可以执行的命令，这样就完成了一个机器大脑的构建。

大数据和算法最好的结合的例子，就是大家熟知的2016年万众瞩目的AlphaGo大战世界顶级围棋棋手李世石的例子。AlphaGo的计算能力超强，它可以把人类历史上所有的棋谱都快速学会，并且在此基础上进行优化。这就是超强的算法水平！

好了，以上就是我给大家拆解的，关于数据智能的三个核心词：云计算、大数据、算法。

最后拿本人所在的零点有数公司举个例子，零点有数，基于26年在各个行业的专项研究积累，形成了扎实的算法优势，这是机器无法取代的，也是我们的核心优势。

那么，我们有了“算法”优势后，如何获得其他两个因素，“云计算”和“大数据” 呢？这就牵涉到另外一个智能商业时代的另一个核心词：资源的网络协同性。我们可以通过资源协同的方式，去获得云计算和多源数据的支持力量，包括我们零点也有答对这样的移动终端的强大交互工具，就可以保证，我们的数据智能，很好地运转起来。更重要的是，就如刚刚我所提到的，“云计算”和“大数据”，都属于机器人类的，技术类的角色；但是“ 算法”，是属于“人”的因素，是“大脑”的角色，是非常不容易被替代的。这就是我们零点很宝贵的竞争优势。

数据智能的道路，还处于发展初期。同时，期待每个数据智能行业的工作者都能走在未来时代的赛道前端上！