大數(shù)據(jù)時(shí)代的到來(lái)正在改變?nèi)藗兊纳罘绞?、思維模式和研究范式，我們可以總結(jié)出10個(gè)重大變革。

NO.1 目標(biāo)驅(qū)動(dòng)型 → 數(shù)據(jù)驅(qū)動(dòng)  決策方式

傳統(tǒng)科學(xué)思維中，決策制定往往是“目標(biāo)”或“模型”驅(qū)動(dòng)的——根據(jù)目標(biāo)（或模型）進(jìn)行決策。然而，大數(shù)據(jù)時(shí)代出現(xiàn)了另一種思維模式，即數(shù)據(jù)驅(qū)動(dòng)型決策，數(shù)據(jù)成為決策制定的主要“觸發(fā)條件”和“重要依據(jù)”。例如，近年來(lái)，很多高新企業(yè)中的部門(mén)和崗位設(shè)置不再是“固化的”，而是根據(jù)所做項(xiàng)目與所處的數(shù)據(jù)環(huán)境，隨時(shí)動(dòng)態(tài)調(diào)整其部門(mén)和崗位設(shè)置。然而，部門(mén)和崗位設(shè)置的敏捷性往往是基于數(shù)據(jù)驅(qū)動(dòng)的，根據(jù)數(shù)據(jù)分析的結(jié)果靈活調(diào)整企業(yè)內(nèi)部結(jié)構(gòu)。

NO.2 基于知識(shí)的方法 → 基于數(shù)據(jù)的方法  方法論

我們傳統(tǒng)的方法論往往是“基于知識(shí)”的，即從 “大量實(shí)踐（數(shù)據(jù)）”中總結(jié)和提煉出一般性知識(shí)（定理、模式、模型、函數(shù)等）之后，用知識(shí)去解決（或解釋?zhuān)﹩?wèn)題。因此，傳統(tǒng)的問(wèn)題解決思路是“問(wèn)題→知識(shí)→問(wèn)題”，即根據(jù)問(wèn)題找“知識(shí)”，并用“知識(shí)”解決“問(wèn)題”。然而，數(shù)據(jù)科學(xué)中興起了另一種方法論——“問(wèn)題→數(shù)據(jù)→問(wèn)題”，即根據(jù)問(wèn)題找“數(shù)據(jù)”，并直接用數(shù)據(jù)（不需要把“數(shù)據(jù)”轉(zhuǎn)換成“知識(shí)”的前提下）解決問(wèn)題。

NO.3 復(fù)雜算法→簡(jiǎn)單算法  計(jì)算智能

“只要擁有足夠多的數(shù)據(jù)，我們可以變得更聰明”是大數(shù)據(jù)時(shí)代的一個(gè)新認(rèn)識(shí)。因此，在大數(shù)據(jù)時(shí)代，原本復(fù)雜的“智能問(wèn)題”變成簡(jiǎn)單的“數(shù)據(jù)問(wèn)題”——只要對(duì)大數(shù)據(jù)的進(jìn)行簡(jiǎn)單查詢(xún)就可以達(dá)到“基于復(fù)雜算法的智能計(jì)算的效果”。為此，很多學(xué)者曾討論過(guò)一個(gè)重要話(huà)題——“大數(shù)據(jù)時(shí)代需要的是更多數(shù)據(jù)還是更好的模型（moredata or better model）？”。機(jī)器翻譯是傳統(tǒng)自然語(yǔ)言技術(shù)領(lǐng)域的難點(diǎn)，雖曾提出過(guò)很多種“算法”，但應(yīng)用效果并不理想。近年來(lái)，Google翻譯等工具改變了“實(shí)現(xiàn)策略”，不再僅靠復(fù)雜算法進(jìn)行翻譯，而對(duì)他們之前收集的跨語(yǔ)言語(yǔ)料庫(kù)進(jìn)行簡(jiǎn)單查詢(xún)的方式，提升了機(jī)器翻譯的效果和效率。

NO.4 業(yè)務(wù)數(shù)據(jù)化→數(shù)據(jù)業(yè)務(wù)化  數(shù)據(jù)管理

在大數(shù)據(jù)時(shí)代，企業(yè)需要重視一個(gè)新的課題——數(shù)據(jù)業(yè)務(wù)化，即如何“基于數(shù)據(jù)”動(dòng)態(tài)地定義、優(yōu)化和重組業(yè)務(wù)及其流程，進(jìn)而提升業(yè)務(wù)的敏捷性，降低風(fēng)險(xiǎn)和成本。但是，在傳統(tǒng)數(shù)據(jù)管理中我們更加關(guān)注的是業(yè)務(wù)的數(shù)據(jù)化問(wèn)題，即如何將業(yè)務(wù)活動(dòng)以數(shù)據(jù)方式記錄下來(lái)，以便進(jìn)行業(yè)務(wù)審計(jì)、分析與挖掘?？梢?jiàn)，業(yè)務(wù)數(shù)據(jù)化是前提，而數(shù)據(jù)業(yè)務(wù)化是目標(biāo)。

NO.5 第三范式 → 第四范式  研究范式

2007年，圖靈獎(jiǎng)獲得者Jim Gray提出了科學(xué)研究的第四范式——數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)（Data-intensive ScientificDiscovery）。在他看來(lái)，人類(lèi)科學(xué)研究活動(dòng)已經(jīng)歷過(guò)三中不同范式的演變過(guò)程（原始社會(huì)的“實(shí)驗(yàn)科學(xué)范式”、以模型和歸納為特征的“理論科學(xué)范式”和以模擬仿真為特征的“計(jì)算科學(xué)范式”），目前正在從“計(jì)算科學(xué)范式”轉(zhuǎn)向“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)范式”。第四范式，即“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)范式”的主要特點(diǎn)是科學(xué)研究人員只需要從大數(shù)據(jù)中查找和挖掘所需要的信息和知識(shí)，無(wú)須直接面對(duì)所研究的物理對(duì)象。例如，在大數(shù)據(jù)時(shí)代，天文學(xué)家的研究方式發(fā)生了新的變化——其主要研究任務(wù)變?yōu)閺暮Ａ繑?shù)據(jù)庫(kù)中發(fā)現(xiàn)所需的物體或現(xiàn)象的照片，而不再需要親自進(jìn)行太空拍照。

NO.6 數(shù)據(jù)是資源→數(shù)據(jù)是資產(chǎn)  數(shù)據(jù)的屬性

在大數(shù)據(jù)時(shí)代，數(shù)據(jù)不僅是一種“資源”，而更是一種重要的“資產(chǎn)”。因此，數(shù)據(jù)科學(xué)應(yīng)把數(shù)據(jù)當(dāng)做“一種資產(chǎn)來(lái)管理”，而不能僅僅當(dāng)做“資源”來(lái)對(duì)待。也就是說(shuō)，與其他類(lèi)型的資產(chǎn)一樣，數(shù)據(jù)也具有財(cái)務(wù)價(jià)值，且需要作為獨(dú)立實(shí)體進(jìn)行組織與管理。

NO.7 統(tǒng)計(jì)學(xué) → 數(shù)據(jù)科學(xué)  數(shù)據(jù)分析

在傳統(tǒng)科學(xué)中，數(shù)據(jù)分析主要以數(shù)學(xué)和統(tǒng)計(jì)學(xué)為直接理論工具。但是，云計(jì)算等計(jì)算模式的出現(xiàn)以及大數(shù)據(jù)時(shí)代的到來(lái)，提升了我們對(duì)數(shù)據(jù)的獲取、存儲(chǔ)、計(jì)算與管理能力，進(jìn)而對(duì)統(tǒng)計(jì)學(xué)理論與方法產(chǎn)生了深遠(yuǎn)影響，主要有：

（1）隨著數(shù)據(jù)獲取、存儲(chǔ)與計(jì)算能力的提升，我們可以很容易獲得統(tǒng)計(jì)學(xué)中所指的“總體”中的全部數(shù)據(jù)，且可以在總體上直接進(jìn)行計(jì)算——不再需要進(jìn)行“抽樣操作”；

（2）在海量、動(dòng)態(tài)、異構(gòu)數(shù)據(jù)環(huán)境中，人們更加關(guān)注的是數(shù)據(jù)計(jì)算的“效率”而不再盲目追求其“精準(zhǔn)度”。例如，在數(shù)據(jù)科學(xué)中，廣泛應(yīng)用“基于數(shù)據(jù)的”思維模式，重視對(duì)“相關(guān)性”的分析，而不是等到發(fā)現(xiàn)“真正的因果關(guān)系”之后才解決問(wèn)題。在大數(shù)據(jù)時(shí)代，人們開(kāi)始重視相關(guān)分析，而不僅僅是因果分析。

NO.8 以戰(zhàn)略為中心 →以數(shù)據(jù)為中心  產(chǎn)業(yè)競(jìng)合關(guān)系

在大數(shù)據(jù)時(shí)代，企業(yè)之間的競(jìng)合關(guān)系發(fā)生了變化，原本相互激烈競(jìng)爭(zhēng)，甚至不愿合作的企業(yè)，不得不開(kāi)始合作，形成新的業(yè)態(tài)和產(chǎn)業(yè)鏈。例如，近年來(lái)IBM公司和Apple公司“化敵為友”，并有報(bào)道稱(chēng)他們正在從競(jìng)爭(zhēng)對(duì)手轉(zhuǎn)向合作伙伴——IBM的100多名員工前往Apple的加州庫(kù)比蒂諾總部，與Apple一起為IBM的客戶(hù)（例如花旗、Sprint和日本郵政）聯(lián)合開(kāi)發(fā)iPhone和iPad應(yīng)用。

NO.9 不接受 → 接受  數(shù)據(jù)復(fù)雜性

在傳統(tǒng)科學(xué)看來(lái)，數(shù)據(jù)需要徹底“清洗”和“集成”，計(jì)算目的是需要找出“精確答案”，而其背后的哲學(xué)是“不接受數(shù)據(jù)的復(fù)雜性”。然而，大數(shù)據(jù)中更加強(qiáng)調(diào)的是數(shù)據(jù)的動(dòng)態(tài)性、異構(gòu)性和跨域等復(fù)雜性——彈性計(jì)算、魯棒性、虛擬化和快速響應(yīng)，開(kāi)始把“復(fù)雜性”當(dāng)作數(shù)據(jù)的一個(gè)固有特征來(lái)對(duì)待，組織數(shù)據(jù)生態(tài)系統(tǒng)的管理目標(biāo)轉(zhuǎn)向?qū)⒔M織處于混沌邊緣狀態(tài)。

NO.10 小眾參與→ 大規(guī)模協(xié)同  數(shù)據(jù)處理模式

傳統(tǒng)科學(xué)中，數(shù)據(jù)的分析和挖掘都是具有很高專(zhuān)業(yè)素養(yǎng)的“企業(yè)核心員工”的事情，企業(yè)管理的重要目的是如何激勵(lì)和績(jī)效考核這些“核心員工”。但是，在大數(shù)據(jù)時(shí)代，基于“核心員工”的創(chuàng)新工作成本和風(fēng)險(xiǎn)越來(lái)越大，而基于“專(zhuān)家余（Pro-Am）”的大規(guī)模協(xié)作日益受到重視，正成為解決數(shù)據(jù)規(guī)模與形式化之間矛盾的重要手段。

來(lái)源：數(shù)據(jù)科學(xué)Data Science