一、 迷霧中的大數據

　　1. 望文生義的大數據

　　大數據是當今最熱門的詞匯，也是概念最混亂的詞匯，基本詞匯在不同場合出現時會有不同含義，澄清基本概念的含義及其含義變化的規律對于深入探討大數據機會是非常必要的。

　　用耳熟能詳的詞匯代表一個全新的概念很容易造成理解上的混亂，人們太容易望文生義，以自己原有的理解去想象新概念而不去了解該詞匯此時的新含義，望文生義是阻礙人們學習新知識的大敵，研究大數據必須先忘掉大數據習俗概念，從"大數據"形成的背景研究開始觀察。

　　2. 清晰概念的兩條路徑

　　清晰一個概念通常有兩條路徑，一條是查閱各種文字解釋，不同的解釋有助于形成概念的整體印象，若要領悟概念的精髓，還得走另一條路，即需要重復新概念形成的思維過程，要從對背景與大量案例的觀察入手，從具體事例中抽象出新概念，反復用新事實考驗自己的概念，使概念的內涵更加豐富。后一種方式雖然耗費時間，但能提高概念舉一反三的創新能力，因為從文字解釋獲得的理解只能返回到文字中去，而從大量場景實例中抽象出來的概念很容易返回到應用實踐中，這對于提高應用創新能力極為重要。

　　3. 理解新名詞背后的故事

　　僅靠名詞解釋學習新名詞的重大缺陷是會忽視該名詞的成語含義，當一個名詞成為輿論熱點時它已經有了自己的故事，變成了一個成語，已增添了時代背景賦予的新含義，這種新含義不是名詞解釋所能囊括的，而這個新含義正是我們理解新概念的關鍵。

　　在大數據出現之前，我們已有海量數據之稱，僅從字面解釋兩詞差別不大，但聯想其出現背景可知兩詞含義大不相同，海量數據僅僅是形容數據量大并無新的內涵，而大數據不同，它代表著一個新時代的到來，史無前例的數據規模充斥著人類社會各個方面，意味著社會生產力發展的巨大機會。

　　4. 從應用出發的大數據理念

　　使新理念成為社會熱點的動力是利益，大多數人是從新理念能否為自己帶來效益的視角決定是否歡迎這種理念。不同行業、不同背景的人對大數據理解的重點有所不同的，如IT技術部門理解的大數據是現有數據處理技術所處理不了的數據規模是大數據，這種視角有利于宣傳技術優勢；政府部門的大數據概念更多強調政府數據的綜合應用，因為這是政府部門數據應用最迫切的課題；在工業領域中，大數據與智能化緊密聯系在一起，典型如自動駕駛汽車等，與數據挖掘類的大數據應用的模式很不相同，智能設備直接依據數據操作，沒有信息提取概念。準確理解不同用戶不同場景下的大數據含義非常重要，這不僅有利于與不同的用戶準確對話，也有利于發現不同場景下的大數據創新應用機會。

　　二、 大數據的技術背景

　　1. 數據充斥的新時代

　　與數據庫時代海量數據只集中于大型機相比，互聯網時代大規模數據已無處不在：人人都有手機，時刻處于連接，GPS隨時定位，網上查詢、購物、聊天、游戲不停，銀行卡、交通卡、門禁卡不停地刷，視頻監控、ETC等時刻記錄過往車輛，智能化設備已經穿戴在身上，一切智能設備都是數據設備，當今時代不僅是數據爆炸時代，也是智能設備遍布各個角落的時代。

　　大數據時代是信息技術發展的必然結果，新技術出現不是人所能控制的，機會成熟了新技術將應運而生，你不發明別人會發明，技術就像生物，只要環境適當就會自然生長，大數據時代的到來不可抗拒。

　　2. 摩爾定律締造基礎

　　與其說大數據是一種技術，不如說大數據是一種環境。大數據應用不是靠某項發明，而是社會信息環境的變遷的結果。大數據概念代表著社會性，沒有信息技術大普及不可能生成如此多的數據，沒有計算機存儲能力的指數增長，大數據將無處存放，數據量的膨脹速率與摩爾定律是一致的。摩爾定律的貢獻不僅是計算機硬件功能的指數增長，還使硬件成本的急劇降低，使智能手機迅速普及，使傳感器成本極大下降，進而使自動化數據收集成本趨于微不足道，從而迎來大數據的爆發，摩爾定律是推動大數據的一大功臣。

　　3. 網絡推動了大連接

　　推動大數據時代的另一大功臣是通信的大發展，互聯網與移動互聯網的貢獻甚偉。高速互聯網連接了全球計算機設備，物聯網將這種連接擴展到智能終端，一臺臺智能設備與整個互聯網連接，自由地交換數據，將單臺設備的數據能力升級到全球網的層次上，極大地提升了系統的智能潛力。

　　高效的通信網實現了更多的連接，梅特卡夫定律指出網絡的價值與參與者的平方成正比，連接的增加就是機會的增加，也是全社會數據利用能力的增加，更是提高生產力機會的增加。

　　4. 軟件與新技術的創新

　　大數據應用的核心技術是軟件，大數據的技術定義是"現有數據處理技術所不能勝任的大規模數據"，此話引申含義是：大數據處理新技術是大數據應用的關鍵，沒有新處理技術的大規模的數據只能是一堆垃圾，是軟件技術的新發展才使垃圾變廢為寶。

　　軟件的作用不僅僅是大數據資源的數據挖掘，還是智能技術集成創新的粘合劑，將硬件設備、網絡資源、傳感器、控制器與數據組織成為能夠實現目標的智能系統靠的就是軟件，軟件是智能系統的靈魂，軟件工程的發展與軟件工具的積累為大數據智能系統的大量涌現奠定了基礎。

　　5. 大數據生態環境

　　大數據所體現的已經不是一項一項的孤立的信息技術，而是多種信息技術共生的新生態環境。這些新技術包括傳感器、高速網絡、移動互聯網、智能終端、云平臺、大數據處理技術、地理系統技術等等，這些基礎技術的出現為新技術、新應用的創新提供了良好的機會，我們知道，新技術出現的基本渠道是已有技術的集成創新，積累的技術越多創新機會就越多，這是一個正反饋循環，大數據時代是數據大爆發的時代，也是智能系統大爆發的時代。

　　三、 信息驅動的大數據視角

　　1. 互聯網巨頭的大數據理念

　　大數據概念的出現來自互聯網巨頭業務的推動，史無前例的龐大數據急劇地向谷歌、亞馬遜、百度、阿里、騰訊等互聯網巨頭集中，幾乎要撐爆一切現有的數據存儲系統，互聯網巨頭們瘋狂地擴充服務器數目（已達百萬級），其數據量還在指數增長，如何利用如此龐大的數據成為一個新課題，由此產生了大數據最原始的定義：現有信息技術所不能處理的大規模數據稱為"大數據"。

　　史無前例的數據規模推動了大數據技術的發展，這種新的處理技術使得互聯網巨頭聚集的大規模數據成為重要的資源而不是垃圾。這種超大規模的數據資源的利用改變了人們從數據中獲取信息的理念，促成了大數據應用理念革命。

　　2. 大數據理念革命

　　《大數據時代》作者邁爾-舍恩伯格將大數據理念革命的精髓概括為三點：

　　（1） 不是抽樣數據，而是全部數據；

　　（2） 不是精確數據，而是模糊數據；

　　（3） 關注相關性，而非追究因果性。

　　邁爾-舍恩伯格對大數據應用歸納的新理念入木三分，對長期處于小數據統計分析的人員如醍醐灌頂，大數據提供了一種挖掘信息的新思路，對于利用大數據資源獲取信息的應用非常重要，大數據思維為科技探索提供了新模式。

　　3. 信息驅動的大數據應用特點

　　邁爾-舍恩伯格的觀點代表了最純正的大數據理念，是真正擁有超大規模數據資源的機構需要認真體會的，對國內如BAT類互聯網巨頭們如何利用好自己的數據資源有著重要的指導意義，也是很多希望利用大數據資源獲取信息的政府部門需要認真學習的。

　　邁爾-舍恩伯格描述的大數據理念是大數據的信息應用視角，關注的是如何從大數據中挖掘出更加準確、更加豐富的信息，目的是利用這些信息來指導和改進人們的工作，提高決策的水平，這是為人腦服務的大數據應用。人是靠信息決策的，這類大數據應用的目標是提取信息，可稱之為信息驅動的大數據應用。

　　政府部門的大數據應用大都是信息驅動型大數據應用，它與傳統的統計數據處理的目標是一致的，都是要從數據中提取信息供決策使用，都是面向人腦用戶的大數據應用。[page]

　　4. 信息驅動的大數據應用難點

　　信息驅動型大數據應用的主要困難是缺乏可用的大數據資源。在傳統的統計調查中，統計調查是由信息需求者設計的，調查得到的數據與所需要的信息密切相關，信息濃度高且容易處理。大數據應用盡管有很多優點，但卻不可能為了獲取信息而去設計大數據收集系統，因為其成本太高。大數據應用只能使用業務系統積累的數據資源（收集成本由業務系統承擔），大數據應用是業務數據的副產品，信息使用者找到適用的業務數據資源并不容易。

　　目前擁有大數據的部門大都利用用戶數據來優化本公司的銷售業務，如亞馬遜的商品推薦，電信部門的套餐推薦等等，但對沒有大數據的企業要利用他人的數據注意還是很困難的，一是合適的數據資源并不好找，二是利用這些資源的成本并不低，是否值一做仍是一個問題，只有那些管理已十分精細的企業才有興趣利用外部大數據資源改進自己工作。

　　四、 政府官員心目中的大數據

　　1. 政府官員心目中的大數據

　　人們對概念的理解與其工作背景密切相關，不少政府官員將大數據的理解為統計數據處理概念的延伸，對大數據與海量數據不加區分，他們認為將政府數據資源整合起來就是大數據，政府數據集中在一起就是大數據，大數據應用不過是政府數據資源的整合應用。

　　從多數部門目前的實際工作看，一時也沒有區分大數據與海量數據必要，但是從長遠來看區分兩種概念還是必要的，海量數據的思維會把政府的數據視野局限在傳統數據渠道之內，而大數據思維會引導政府拓展數據渠道，利用企業大數據、傳感器數據、互聯網數據等等，并向非結構化數據應用拓展，政府會考慮與外部機構的大數據合作，開放的思維能夠提高政府的信息能力。

　　2. 大數據并不適合大決策

　　利用大數據資源改善政府的信息能力提高決策水平是很多政府的目標，但是決策水平的提高是很復雜的事情，大數據能發揮作用有限，不能期望大數據能全面提高政府決策水平。大數據的長處是對具體業務進行改進，擅長解決的是小問題而不是大決策，它只對業務管理已經走上正軌的部門有所幫助，對于管理不善的部門無能為力。

　　大數據對重大決策幫助不大的原因來自以下兩點：

　　（1） 影響政府決策的重要因素大都是無法精確數字化的，例如整體形勢、公眾輿論、傳統習慣、干部水平、社會需求等等都難以數字化；

　　（2） 大數據只能產生于特定的環境中，其結論必然帶有局限性，龐大的數據規模會誘使人們夸大其在決策分析中的權重，反而增加了片面性。

　　決策依賴于多方面信息的綜合，大數據只是提升政府信息能力的工具之一，不能期望僅靠一項工具就能解決政府決策的諸多問題。

　　3. 德魯克反思IT對高層決策的影響

　　上世紀末，德魯克在《21世紀的管理挑戰》一書中對信息技術對高層決策的影響進行了反思，德魯克寫到：在信息化的初期，包括自己在內的專家們都認為信息技術"最大和最初的影響會是在企業的政策、策略的決定上。對此我們實在是大錯特錯，到目前為止，電腦最大的革命性影響卻是我們都未曾預期到的，它的影響原來是在日常的運作方面"。

　　德魯克認為信息科技只是制造數據而非制造信息，信息科技的發展對企業管理本身來說幾乎毫無幫助。德魯克反思提醒人們注意，IT對高層領導與基層人員的使用效果是不一樣的，高層決策主要面對不確定性環境，需要廣闊的視野與豐富的經驗，這些都是IT無法滿足的，IT最有效的應用是在基層業務的規范處理上，基層業務的改進才是大數據應用的重點。

　　4. 小數據的整合應用是當務之急

　　當前對于多數地方政府整合應用好各部門小數據才是當務之急。經過十余年的電子政務建設，地方政府大都實現了部門數據的計算機收集，現在的任務是對各部門的數據進行整合分析，這些部門數據長期以來一直未有效地整合過，綜合利用這些數據，可以更有效地改進政府的管理與公共服務，增加對公眾的個性化服務，將會受到各方面的歡迎。

　　政府數據開放有助于大數據應用的發展，但政府能夠開放的大數據資源不多，氣象數據、交通數據、視頻監測數據是人們談論較多的資源，更多的大數據資源在大企業手中，政府主要是小數據資源的開放，這些數據雖然夠不上大數據，但是與居民的日常生活密切相關，這些數據開放更有價值。政府首先應把小數據的工作做好，包括利用好與對外開放，小數據的成功應用是大數據應用的不可或缺的基礎。

　　政府可以與企業合作，利用企業的大數據資源與分析能力，改進政府的工作。

　　五、 技術驅動的大數據視角

　　1. 面向機器應用的大數據

　　信息驅動的大數據應用是面向人腦的大數據應用，技術驅動的大數據應用是面向機器的大數據應用。

　　機器使用數據與人腦使用數據的模式不同，人腦不能消化大規模數據，必須先從中提取信息（或者說是數據挖掘，即濃縮數據或可視化），組織成便于人們理解的形式，人腦理解了的東西才是信息，才能夠用于決策。

　　機器不懂什么信息，沒有信息概念，機器只認數據，直接依據數據操作，軟硬件技術的改進使得計算機能夠高效處理大規模數據，面向機器的大數據應用是一個智能化系統，其數據來自傳感器和網絡，智能大數據應用因沒有人的介入，可以十分高效，大數據天然是為機器準備的。

　　面向機器的大數據應用的典型例子是無人駕駛汽車，汽車對周邊環境的感知都是靠傳感器、GPS定位系統及互聯網數據確定的，這是一個典型的大數據系統，同時它也是一個智能化系統，智能系統與大數據越來越不可分離。

　　2. 智能系統升級到大數據階段

　　信息技術大發展促進了智能系統的升級，傳感器的大發展和互聯網數據連接能力極大地提升了智能設施的感知能力，加之軟件、算法的同步發展，使智能系統升級到大數據階段。

　　早期的智能系統是局部性系統，信息連接的范圍很小，控制能力有限，智能完成簡單的自動化任務，但是在大數據的環境下，在物聯網的連接中，智能覆蓋的范圍將大得多，通過云的支持，可以利用更多的數據與知識，使系統可凝聚的智能大幅度地增長，實現智能化生產、智能化服務，開辟智能化社會新紀元。這也成為工業智能設備與系統發展的大趨勢。

　　3. 集成創新的大趨勢

　　技術的發展是社會共同創造的成果，技術創新主要是已有技術的集成創新，信息技術大發展成為技術集成創新的重要條件。軟件與通信是連接各種基礎設備、設施強有力的工具，如果沒有軟件在其中進行組織上的連接與協調，諸多的設備、工具是無法形成有統一目標的智能系統的，軟件成為復雜系統的粘合劑，是智能系統的靈魂。我們看到，軟件等信息技術使復雜的新技術的出現成為可能，未來一切復雜的技術都離不開軟件的連接。

　　智能化是人類應對不斷增長的復雜性的主要武器，為了適應環境智能系統必須準確地感知、緊密地內外連接，交換數據，因此大部分智能化的系統都將成為大數據應用系統，隨著智能技術、智能設備的發展，技術的集成創新將進入一個高速發展的良性循環，智能化大數據應用將成為常態，尤其是未來的物聯網應用環境，更是大數據應用的世界。

　　4. 連接比數據規模更重要

　　面向機器的數據應用對數據規模不甚敏感，因為機器不需要從數據中淘取信息，自動化數據系統鮮有處理速度瓶頸，智能系統關注的是數據的連接渠道，數據是來自傳感器還是物聯網，及如何對數據及時有效地處理。因此智能產業不需要按數據規模定義大數據，凡自動化信息渠道來的數據，一律視為大數據。

　　隨著物聯網的發展，連接的增長必然帶來數據的增長、智能的增長，機器學習、自然語言對話、人像識別等新型數據處理的規模都會急劇膨脹。在智能大數據的理念中，連接是比數據更重要的概念，為了共享知識與數據，智能系統與云平臺的連接會越來越多，智能系統的后臺支持成為大數據應用的重要內容。

　　六、 中小企業的大數據機會

　　1. 中小企業的大數據視角

　　多數中小企業對信息驅動的大數據關注度不高，大數據提供的信息對企業的經營管理會有改進，考慮到應用的時間與成本并不低，企業對信息需求的緊迫性并沒有那么高，多數企業會望而卻步。企業碰到的困難多是執行中的困難，把尿布和啤酒擺在一起可以增加啤酒銷量，但多數企業對此類細微改進不感興趣，它們有更急迫切的事情需要做，輪不上大數據來錦上添花。

　　大多數中小企業對于智能化發展方向會更加關注，包括智能產品的開發、智能化生產線的建設、服務的智能化等等，工業智能化趨勢對企業的沖擊更大，智能化對企業已不是細微的改進，而是關乎未來生存的大事情，在經濟發展低潮時期，產品換代、技術更新、提升智能化水平成為迫切的任務。智能化、數據化、精確化是一脈相承的，智能化就是大數據化，將大數據與智能化結合起來對企業的發展會有更大幫助。

　　2. 智能化時代中小企業的機會

　　信息技術大發展為中小企業提供了無限的技術創新機會，這些技術如寬帶網絡、傳感器、軟件（包括嵌入式軟件）、物聯網、云平臺、3D打印等等，使得企業的技術創新成本越來越低，創新的產品越多，進一步的集成創新將更方便，互聯網推動了信息民主化，信息技術與物聯網將推動制造業創新的民主化，智能化時代就是技術大創新時代。

　　處于這一時代的中小企業可以充分利用良好的智能化生態環境進行創新。每一個固定的產品都有市場飽和之時，但創新永遠不會飽和，因人的個性化需求無窮盡，產品與服務的個性化創新也無窮盡，智能技術大普及有助于中小企業去利用這種機會。

　　3. 智能大數據思維對中小企業的意義

　　中小企業的發展最重要的是尋找創新機會，制造業智能化的趨勢提供了巨大的發展空間，智能大數據思維有助于發現與認識機會。

　　機會不是現成的事實而是創新思維的成果，是人們想象力的作品。之所以看不出機會是因知識背景與思維方式束縛了想象力。在智能大數據時代，智能大數據的悟性是發現機會的關鍵，這種悟性會引導人們的注意力投向大趨勢的方向，即機會更多的方向。

　　機會的發現是一種創新思維，多視角思維會提升機會的敏感性，創新本身就是不同概念之間的連接，多角度觀察會增加概念連接的機會，大數據與智能化的連接是一種新視角，對企業在新形勢下創新有益。[page]

　　七、工業大數據的全球競爭

　　1. 制造業的全球大數據競爭

　　全球制造業的發展趨勢就是智能化、大數據化、物聯網化，全球制造業未來的競爭就是智能大數據的競爭。

　　在全球制造業領域中，中國、美國、德國扮演著最重要的角色，美國占有著信息技術與網絡優勢，德國有全球最先進的制造業技術與微觀信息化應用優勢（如嵌入式軟件、自動控制），中國有全球最大的制造業規模和門類最齊全的生產布局與龐大的應用市場。為取得未來全球制造業領域的優勢，中、美、德都在積極規劃未來的發展，《中國制造2025》、《工業互聯網》、《工業4.0》就是各國提出的競爭戰略。

　　2. 工業4.0的大數據理念

　　工業4.0 是德國利用互聯網、物聯網、大數據等先進技術改造傳統制造業的方案，其目的在于推進生產與服務模式由集中式控制向分散式增強型控制的轉變，實現靈活的、個性化、數字化生產與服務。工業4.0 計劃由德國工程院、弗勞恩霍夫協會、西門子聯合發起，被認可為國家的發展戰略。

　　工業4.0強調信息技術的現場應用，強調生產過程的智能化，以CPS（信息物理系統）為核心，使工廠成為實現自律分散型系統的"智能工廠"，使云計算成為使用工具而非控制制造的中樞。德國的優勢是在智能制造的基礎層面（如嵌入式工業軟件技術等），工業4.0 從德國的優勢出發，自下而上地提出工業智能化的戰略，以抵抗美國的網絡優勢。使德國成為新一代工業生產技術的供應國和主導市場的能力提升國家競爭力。

　　3. 工業互聯網的視角

　　工業互聯網是美國利用物聯網、大數據等信息科技振興制造業的戰略，由GE、AT&T、IBM、Cisco、Intel等公司發起，成立聯盟共同推動工業互聯網的發展，參與機構由發起時的86家發展到目前的200多家。工業互聯網是物聯網的升級，其核心目標是推動物聯網的標準化，形成全球化的工業網絡，實現通信、控制和計算的結合，建立工業互聯網在設計、研發、制造、營銷、服務的融合能力，振興美國的制造業。

　　工業互聯網認為，物聯網與互聯網的本質區別在于數據的來源，互聯網的數據是由人產生的，物聯網的數據是由機器產生，物聯網數據的海量化是大量帶有傳感器的智能設備接入的結果，物聯網的數據處理是流程自動完成的，其規模必將遠遠超過互聯網，物聯網是另一種大數據應用模式。

　　4. 《中國制造2025》與大數據

　　2015年5月18日，國務院正式發布了《中國制造2025》，將智能制造作為未來主攻方向。規劃的實質是要從資源驅動變為信息驅動，利用現代信息技術和網絡，推動物理世界和信息世界以信息物理系統（CPS）的方式相融合。希望能夠科學的編排生產工序、提高生產率，實現個性化定制生產，節約資源降低能耗。《中國制造2025》給出了智能大數據在制造業中的應用大方向，對中小企業的大數據應用更有指導意義。

　　《中國制造2025》更靠近德國的思路，被稱為中國的工業4.0方案，中國的問題是產業基礎差距很大，只是制造業大國卻遠非制造業強國，多數企業急需工業2.0 、工業3.0的補課，產品質量和產品價值仍是很多企業的大問題。中國企業的智能化建設必須與工業2.0、3.0補課一并進行，大數據宣傳的核心是培養企業的數據意識與精準文化，理念的現代化才能促進中國制造業跟上發達國家制造業智能化的步伐、進而趕超先進國家。

　　七、 消除大數據浮躁

　　1. 大數據應用無需一窩蜂

　　目前，大數據發展最大的危險是一窩蜂，將大數據視為解決一切問題的靈丹妙藥夸大宣傳，各種管理不善都想靠大數據來解決實在是本末倒置。大數據只會錦上添花從不雪中送炭。地區社會經濟管理只有發展到高水平時大數據才能發揮作用。不要相信什么"沒有掌握大數據就沒有明天"，嚴酷的事實是：不解決好當前的問題連今天就過不去。

　　大數據應用只能因地制宜，不能一刀切。以信息挖掘為中心的大數據應用，即使在北上廣深這樣的一線城市也只是少數機構有條件做，多數機構缺乏條件。一個更實際的問題是：機構有太多更重要、更急切的問題要解決，大數據能夠解決的只是小問題，目前排不上日程。

　　在智能化大數據領域企業界會看到更多的發展機會，能夠因地制宜地發展。不同的城市，大數據應用應有不同的取向，深圳就不必學京滬模式，以智能大數據應用為中心的模式更適合深圳的特點。

　　2. 新技術應用不存在捷徑

　　狂熱的大數據宣傳是發展焦慮癥的表現，官員急于有所作為，學者急于塑造專家形象，媒體急于聳人聽聞。但大數據應用的發展是一項知識工程，知識積累需要循序漸進，沒有捷徑可尋，大數據"彎道超車"不可行。

　　大數據技術只是一項工具，工具沒有解決問題的能力，工具不可能解決人都沒有想清楚的問題，解決問題的辦法必須靠人腦去想，人想清楚的處理流程可由信息系統重復運作，提高效率。如果自己還沒有想清楚的事情大數據非但不能幫忙而會把事情搞得一塌糊涂。

　　3. 提高全社會的數據意識

　　雖然中國在經濟總量上排到全球第二，但是中國仍是一個發展中國家，與發達國家最大的差距是缺乏科學的信仰與文化。發達國家推崇的是科技與精確，發展中國家的習性是馬虎與粗放，科技與精確是進入發達國家的通行證。

　　精準文化的核心是數據，精準靠數據來表述，發展的目標都是小概率的，唯有步步追求精確才能實現，沒有數據意識就沒有現代科技，培養全民族的數據與精準意識已是當務之急。

　　日本能夠成為發達國家得益于上世紀五、六十年代全國上下的全面質量管理運動，推行美國管理學家戴明的統計質量管理，這是一場全民族的數據意識補課。中國正需要這樣的補課，要利用大數據宣傳來提高全民的數據意識，使各項工作都追求精準，科技才能在中國扎根，中國才能進入發達國家之列。

　　4. 打好基礎發展才能越來越快

　　發展最重要的是基礎要好，基礎沒打好就想大發展無異于在沙灘上蓋樓必塌無疑。知識領域更是這樣，科技能在歐洲興起希臘哲學的嚴謹邏輯發揮了關鍵作用，它要求人們按數學定理般的嚴謹邏輯表述思維成果，嚴謹的邏輯確保了推理的可靠性，使后人可以踩在前人思考成果上進一步思考，嚴謹的思維成果成為可組織、可利用的資源，科學因可積累產生。不嚴謹的思維成果難以組織與積累，如同歪磚蓋不起樓。思維的嚴謹性還決定了人們科學研究的深度。

　　在科技發展中也是一樣，科技創新依賴已有技術的再組織，華為公司曾對某些通信技術研究得非常透，使后來的創新變得越來越快，成熟的技術成果可以拿來就用，不僅重組創新快，而且質量更有保證。工匠精神是將每件小事都當作藝術品去做的盡善盡美，中國與德國、日本的差距就在于缺乏這種精神。

　　5. 政府不浮躁社會才能不浮躁

　　發展中國家急于求成的心理非常普遍，浮躁的心態在大數據宣傳中多表現表現，如"要搶占大數據的制高點"、"把握了大數據就把握了未來"等等，把大數據視為是一種資源是合理的，但現在就搞大數據資源交換中心就超前了，數據沒有內在價值，其價值全因場景而定，大數據應用如垃圾里淘金，不必過早組織垃圾交易。

　　社會大數據應用需要水到渠成，不必人為加速，智能手機的普及、微信的普及都不是政府推廣的結果，發展是自然而生，過度宣傳、行政推動無異于拔苗助長，對大數據應用發展無益。不要為"搶占制高點"的說法所迷惑，制高點只是冰山露出海面的十分之一，沒有水下十分之九的冰塊支持冰山是露不出來的，沒有雄厚的基礎還是不要做占領制高點的美夢。抑制社會浮躁心態才是政府最應該做的貢獻。

　　（胡小明：中國信息協會副會長）