从数据到决策的大数据时代论文.pdf

第 3 5卷第 3期 2 0 1 4年 5月 吉首大学学报 ( 自然科学版) j o u r n a l o f j i s h o u un i v e r s i t y( n a t u r a l s c i e n c e e d i t i o n ) vo 1 3 5 no 3 m a y 2 0 1 4 文 章编 号 ： 1 0 0 72 9 8 5 ( 2 0 1 4 ) 0 3 0 0 3 1 0 6 从数据到决策的大数据时代 陈文伟 ， 陈 晟 ( 1 海军兵种指挥学 院三 系， 广东 广州 5 1 0 4 3 1 ； 2 软通动力信息技术 ( 集团) 有限公司 ， 北京 1 0 0 1 9 3 ) 摘 要 ： 根据 大数据 时代 的特 点和带来的变化 ， 明确 了大数据 时代 的核 心是从 数据 到决策 对大数据时代兴起 的即时决 策 ， 从 大企业到 个人进行全 面的分析说 明 在数据辅助 决策 方面， 讨论 了利 用统计方 法的辅助决策 、 从数据 中归纳 出数 学模 型、 从 数据 中获取知识等有效 方法 大数据与云计算 的结合 ， 将会达到相 互促 进和共 同发展 太数 据不仅 支持 大企业和政府 的决策， 也 支持 个人 的决策 关键 词 ： 大数据 时代 ； 即时决策 ； 统 计方法 ； 数 学模型 ； 知识 ； 云计 算； 决策 中图分类号 ： t p 3 0 1 文献标志码 ： a d oi ： 1 0 3 9 6 9 j i s s n 1 0 0 7 2 9 8 5 2 0 1 4 0 3 0 0 8 l 大数据 时代的简 介 2 0 1 2年， “ 大数据” ( b i g d a t a ) 】 一词是个热 门词汇 纽约时报 称 ， “ 大数据” 时代 已经降临， 在商业 、 经济及其他领域中， 决策将 日益基于数据和分析 ， 而非基于经验和直觉 联合 国在 2 0 1 2年发布 了“ 大数据 政务 白皮书” ， 指出大数据对 于联合国和各国政府来说是一个历史性 的机遇 ， 人们 如今可以使用极为丰富 的数据资源 ， 来对社会经济进行前所未有 的实时分析 ， 帮助政府更好地响应社会和经济运行 大数据的主要来源口 1 ： 社交网络数据 、 遥测数据 、 传感器数据、 监控通信数据 、 全球定位系统 ( gp s ) 的 时间数据与位置数据 、 网络上的文本数据 ( 电子邮件 、 短信、 微博等) 这些数据来源是信息化过程( 数据设 备的广泛使用和数据多渠道大量生成) 产生的 王俊 ( 英国 自然 杂志 2 0 1 2年评 出的对世界科学影 响最大的 1 o大年度人物之一) 说 ： “ 生命本身是数 字化 的， 基 因传代的过程是数字化 的过程 ， 弄懂基因系列 ， 通过基 因排序知道哪个基 因出了问题 ， 对症下 药 ” 王俊领导的全球最大基因测序机构 ， 每天产出的数据排名世界第一， 他说医学健康产业未来就是大数 据产 业 人类有个重要发现 ， 2 0 1 0 -2 0 1 2年的数据总量超过 以往 4 0 0年 可以概括地认为： 大数据 一 海量数 据 + 复杂 类 型数据 大数据具有 4个基本特征 ： ( 1 ) 数据量 巨大 到 目前 为止， 人类生产的所有 印刷材料 的数据量为 2 0 0 p b ( 2 ) 数据类型多样 现在的数据类型有文本形式 、 图片、 视频 、 音频、 等多类型 的数据， 个性化数据 占绝 对多数 ( 3 ) 处理速度快 ， 时效性要求高 从各种类型的数据 中快速获得有价值的信息 ( 4 ) 价值密度低 例 如， 1 h的视频， 在不间断的视频监控过程中， 可能有用 的数据仅仅只有一两秒 大数据将带来的变化 ： ( 1 ) 从掌握局部数据变为掌握全部数据 ( 2 ) 从纯净数据变为混杂数据， 可能 * 收 稿 日期 ： 2 0 1 3 1 11 2 基 金项 目： 国家 自然科学基金 资助项 目( 6 1 2 7 3 3 0 6 ) 作者简 介 ： 陈文伟 ( 1 9 4 0一 ) ， 男 ， 江西人 ， 海军兵 种指 挥学 院三 系教授 ， 博 士生 导师 ， 主要从 事决 策支持 系统 、 数据仓 库 、 数据挖掘等研究 吉首大学 学报 ( 自然科学版) 第 3 5卷 会发现生活的许多层面是随机而不是确定 的 ( 3 ) 从探求因果关 系到掌握事物的相关性 以前总是试图了 解事件背后的深层原因， 大数据转变为弄清现象之 间的联 系 大数据主要 回答是什么， 而不是为什么的问 题 ， 通常有这样的回答就足够 了 研究大数据的意义是不断提高“ 从数据到决策的能力” ， 实现由数据优势 向决策优势的转化 数据是现 实世界 的记录， 它反映了现实世界的现状 数据 中包含 自然界的规律 ， 也包含人类社会 的人的行为 在数据 中找出这些 自然规律和人的特定行为， 用于决策将会取得显著的效果 2 利 用即时数据的决策 国际商用机器公司( i b m) 估测 ， “ 数据” 值钱的地方主要在于时效 对于片刻便能定输赢的华尔街 ， 这 一 时效至关重要 华尔街的敛财高手们却正在挖掘这些互联 网的“ 数据财富” ， 先人一步用其预判市场走 势， 而且取得了不俗的收益 利用这些数据可以做很多事 ， 比如华尔街根据民众情绪抛售股票 ； 对冲基金依 据购物网站的顾客评论 ， 分析企业产品销售状况 ； 银行根据求职网站的岗位数量 ， 推断就业率 ； 搜集并分析 上市企业声明， 从中寻找破产的蛛丝马迹 ； 分析全球范围内流感等病疫 的传播状况等 即时数据的有效决策归纳为： 跟着当前潮流走； 不满足于现状逆着潮流走； 跟着新趋势走 ； 从搜索信息 中做决策； 存在人为制造病毒或者造谣； 网络丰富了个人生活和决策 ( 1 ) 跟着潮流走 跟着潮流走的典型实例 ： “ 德温特资本市场” 公司首席执行官保罗 霍廷每天的工作 之一， 就是利用 电脑程序分析全球 3 4亿微博账户 的留言， 进而判断民众情绪 ， 再 以 1 5 o进行打分 ， 根 据打分结果 ， 霍廷决定如何处理手中数以百万美元计的股票 霍廷的判断原则很简单 ： 如果所有人似乎都高兴 ， 那就买入 ； 如果大家 的焦虑情绪上升， 那就抛售 这 一 招收效显著 ， 当年第一季度 ， 霍廷的公司获得了 7 的收益率 ( 2 ) 逆着潮流走 2 0 1 3年 6月 9日， 美国国家安全局承包商的爱德华 斯诺登 ， 披露 了美国国家安全局 一 项代号为“ 棱镜” 的计划的细节 斯诺登说 ： “ 国家安全局打造了一个系统可截获几乎所有信息 有了这种 能力 ， 该机构可 自动收集绝大多数人 的通信内容 你的电子邮件 、 密码 、 电话记录和信用卡信息就都在我手 上了 ” 斯诺登对 卫报 记者说 ： “ 我不想生活在一个 我的一言一行都被记录在案 的世 界里 我不愿支持这 种事 ， 也不愿生活在这样 的控制下 ” 2 0 1 0年陆军情报分析员布拉德利 曼宁 ， 向维基揭秘 网发送了几十万份机密文件 他说 ： “ 我希望人 们看到真相 ， 因为如果不知情 ， 公众就不可能做出明智的决定 ” 斯 诺登 和曼 宁都知 道披露 美 国 国家安 全局 这 样 势力 强 大情 报 机关 的秘 密是 非 常 危 险 的 ， 他 们 是逆 着 潮 流走 的典 型 ( 3 ) 跟着 新观 念走 跟着新 观念 走 的典 型 实例 ： i b m 在 上一 个 1 0年抛 弃 了 p c， 成 功 转 向软 件 和服 务 ， 而这次将远离服务与咨询 ， 更多地专注于因大数据分析软件而带来的全新业务增长点 i b m 执行总裁罗睿 兰认为： “ 数据将成为一切行业 当中决定胜负的根本 因素 ， 最终数据将成为人类至关重要的 自然资源 ” 在个人决定前途时的选择， 跟着新观念走 的实例 ： 海事大学信息科学技术学院某副院长说 ， 他在完成 学业以后 ， 看见 计算机世界报 ( 1 9 9 7年) 首次向国内介绍“ 数据挖掘” 新技术后， 决定今后就选择“ 数据挖 掘” 作为方向， 从而形成了他的人生新轨迹 ( 4 ) 互联 网络上搜索信息 信息不对称现象普遍存在于社会 ， 特别在市场经济活动 中， 各类人员对有关 信息的了解存在很大的差异 掌握信息多的人 ， 有更多的机会从差距 中找商机获利 ( 信息不对称理论是由 乔 阿克尔洛夫等 3 位美国经济学家提 出的， 从而获得 2 0 0 1年诺贝尔经济学奖 ) 解决信息不对称现象， 需要利用互联网络进行搜索 ， “ 知识在于搜索” 是 当今获取知识的新趋势 ， 它是 “ 知识在于学习” 和“ 知识在于积累” 的补充 这也造 就了 g o o g l e ( 谷歌 ) 、 百度等搜索公司的辉煌成就 例 如 ， 在识别流感疫情时， 谷歌比疾病控制和预防中心更有效掌握疫情 ， 因为谷歌利用监测无数个搜索词( 比 如“ 最好的咳嗽药” ) 并加入详细地址的追踪 ， 所以有效掌握疫情区域 搜索当前信息后做决策， 已经成为即时决策的新趋势 ( 5 ) 开源软件激发了人的创新热情 开源软件是在开源网站上交流， 相互之间激发出的创新热情 有的 第 3期 陈文伟 ， 等 ： 从数据到决策 的大数据时代 3 3 人通过软件开发锻炼 自己， 有的人想打破垄断 ， 也有 的人想展示 自己的才能 各 自充分发挥 自己的智慧 ， 在 别人 的研究基础上 ， 增加更有用或更有效果的功能 ， 共同开发 出免 费的软件 例如 ， l i n u x操作系统打破 了 微软的 wi n d o ws 操作系统的垄断 ， my s ql数据库软件使大家对数据库的应用更方便 ( 6 ) 制造病毒或者造谣 制造病毒数据 ， 破坏网络系统或个人计算机 各国之间的隐形 战争就是制造病 毒破 坏敌 方 的 网络 系统 制造虚假信息进行造谣 ， 让受骗者做愚蠢的决策， 送钱或银行帐号及密码给骗子 例如在电话 中， 冒充公 安机关人员， 说你家人犯罪 ， 要你交钱赎人 ； 或者说你 中奖 ， 要你寄钱后发奖品给你等等 这些受骗者都是严重 的信息缺乏者 ， 也是典型的法盲 最近 ， 武汉警方查获号称“ 中国最大的网络推广 网站” 的特大网络造谣团伙 ， 其中参与谣言传播的“ 大 v” 的微博粉丝数量达 2 2亿 该公司在 1 年间经营获利多达 1 0 0多万元 ( 7 ) 网络丰富了个人生活和决策 个人上 网可以在 自己喜欢的网站上阅读信息 ， 下载音乐、 电影 ， 与友 人通信、 交谈等 个人可以建网站、 微博来发表 自己的见解， 也在制造数据 个人想从事学术研究或者商业 活动 ， 都可以在网络上找到 自己所需要的信息 ， 发表 自己的成果和信息 个人 已经享受到了大数据时代好 处 ， 大数据时代也支持个人决策 大数据时代突出了即时决策 大数据时代既支持重大问题 的决策， 支持领导者的决策 ， 也开创了个人 决 策 的信 息支 持 3 利用统计方 法的辅助 决策 分析数据离不开统计 在统计学中用总量、 平均数 、 百分比、 比率等数值 ， 建立起对大数据 的概括认识 ， 用 同类单 位 的 比较或 者用 自己的历 史数 据 比较 ， 来发 现 问题 和找 出差距 ， 为辅助决 策 提供 依 据 “ 统 计 与对 比” 已经得 到 广泛 的应 用 统计语言学成功地实现了计算机上的 自然语言处理 自然语言属于上下文有关文法 ， 一个单词有多个 解 释 ， 对 于 比较 复 杂 的句子 ， 用语 法 规则 来理 解 遇到 了 困难 ( 基 于 规 则 的 自然语 言处 理 ) 以前 花 了很 大 的 代价一直在用语法规则进干 亍自然语言处理 ， 但是进展不大 利用 统计 语 言模 型有 效地解 决 了 自然语 言处 理 ： 一个 句 子 ( 它 由一 串特定 顺 序排 列 的 词 w ， w ， ， 叫 组成) 是否合理 ， 就看它的可能性( 概率 p( s ) ) 统计语言模型给出了计算概率 p( s ) 的公式为 p( s ) 一p( 砌1 w 2 w ) 一 p( w1 ) p( 叫2 l w1 ) p( w 3 l w 2 ) p( w 1 w 一 1 ) ( 1 ) ( 1 ) 式 中反 映 了单 词 的上 下 文关 系 ， 如 w 与 w ， w。 之 间的条 件概 率 ， 因此用 这种 方 法有 效地 判 断 了句 子 s的合 理 性 统计学还有很多方法月 】 于数据分析达到辅助决策效果l 3 如回归分析是研究一个变量与其他多个变量 之间的关系， 建立回归方程； 假设检验是根据样本对关于总体所提出的假设做 出是接受还是拒绝该假设的判 断； 聚类分析是将样品或变量进行聚类的方法 ； 主成份分析是将多个变量化为少数的几个综合变量等等 统计 数据 以及 指标 的对 比是决 策 的依据 4从数据 中归 纳出数 学模 型 自然科学发展 的最重 要方法 是从数 据 中归 纳出规 律， 用 数学模 型( 公 式或方 程) 这种 数量形 式描 述 j 例 如 ， 牛顿 的运 动 三大定 律 、 牛顿 的万 有 引力定 律 、 开普 勒 的行 星运 动三 大定律 、 麦 克 斯 韦 的电磁 方 程组 、 爱因斯坦质能方程、 纳维一 斯托克流体力学方程、 薛定谔量子方程等等 下面具体用典型例子说明 ( 1 ) 开 普勒 的行 星运 动 三大 定律 的发 现 过程 天文学家开普勒是利j 何 他老师第谷一生观察的天文数据 ， 自己也用 了一生来归纳总结 出行星运动 的 三 大定 律 开普勒 先 从火 星 的观测 数据 中想找 出它 的运 动规 律 ， 试探 将它 用一 条 曲线表 示 出来 一 开始 开 普勒 按 传统观念 ， 认为行星做匀速圆周运动 ， 因此他采用传统的偏心圆轨道方程来试探计算 但是经过反复推算 发现， 不能算 出与第谷观测相符的结果 开普勒开始大胆设想 ， 火星可能不是作圆周运动。 经过多年的艰苦 计算 ， 终于发现 了火星沿椭圆轨道绕太 阳运行 ， 得到行星运动的第一定律( 椭圆轨道定律) 经过了 9 a的 3 4 吉首大学 学报( 自然科学版) 第 3 5 卷 苦战， 开普勒终于得 出行星公转周期的平方与它距太阳的距离的立方成正比的结论( p 。 d 。 = = =常数) 这就 是著名的开普勒行星运动第三定律 ( 2 ) 欧拉常数和公式以及陈文伟常数和公式的发现 州 欧拉在研究调和级数与 i n n之间， 在 -凡越大时 ， 它们之间的差接近一个常数 他在求证它们之间的差 的极限后， 得到如下公式和值 ， 该数称为欧拉常数 ： y 一 ( 客 1 n ) - o 欧拉在研究虚数 i ( ) 的用途时发现 ， 正弦函数 s i n z和余弦函数 c o s 以及指数函数 e 的密级数公式 ， 三者之间存在关系 e 。比一c o s z+i s i n z 当 z取 7 c 值时， 就得到有名的欧拉公式 e +1 一o 欧拉公式将 3 个 毫不相关的数( 自然对数的底 e 、 圆周率 兀 、 虚数 i )联系在一起 陈文伟研究了调和级数公式 ， 证明了尾项 e 的级数和收敛为一个常数， 定义常数为 ， 它的计算公式为 一 ( 7 + in + 1 一 ) ， ( 2 ) 它的值为 一0 1 3 0 3 3 0 7 0 0 7 5 3 9 0 6 3 1 1 4 7 7 0 7 陈文伟再利用阿贝尔求和公式， 证 明了自然对数的底 e 、 圆周率 丌和新常数 三者存在一个新公式 丌 一 其中 一1 +y+2 一1 8 3 7 8 7 7 0 6 6 4 0 9 3 4 5 4 8 3 5 6 0 6 5 ( 2 ) ， ( 3 ) 式均将 2个著名常数 e 和 兀紧密联系起来， 它们都是形式化的公式 自然界中， 电和磁、 质量和能量 、 圆周率 丌和 自然对数的底 e ， 它们都是不同概念 ， 将它们联系起来既开 阔了人们的视野， 也开辟了科学的新天地 可以说， 包含不同概念的简洁公式反映了科学 的本质 ， 也体现了 自然之美 斯坦福大学教授德福林说 ： “ 联系、 结合在一起的事物 比相互分开的事物更为重要 、 更有价值 ， 也 更加 绚丽 多姿 ” ( 3 ) 2 0 1 3年诺贝尔奖化学奖的“ 复杂化学系统的多尺度模型” 马丁 卡普拉斯等 3 位科学家将量子力学和经典力学计算相结合， 用量子化学计算小区间( 小分子计 算量庞大) 的化学反应 ， 用经典力学处理小区间外 的环境( 大分子计算简单 ) 的影响 ， 弥补了经典力学无法 模拟反应过程及量子化学无法完成环境的海量计算的缺陷 诺 贝尔经济学奖的获得者中， 不少是利用大量的数据建立经济学的数学模型， 用于解释 当前世界经济 现象 的 ( 4 ) 计算 机上 利用 数据 归纳 出数学 模 型的方 法是 数据挖 掘 的公式 发现 典 型 的方法 有 p a t l a n g l e y研 制 的 b ac on 系统 、 陈 文伟研 制 的 f d d 系统 f dd 系统 的启 发式 中包 含 了初 等 函数 ， 这就使 f d d系统 发现 的公 式 比 b ac on 系统发 现 的更 广泛 5 从数据 中获取知识 在 计算 机 中 ， 知识 属于定 性 的 ， 一般 表示 为规 则形 式 从 数据 中获 取知识 主要 是利 用 数据 挖 掘技 术 ， 典 型的数据挖掘方法大的分类有 ： 属性约简方法、 信息论挖掘方法 、 集合论挖掘方法、 we b挖掘、 流数据挖 掘等 每个大类中又有很多具体的方法 下面概括说明 ( 1 ) 属性约简 例如 ， 汽车数据库( c tr) 有 9 个条件属性( 类型、 汽缸 、 涡轮式 、 燃料 、 排气量、 压缩率 、 功 率 、 换档 、 重量) ， 1 个决策属性( 里程) 利用属性约简方法 ， 可以得到等价的 4个条件属性 ( 燃料、 排气量、 压缩率 、 重量) ， 1个决策属性( 里程) 数据库约简后成精练的数据集 ( 2 ) 集合论挖掘方法 集合论原理是数据挖掘的重要理论基础 ， 可用于分类问题、 聚类 问题和关联规则 挖 掘 集合论原理用于分类问题时 ， 主要是利用集合之间的覆盖关 系， 如粗糙集方法是对条件属性和决策 ( 类别) 属性中的等价类 ( 1个或多个属性取值均相同的元组) 之间的覆盖关系； aq1 1 方法是对覆盖正例排 第 3期 陈文伟 ， 等 ： 从数据到决策 的大数据 时代 斥 反例 的种 子 ( 多个 属性 取值 的“ 与” 关 系 ) ， 构成 规则 知识 集合论原理用于聚类问题时， 主要是按数据集中元组间的距离远近或相似度大小， 聚成多个类别集合 如 k 一 均值聚类 方法 集合论原理用于关联规则挖掘时 ， 计算数据项 ( 如商品) 集在整个集合中和部分集合 中所 占的比例 ， 大 于阈值( 支持度和可信度) 时构成数据项之 间关联规则 ( 3 ) 信息论挖掘方法 信息论方法一般用于分类 问题 在 已知有各实例的类别的数据 中， 找出确定类别 的关键的条件属性 求关键属性是计算是各条件属性 的信息量 ， 再从中选 出信息量最大的属性 ， 构造决策 树或 决 策规则 树 ( 4 ) we b挖掘 we b挖掘是从数以亿计存储大量多种多样信息的 we b页面及其链接和用户对页面的 访 问 中挖 掘 出需要 的有 用 知识 we b挖掘 分为 3类 ： we b内容挖 掘 ( 网页 内的信 息 和知识 ) 、 we b结 构 挖掘 ( 网页之间的链接信息) 和 we b应用挖掘( 浏览和使用页面链接的信息) ( 5 ) 流数据挖掘 卫星给地球传 回大量的图像流数据 ； 监控摄像机能够连续不断 ( 比如每秒) 地产生图 像流 ； we b网站收到的流数据包括各种类型 例如 ， 谷歌 1 d收到几亿个搜索查询 ； 雅虎的各个不同网站上 收到数 1 o亿个“ 点击” 基于这些流数据可 以学习到很多有趣的结果 ， 比如“ 咽喉痛或咳嗽” 之类 的查询频 次 的 上升 能够 让人 们对 病毒 的传 播进 行跟 踪 流数据挖掘中， 一种通常的办法是在工作存储器上保存流数据的滑动窗 口 6 大数据与云计算 的结合 云计算是继个人计算机 、 互联网之后第 3次信息技术革命 ， 它与大数据的结合 ， 将会极大推动科学 技 术 与社会 的 发展 ( 1 ) 大数据与云计算是相辅相成的 云计算与大数据的关系相当于动与静 的关 系 云计算强调的是计算 ， 这是动的概念； 而数据则是计算 的对象 ， 是静的概念 大数据时代需要处理大数据的能力( 数据获取 、 清洁、 转换 、 统计等能力) ， 这正是云计 算的优势 大数据是宝藏， 而云计算就是挖掘和利用宝藏的利器 ( 2 ) 大 数据 根植 于 云计 算 云计算关键技术中的海量数据存储技术( 用分布式方式存储数据和冗余存储方式保证系统可靠) 、 海 量数据管理技术 、 分布式编程模型( ma p re d u c e ， 用于并行处理大规模数据集 的软件框架) ， 它们也都是大 数据的关键技术 云计算有它独特的地方 ， 即虚拟化技术和云计算平台管理技术 ( 3 ) 大数据技术与云计算相结合 大数据与云计算 的结合主要 体现为 ： 利用云计算 的强大计算能力 ( s a a s软件服务 、 i a a s基础设施服 务 、 p a a s平台服务) ， 可 以更加迅速地处理大数据 中的丰富信息 ， 为有效的决策支持服务 对大数据的处理( 海量数据存储 、 海量数据管理和分布式并行计算) ， 又为云计算提供了最有价值的实 际应用 即大数据为云计算提供了很有价值的用武之地 7 结语 大数据时代是信息时代的延伸和发展 ( 数据和信息本质是同一个东西， 数据是信息的符号表示 ， 信息 是数据的含义) 信息时代的特点是实现信息化 、 数字化 ， 其 目的就是充分利用计算机来提高各行业 的管理 和决策的水平 信息时代的基础在于计算机 信息化过程中数字设备 的进步( 如传感器 、 gp s和手机) 以及 数据的多元化( 各种渠道) 产生， 极大地促进了大数据 时代 的来临 大数据时代的基础在于网络 网络数据 已经遍及各行各业 ， 也进人了家庭和个人 生活在大数据时代 ， 就应该充分获取大数据中所需要 的数据 ， 利用统计方法， 或者从数据中归纳出数 学模型 ， 或者从数据中获取知识等手段 ， 得到辅助决策信息 领导 者需 要 的是 粗粒 度数 据 对于 海量 数据 分 析 ， 只能告 诉你 “ 大 概是什 么 ” ， 其精 髓 就是 “ 客观 ” 利 用 计算机从海量的数据中发现模式 ， 体现了数据中的共性和客观性 3 6 吉首大学学报 ( 自然科学版) 第 3 5卷 个人需要的是细粒度数据 在长期的知识积累的基础上 ， 并通过 网络上的新知识搜索， 再进行横向或 者纵向的比较 ， 辅助个人的决策 大数据使决策从“ 支持政府和企业” 走向“ 支持个人” 大数据时代 ， 只要能从大数据中通过不同的方 法 ， 获得所需要的信息就能获益 未来 ， 数据将会像 土地、 石油和资本一样， 成为社会 、 经济和军事的根本性 资 源 参 考文 献 ： e 1 英 维克托 迈 尔一 舍恩伯格 大数 据时代 m 杭 州： 浙江人 民 出版社 ， 2 0 1 3 2 美 弗兰克斯 驾驭 大数 据 m 北京 ： 人 民邮电 出版社 ， 2 0 1 3 3 陈文伟 决策支持 系统及其开发 m 第 4版 北京： 清华大学 出版社 ， 2 0 1 4 4 陈文伟 决策支持 系统教程e m 第 2版 北京： 清华大学 出版社 ， 2 0 1 0 e 5 陈文伟 数据仓库与数据挖掘教 程 m 第 2版 北京 ： 清华大学 出版社 ， 2 0 1 1 e 6 陈文伟 论新常数 、 0和新公 式 一1 2 e j 高等数 学研 究， 2 0 0 9 ， 4 ( 4 ) ： 2 5 7 c he n we n we i t w o n e w c o n s t a n t s ， 0 a n d a ne w f o r mu l a 7 c 一 1 2 e j oc t o g o n ma t h e ma t i c a l ma g a z i n e ， 2 0 1 2 ， 20( 2 )： 47 24 80 er a o f bi g da t a： fr o m da t a t o de c i s i o n chen w e nwe i ， chen sh e ng ( 1 na v a l ar ms co mma n d ac a d e my， gu a n g z h o u 5 1 0 4 3 0， ch i n a ； 2 s o f t s t o n e i n f o r ma t i o n te c h n o l o g y( gr o u p )co ， lt d ， be ij i n g 1 0 01 9 3 ， ch i n a ) ab s t r a c t ： ac c o r di ng t o t he c ha r a c t e r i s t i c s o f t he e r a o f bi g da t a a nd t he c h a ng e s i t b r i ng s， i t i s c l e a r t h a t c o r e o f bi g da t a e r a i s f r o m da t a t o de c i s i o