数据平台应确保大家在使用数据的过程中，口径、标准、时效性、效率都有保障，能有更高的可靠性和稳定性。
3.6 大数据的商用途径
前面阐述了大数据相关的定义与相关技术，那么大数据怎么转变为商业价值呢？下面我们从数据使用的几个层面来描述。
3.6.1 数据化
首先必须有数据，就是大数据的采集与存储。很多时候，如果我们连数据都没有，大数据只能是空中楼阁。所以，一个想要做大数据的政府部门或企业，必须先想办法拥有数据，或者采集、爬取、购买数据。
其次是数据互通互联。比如一个企业内部存在很多信息孤岛，信息孤岛之间必须打通，形成统一的大数据平台。最好的办法其实就是企业建立一个统一的大数据平台，当所有的数据上传到这个大数据平台后，数据自然就打通了。互联其实就是数据的标准，如果想让不同的数据源可以相互关联，形成更大的效应，就得有数据标准。数据标准不仅仅可以指导ETL过程中的数据清洗、数据校验，好的数据标准还可以使得无线的数据跟PC的数据相互关联互通，甚至企业之间的数据关联互通。
这些过程可以称为数据化的过程，也就是大数据的基本要素—数据的形成。
3.6.2算法化
有了数据，就可以加工使用了。严格意义上说，是指采用大数据的相关技术对大数据进行加工、分析，并最终创造商业价值的过程。在这个过程中，最核心的就是算法。我们提到算法时，往往也会谈到引擎，仅仅提引擎一词，更多想到的可能是汽车的发动机。汽车引擎无论多复杂，其实输入、输出是很简单的，需要的是汽油+空气，输出动力（汽油的能量）。大数据的引擎可能是一组算法的封装，数据就是输入的汽油，通过引擎的转换输出数据中的能量，提供给更上层的数据产品或者服务，从而产生商业价值。
算法是“机器学习”的核心，机器学习又是“人工智能”的核心，是使计算机具有智能的根本途径。在过去10年里，机器学习促成了无人驾驶车、高效语音识别、精确网络搜索及人类基因组认知的大力发展。从根本上来说，数据是不会说话的，只有数据没有任何价值。如果拥有大量的数据，而不知道怎么使用，就好像“坐在金山上要饭”。算法其实指的是如何在业务过程中有效利用数据。在不远的未来，所有业务都将成为算法业务，算法才是真正打开数据价值的密钥。当算法迭代优化时，决定其方向的不仅是数据本身的特性，更包含我们对业务本质的理解和创造新业务。这就是我们称算法为“引擎”而非“工具”的关键理由，它是智能的核心。基于数据和算法，完成“机器学习”，实现“人工智能”。
第3章 数据
109