大数据本质特点及意义是什么？

　　本篇文章给大家带来的就是关于数据的一些详细解析，本篇文章会教给大家数据的知识点进行分析，希望本篇文章能帮助到你，对你有所收获，希望大家仔细阅读文章。

　　最近几年，数据问题进入哲学视野。对于哲学家们探索的数据本质特征，我们可以从以下几个方面来把握。

　　数据与大数据

　　技术进步，主要是计算机、网络和各种类型的传感器以及云技术、分布式计算与存储等海量存储技术的广泛应用和运算能力极速进步，使得数据概念被大数据概念取代。数据量增加速度之快，大致可以这样描述：最近两年生成的数据量，相当于此前一切时代人类所生产的数据量的总和。

　　大数据指的是所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。大数据的特征，除了巨大、快速、多样多变之外，没有其他。因此，大数据本质上还是数据。

　　在大数据的上述特征中，其多样多变性值得特别关注。它表现为所生成数据格式的多样，如文字、图片、视频等各有多种不同的格式，取决于生成数据的技术与设备，却反映出数据生产的时代性以及数据处理的能力与条件，也反映出被描摹自然和社会的多姿多彩。另外，随着技术发展和数据量急剧增长，新的数据格式还会层出不穷，多变和多样特征更加突出。

　　大数据既是一个技术概念，又是一个商业概念，它的出现，有其特定背景，即it领域的商业和渲染新技术的考量。大数据包揽了人类获取数据的所有途径，提示哲学研究一个全新时代的到来，这个时代的先声，很久远之前就已经响起，那时，它仅仅被称作数据。在我们的讨论中，主要考虑数据与哲学的关联。

　　数据与认识

　　这里的认识，指的是人的认识，是人对外部世界的认识。

　　大数据的出现和引起关注，使得一个事实得到确认，这就是，数据覆盖了人类对于外部世界的感知。感官及其所获得的经验退居到显示屏之后，退居到各种类型的技术装置之后，这些装置将自然和外部世界的映像“转译”成人类感官可以接受的图像、声音甚至触觉和嗅觉味觉。这既是技术发展的必然，又是始料未及的情况。如果说，此前，哲学还试图在技术系统生成的数据之外寻找世界的直观映像，到了大数据时代，这种人类的直接感知即使没有被完全取代，也失去了其传统意义上的优势。一言以蔽之，哲学，需要从数据中寻求对世界的认识，舍此即失去认识的来源。

　　这似乎是一个惊人的变故，其实不然。在影响人类认识的议题上，大数据带来的变化，只是数量和范围上的，并非根本意义上的改变。事实上，回顾历史，我们发现，我们的对外部世界的感知，从来都是依赖于某些技术装置的，也就是说，人的认识，其实是通过数据获得的。

　　最早的技术装置，可能是直尺，它用于测量长度，例如田亩;更早的述说技术装备，也许是绳结，它用来述说一件重要的事件。在我国，从河北泥河湾先民打造石器，到安阳殷墟龟甲上刻画的文字，都可以看作是某种“数据”，表达着人类对外部世界的某种认知。而面对着所有这些早期的承载数据的技术装备，人们获得对外部世界的某种最早的抽象认识。古代人先后发明过算筹、斗和称、漏刻、浑象仪、量角器等等，无不是用来产生认知外部世界的数据，人们也发明笔、纸张、雕版印刷术，也是用来记录和生产数据。依托所有这些，数据成为人们认识的依据，思考的源泉，表达的工具。

　　近代以来，西方的技术和科学异军突起，望远镜、显微镜、六分仪、光谱仪、质谱仪乃至加速器、射电望远镜相继出现，成为人类认识外部世界的有力工具。这些技术装备产生的数据成为近现代思想的新的依托。到了当代，伴随着电子计算机的强大数据处理能力的出现，各种延伸和阔展人类感官感知能力的器皿设备层出不穷，终于完全或接近于完全取代人类对外部世界的直接感知，通过把数据呈现给人类，成为人类认识的来源。这就是大数据的时代。

　　关键点在于，我们所知的世界，全部是数据表达的，其中一部分获得理解和解释，更多的只是数据，没有得到解释甚至没有得到关注，它只是像自在自然那样在那里，等待人们去搜索发现它，解释它，运用它。

　　数据与本体

　　根据上述认识，似乎可以通过观察数据的形成和生产，来理解哲学与科学的在解释客观自然议题上彼此消长。

#p#分页标题#e#

　　在近代科学初兴时期，它并没有从传统哲学中分离出来，它被冠之以自然哲学。与之相并行不悖的，有哲学本体论和形而上学。后两者都是试图以某些观念描述和解释外部自然，寻求事物的本质，并在哲学领域合法存在。伽利略、牛顿等人推崇的使用先进观测和实验手段观察与调控自然，用数学述说自然过程。当这一切成为风气之后，哲学本体论逐渐衰退，哲学似乎放弃了对客观世界的描蓦和解释，让位于自然科学。

　　在现代经济生活中，个人和家庭生活与银行零售业务联系密切，比如投资理财、电子商务、移动支付、家居生活以及外出旅游无不与银行零售业务紧密相连。正因为零售银行的客户庞大、分布广泛、业务量大且复杂，因此零售银行对业务的管理、风险的控制、客户的营销都有不同的要求。并且随着互联网金融的发展，银行零售业务越来越受到其他非银机构的挑战，零售银行对其业务的稳固及发展面临着新的压力并提出了新的要求。要应对这种挑战，不断扩展业务，创造新的利润空间，就必须对市场需求进行周密的调查研究，并且在调查研究的基础上发现价值点，而这些正好是大数据分析的用武之地。

　　零售银行经过了这么多年的发展，尤其是在最近几年互联网和移动互联网快速发展的前提下，本身已经积累了大量的数据，这些数据几乎涵盖了市场和客户的各个方面。零售银行的这些数据主要包括以下几个方面：

　　第一，现有客户的属性数据。客户的属性数据包括客户的性别、年龄、收入以及客户的职业。这些数据是客户在开户或者购买产品时留下来的属性数据，通过这几个属性基本上可以描述客户的大概情况，比如收入水平、资产状况等。

　　第二，客户的账户信息。客户的账户信息里包含了客户的账户余额、账户类型以及账户状态。客户的账户信息记录了客户当前的一种资产状态，对零售银行分析客户以及挖掘客户起到了重要作用。

　　第三，客户的交易信息。客户的交易信息里包含了客户交易的日期和时间，交易的金额以及交易的类型。通过这些我们可以知道客户交易的频度及总额，由此可以推断出客户的交易喜好以及资产能力。

　　第四，客户的渠道信息。渠道信息是指客户是偏好去银行柜台办理业务，还是通过互联网客户端或者移动互联网客户端来办理业务。客户的渠道信息对客户的管理及拓展至关重要。

　　第五，客户的行为信息。在互联网时代，各个零售银行都有网银日志和手机银行日志，这些日志记录了客户办理业务的行为信息。相对于前几个方面的数据信息，网银日志和手机银行日志信息是一种非结构化的数据信息。

　　对比以上数据来源，可以发现零售银行的数据信息主要包括以下几类：客户的属性、交易习惯、渠道偏好以及行为信息。这些数据信息储存于零售银行的网银系统、客户管理系统、电子支付平台、ECIF系统、核心银行系统或者其它系统里面。这些系统对数据的保存及分析提供了极大的便利性和准确性。

　　大数据分析对零售银行的商业价值

　　近几年来，大数据分析在各个相关领域飞速发展，零售银行也不例外。鉴于零售银行的业务类型以及零售银行的数据类型，大数据分析在零售银行的商业价值主要存在于以下几个方面。

　　第一，客户的精细分类和档案管理。零售银行为了给客户提供更加优质的服务，需要通过分析银行系统本身数据库所保留的客户资料信息，对客户进行分类管理。

　　相关统计表明，只有大约20%的客户能给银行带来最大收益，因此找到这20%的优质客户就成为零售银行的一大主要目标。而根据客户的数据信息资料找出客户背后的社会、经济、消费特征，进而可以推断出客户的消费能力、消费水平和消费习惯，并可以计算出各个客户对银行的贡献率，最终根据这些特征对客户进行精细化的分类及管理。通过这些分类和管理能给零售银行带来最大的收益，而这些操作只能通过大数据分析才能实现。

　　第二，客户流失的预防和精准营销。从行业经验来看，发展一个新客户的成本远远大于维持一个原有客户的成本，尤其是优质客户。如今，银行零售业务的竞争非常激烈，市场区域饱和，因此维持原有客户防止客户流失显得愈发重要。如何保留原有的客户并且不断为这些客户提供优质的增值服务是零售银行业面临的一项重要挑战和机遇。目前大数据分析可以帮助零售银行精细的定位和划分客户，从而找出具有潜在流失可能性的现有客户。通过对数据进行分析，挖掘和整理出客户流失的具体原因，客户不满意哪些产品和服务，客户消费行为的定位等等。通过大数据分析可以对不同的客户提出具有强烈吸引力的个性化营销方案，进而帮助零售银行预防客户流失进行精准营销。

#p#分页标题#e#

　　第三，产品的分析和管理。零售银行有众多的产品，这些产品适合不同的客户群体，如何对产品进行分析、管理和优化也是零售银行面临的一个难题。以往的产品分析和管理只是单纯的利用统计分析来对产品的当前状态进行描述，缺少的是深入的挖掘。而在如今的大数据时代，通过大数据分析不仅可以对产品的覆盖人群、产品的盈利能力、用户的反应、用户的留存率、产品的营销推广、产品的优化升级进行全方位的挖掘，还可以在此基础上找到新的价值增长点。通过大数据分析，零售银行对产品的把控能力必将得到更大的提高。

　　第四，风险控制和管理。信用卡的使用就是零售银行面临的风险之一，客户恶意透支信用卡，逾期不还款这些都是银行面临的潜在风险。因此，如何提前识别有风险的客户，如何预防客户的恶意透支以及如何进行风险管控，这些都是零售银行面临的难题。在大数据分析大规模应用之前，银行只是简单的通过用户的背景资料来进行预防，这种方法既被动又无效。而如今，在大数据的帮助下，银行可以从客户的历史数据中分析出客户的消费行为习惯，一旦客户出现非常规的消费行为，即可认为风险指数超标从而中止交易，进而有效地防止风险的出现。

　　另外，通过大数据分析也可对用户的信用等级进行评估，对信用评估得分低的客户可以重点进行风险管理和控制;对信用评估得分高的客户可以进一步挖掘出这部分客户的消费潜力进而提高零售银行的业绩。

　　第五，银行经营状况分析。大数据分析不仅可以对零售银行的客户进行精准定位、营销和风险管理，也可以对零售银行的总体经营状况进行深度分析。通过数据挖掘及时了解营业状况、资金情况、利润情况等重要信息。同时，还可以结合历史同一时间的经营状况数据，挖掘出现阶段经营状况的问题以及改进的策略，进而提出在该条件下最大收益的经营方式。

　　以上五点只是大数据分析对零售银行商业价值存在的主要方面，也是大数据分析对零售银行影响最大的几个层面。随着大数据分析在零售银行业的应用与发展，大数据分析对零售银行其它业务的商业价值必将得到更大的显现。

　　总而言之，大数据是创新、竞争和提高生产率的新领域，蕴含着许多市场机会与利润空间;大数据所蕴藏的巨大价值必将引起包括零售银行在内的诸多行业的经营创新和企业管理的重大变革。今后，大数据分析对零售银行的影响会越来越大，零售银行业在大数据的推动下必将迎来一个新的增长机遇。

　　说起大数据，可能很多人都知道这是未来互联网时代发展的一个大发向。但是大数据的兴起却不是因为互联网，也不是因为移动互联网，而是因为万物互联。

　　互联网可以说是信息1.0时代，而移动互联网则是信息1.5时代，物联网呢，则是信息2.0时代。在这个万物互联的时代，它将是一个信息爆炸的时代，大数据将会在这个时代掀起一个突飞猛进。

　　目前，各种智能硬件、联网设备、传感器如雨后春笋般地冒出来了。智能家居、智能可穿戴、智能汽车、智能小区、智能城市等很快就将在全球范围流行起来。而在这个万物联网的背后，数据的分析、处理、识别、预测等就变得尤为重要。

　　眼下阿里云在金融云、政务云、企业云服务方面已经跑在前面，而百度云则在个人云服务、物联网数据方面领先，腾讯呢，自然在这方面要略显落后了。不过进入到今年以来，腾讯云正在加速追赶百度和阿里。

#p#分页标题#e#

　　不过在物联网时代，谁能真正玩转大数据，目前不管是亚马逊、还是谷歌等科技巨头，目前都没有谁敢真正说这个领域将会是自己说了算。而第一个尝到大数据甜食的又会是谁，我们拭目以待。

　　最后一位试图运用科学数据来解释自然的哲学家是康德，他研习了牛顿的运动力学和天体力学，提出宇宙演化学说。然而，拉普拉斯在康德基础上，用物理理论和数学表述了星云说，在无限时空中的恒星和星系演化学说。拉普拉斯之后，科学之描摹自然优越于传统哲学得到公认。

　　一般认为，在经典科学时代，哲学与科学在描摹自然方面的差异，在于是否运用数据和使用数学方法。今天我们发现，这并非全部问题所在。经典时代，直至大数据崛起的今天，自然科学的确在使用各种技术装备获得的数据方面占据优势地位，哲学则固守传统的概念分析和一般推理方法，这还是指的好的哲学。这与其说是哲学落后于科学，勿宁说人类获得数据的能力尚有不逮，给传统哲学留有施展余地。

　　大数据的出现，包围了人类认知世界的所有方面，情况发生变化。在科学界开始讨论并实施“计算一切”的时候，同时也给哲学重新回到讨论本体打开方便之门。这里发生的变化是，数据成为认知的源泉，思维的质料;我们对世界的解释转变为对数据的解读，舍此无他。大数据的出现，使得我们发现，我们所知的称作外部世界的东西，是通过数据来呈现的，当我们寻求世界的本质和意义时，我们实际上是在数据中徜徉;当我们觉得有所发现有所体悟时，实际上是自觉找到了一些数据之间的关联。

　　数据的物理学气质

　　所谓物理学气质，指的是思考事物的本质，从原理层面上对事物的本质进行探究，揭示出事物的基本规律。当前备受热议的数据和大数据是否具有揭示事物基本规律的功能，可能还有待于观察，但是，数据，就其现象而言，似乎已经展示出某种物理学气质，考察这一特性，既有利于认识数据的本质，也有利于深化对物理学的认识。

　　这里所说的物理学，主要指的是量子力学。

　　众所周知，量子力学无论在理论上还是在应用上都获得巨大成功，在场论、粒子物理和天体物理学研究上都扮演者基础角色，在固体物理、半导体物理以及超导物理等应用学科上都有极出色表现。量子力学与哲学的联系，比其他任何自然科学领域都要来得紧密，其中最重要的就是认识论问题。

　　量子力学发现，建立在测不准关系基础上的认识，受到基本物理原理的限制，客观世界原则上不可能真正被观察到，我们只能根据物理测量结果认识世界。而测量本身形成对客观世界的干扰，导致无法真正认清它的本来面目。所以，我们对于世界的认识，唯一来源就是测量的结果，即所谓经验。

　　量子力学的这一认识原则引发将近一百年的讨论，至今未能平息。

　　尼尔斯·玻尔认为我们必须接受量子力学给出的认识原则，承认和接受自然作出的安排，量子力学已经很好地描绘了自然;爱因斯坦则不愿接受玻尔的“绥靖哲学”，他觉得一定是量子力学本身的不完备造成，人对自然的认识应该是能够穷尽的，不可能也不应该像量子力学所描绘的那样。

　　当我们回顾前述数据与大数据的认识论与本体论含义时，就明白，一直以来有关量子力学问题的争论，本质上就是对于数据的意义的争论。显然，爱因斯坦不愿意接受数据给出的结果，以及对于数据的解释，而玻尔则认为数据揭示的自然正是自然本体，无论我们是不是喜欢它。

　　有趣的是，人们一直在争论量子力学的测量问题，此前却几乎从来没有人意识到测量的结果本身就是数据，而数据已经成为事实上的认识来源。离开数据，我们对于世界一无所知。

　　在这个大数据时代，当我们认识到，数据正是我们认识世界的源泉，所谓世界其实就是数据构成的，我们也会看到数据本身所具有的物理学气质，正像量子力学所强调的那样，世界隐藏在经验表象背后，我们所能谈论的，只是经验本身。想要学习更多知识，那就来课课家教育，我们这里有通俗易懂的噢~不怕你们学不会!你的支持就是课课家教育最大的动力，欢迎进入课课家教育!