零点有数带你一文读懂什么是“数智化”


随着中国经济数字化转型按下“快进键”,数字化转型已成为激活新技术、新产业、新业态、新模式等“四新”经济的重要抓手。随之,“信息化”“数字化”“智能化”“数智化”等概念铺天盖地,俯拾即是,各种解释也比比皆是,莫衷一是。本文将以计算机可记录的“数据”为对象,按其形成、发展、应用等过程顺序作一解读。


 信息化:数据的形成 

“信息化”的概念起源于上世纪60年代的日本,是日本学者梅棹忠夫提出来的,而后被译成英文传播到西方。这一时期,正值计算机技术从微型计算机向个人计算机演进。70年代后期,个人计算机开始逐步进入桌面应用,办公自动化随之兴起。80年代中期,基于Intranet的网络办公自动化也渐入应用,再到90年代初期,基于TCP/IP互联协议的万维网出现,信息化已从抽象概念走向具体应用。鉴于信息化对经济增长的显著贡献,西方社会开始普遍使用“信息社会”和“信息经济”概念。信息技术(Information Technology,IT)成为新经济的重要发展引擎,人类社会第三次产业革命也由此拉开序幕,信息时代与信息社会悄然而至。
信息化,普遍的认知就是由计算机硬件、软件、网络及操作系统等组成的信息化系统,为人们的生活、工作提供信息处理、信息交流和自动化应用。对照当今所谓的“两个世界”(即数字虚拟世界与人和自然构成的物理世界),可以发现,信息化是对物理世界领域中的事物与事件进行抽象建模,即建立一定的规程与流程,通过开发相应的应用软件,配置相应的网络环境与硬件设备,让信息化系统为人们的生活和工作提供一种自动或半自动化的外包服务。由此,信息化是物理世界引入的一个新的工具和物种,以提升人们的工作和生活效率。
应用过程中,信息化系统记录了大量的关乎物理世界运行的数据。人们通过信息化系统可以对这些数据进行一定程度的归纳、总结和分析,以不断提升工作和生活效率,不断优化工作方法和生活方式。
信息化,开始让物理世界中的事物与事件以计算机可以处理的数据形式记录起来。由此,“数据”开始形成,如下图1所示。

附图1 信息化:数据的形成

 数字化:数据的发展 

随着半导体芯片技术的发展,计算机技术以“摩尔定律”的速度飞速发展。马克∙韦泽尔(Mark Weiser)于1991年提出了普适计算(Ubiquitous Computing)——未来“计算无处不在”。
一语成谶!今天,借助于移动互联网和智能终端,人们能够在任何时间、任何地点、以任何方式进行信息的获取与处理;借助于智能芯片、5G通信和物联网(Internet of Things,IOT),一切物体的状态、运行、变化等信息都可以被计算、被传输、被存储;借助于“埋点”技术,人们的上网行为都可以被记录被分析;移动支付、数字货币等等,不一而足。计算已经无处不在,人类社会已成为一个可计算的社会。
让物理世界更多的事物与事件被计算的过程,是信息化进一步渗透应用到这些事物与事件的过程,也是这些事物与事件被“数字化”的过程。可见,信息化是过程,数字化是信息化的结果。伴随这一过程,物理世界越来越多的事物与事件的状态、变化和发展都可用“数据”记录和表征。亦即,记录和表征物理世界的数据将呈爆炸式增长,渐渐地,一个与物理世界形成镜像的数字虚拟世界就此形成。
因此,数字化可以理解为是将物理世界映射到汇聚大量数据的虚拟世界的过程。如下图2所示。

附图2 数字化:数据的发展

 智能化:数据的应用 

2011年5月,美国咨询公司麦肯锡(McKinsey)发表著名的题为《Big data: The next frontierfor innovation, competition, and productivity》(《大数据:下一个创新,竞争和生产力前沿技术》)的研究报告,报告指出:大数据,如实物资本和人力资本一样,将成为现代经济活动、创新和增长的重要要素。
数字化形成了汇聚大量数据的数字虚拟世界。这些数据种类繁多、结构各异、时刻变化着,这就是所谓的大数据(Big data)。如何发挥这些大数据的价值作用,这是“智能化”要解决的核心问题。
如果我们把大数据时代(Data Technology, DT)到来之前的信息化称作“传统信息化”(即IT时代的信息化应用),则今天基于大数据技术的信息化可称作“智能化”(即DT时代的信息化应用)。与传统信息化作为人力外包实现办公自动化、流程自动化不同,智能化更强调以场景问题解决为导向,基于大数据智能分析,为问题解决和决策支持提供智慧应用;传统信息化是对物理世界中的事物或事件进行抽象与概括的数字化记录,而智能化则是基于信息化、数字化所产生的大数据挖掘和分析,提供面向场景问题解决与决策支持的智能服务引擎。
借助智能化,人们可以利用数字虚拟世界去仿真和调优物理世界中事物或事件的运行逻辑,从而为场景问题解决提供了智慧决策支持。
信息化、数字化与智能化构成了数据从物理世界产生、汇聚到虚拟世界、再智能应用到物理世界的闭环——“数字孪生”技术也应运而生,如下图3所示。

附图3 智能化:数据的应用

虚拟世界所汇聚的大量(原始)数据本身是没有用的,要经过一定的处理后才能派上用场。这些数据来自多源,种类繁多,错综复杂,既有结构化数据,也有非结构化数据,还有半结构化数据。但这些数据携带着很多信息,需要经过一定的梳理和清洗,才能形成有用的信息(Information),这些信息里面包含着多规律,需要借助智能算法进行挖掘才能提炼成知识(Knowledge),然后需要把这些知识应用于问题解决和决策支持等实践,这便产生了智慧(Intelligence)。如下图4所示。

附图4 从数据到智慧的四个步骤

智能化就是从数据中形成信息、从信息中提炼知识、再将知识应用实践的一系列过程。实际过程中,需要结合业务领域知识,通过“经验模型化,模型算法化,算法软件化”三步曲,即根据业务领域知识建立业务模型(经验模型化),然后根据数据变化趋势设计智能算法(模型算法化),并通过数据训练、数据验证和数据测试,得到最优模型,最后将算法模型进行代码编程封装成软件模块(算法软件化),为智慧应用敏捷开发提供智能服务引擎。

 数智化:数字化+智能化 

“数智化”,简单理解就是数字化和智能化两个过程或两个层面的有机融合。如前所述,数字化汇聚了大量数据,形成了物理世界到虚拟世界的映射,智能化基于大量数据的智能分析,提供面向问题解决和决策支持的智慧应用服务。
在麦肯锡看来,所谓“大数据”就是对超大数据的采集、存储与分析的新技术,不过,这些新技术的内涵已经远远超出传统的技术范畴。因此,实际过程中,数智化是一项集合了信息化、数字化、智能化的巨工程,总体内容框架如下图5所示。

附图5 数智化总体内容框架

技术层面来看,数智化需要充分利用新一代信息技术(包括云计算、大数据、人工智能、5G、区块链等)来实现,这些新技术构成了数智化建设的数字新基建;从业务层面来看,需要优化再造业务流程,重构业务运行管理体系,健全协同处置机制,建立数据标准规范,定义数据资产目录,整合数据资源体系,加强数据资产管理;从安全层面来看,需要建立相应的数据安全管理和个人信息保护制度,要加强“端边云网安”(智能终端、边缘计算、云计算、网络、安全保障)全程全网的数据运行和使用动态监控;从智能层面来看,要加强针对行业细颗粒问题场景的垂直应用算法开发与公共服务算法中心的建设,充分挖掘数据智能,为智慧应用提供敏捷服务。

(0)

相关推荐