数据十二性:从“数据要素乘”到“数据要素幂”

数据十二性:从“数据要素乘”到“数据要素幂”数据十二性:从“数据要素乘”到“数据要素幂”作者:赵敏 走向智能研究院朱铎先 北京兰光创新科技有限公司刘俊艳 青岛科技大学2023年12月31日,国家数据局等17部门正式发布《“数据要素×”三年行动计划(2024—2026年)》。

欢迎大家来到IT世界,在知识的湖畔探索吧!

数据十二性:从“数据要素乘”到“数据要素幂”

作者:

赵敏 走向智能研究院朱铎先

北京兰光创新科技有限公司

刘俊艳 青岛科技大学

数据十二性:从“数据要素乘”到“数据要素幂”

2023年12月31日,国家数据局等17部门正式发布《“数据要素×”三年行动计划(2024—2026年)》。文件要求,通过发挥数据要素的放大、叠加、倍增作用,构建以数据为关键要素的数字经济,是推动高质量发展的必然要求。为深入贯彻党的二十大和中央经济工作会议精神,落实《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》,充分发挥数据要素乘数效应,赋能经济社会发展。

新工业革命、新型工业化的最大特征,是一切物理实体、意识人体和数字虚体的活动都产生、使用甚至是依赖数据。两化融合、智能制造、工业互联网、数字化转型、工业4.0、工业价值链等不同战略口号的新工业革命活动,其关键、核心要点,就是研制处理数据的芯片/传输/软件/网络等装置或系统,使其融入物理实体,做到互联互通,实现数据驱动,达成工业转型升级。

本文从数据的产生、应用、赋能、创新等多方面,总结数据的十二种特性,讨论数据要素乘数效应(赋能性),提出数据要素幂数效应(变革性),旨在充分发挥数据独有的价值属性,赋能数据经济,发展新质生产力,推进新工业革命。

1.数据及数据要素

汉语词典定义:数据就是数值,也就是我们通过观察、实验或计算得出的结果。数据有很多种,最简单的就是数字。数据也可以是文字、图像、声音等。

百度百科定义:数据(data)是事实或观察的结果,是对客观事物的逻辑归纳,是用于表示客观事物的未经加工的原始素材。

数据可以是连续的值,比如声音、图像,称为模拟数据;也可以是离散的,如符号、文字,称为数字数据。在计算机系统中,数据以二进制信息单元0、1的形式表示。

百科全书(encyclopedia)定义:数据是通过观察收集的特征或信息,通常是数字。从更专业的意义上讲,数据是关于一个或多个人或对象的定性或定量变量的一组值,而资料(数据的单数)是单个变量的单个值。

由上述定义,数据在属性或“标签”上,可以是连续的,也可以是离散的;可以是模拟化的,也可以是数字化的;可以是单数数据(datum,即资料),也可以是复数数据(data);可以是字母符号的,也可以是图形图像的;可以是观察到的,也可以是计算出的;可以是定性的,也可以是定量的;可以是未经处理的数据原料,也可以是经过处理的数据精品;可以是狭义的,也可以是广义的;可以是数据,也可以是信息,等等。总之,数据具有非常广泛的属性,具有广泛代表性。

百科全书指出:尽管术语“数据”和“信息”经常互换使用,但这两个术语具有不同含义。在一些流行出版物中,当在上下文或后分析中查看数据时,有时会将其转换为信息。然而,在学科的学术处理中,数据只是信息的单位。——这表明,尽管人们经常把“数据”和“信息”互换使用,但是,数据只是组成信息的单位,在学术意义上,二者并不相同。

笔者认为狭义数据是数学意义上的数据,如十进制、八进制、二进制数据等。

广义数据是指人类对事实或观察的结果,是对客观事物的逻辑归纳,是用于表示客观事物未经加工的原始素材。声音、图像、符号、文字、软件等都可以作为数据。

笔者有时把数据要素简写为数据,但是严格说来,数据要素与数据具有不同内涵。数据要素是一个经济学术语,是指那些以硅基为载体存在的、通过芯片算力、软件算法方式参与到企业生产经营活动并发挥重要价值的数据资源,是建设数字经济的新生产要素。

2.数据的时空背景

笔者认为,除了需要讨论数据自身的属性,还需要特别关注数据在全生命周期中多个关键阶段的时空背景。

在数据生成阶段,数据从哪里来,何时生成的,用什么方式(传感器采集、人机交互,自动计算等)生成的,数据带有什么属性,承载了什么内容(数据、信息、知识)?例如,从工业设备上产生的数据,就需要特别注意数据的来源(如阀门、道具、反应釜、辊子、电机、芯片等)和地点,生成的时间(如时长、时序等)。这些时空条件,构成了数据所代表的工业属性。这些工业属性,是数据分析、洞察、应用和创新的基础。泛泛地讨论抽象的、缺乏时空背景的数据,也就是承载内涵不明的数据,没有实际意义。

在数据存储阶段,用什么介质存,存在哪里(单机、服务器、数据库、数据湖等),能存留多长时间,是存进去就不流动了(“进坑”),或是被遗留在哪个数据“孤岛”上找不到了。1985年,宝钢技术副厂长何麟生就专门提出,做好“具有宝钢特色的‘数据不落地’项目的开发工作”。今天看来,当年何老提出的“数据不落地”是一个非常先进的思想。笔者理解,“落地”是数据的一种不良状态,指数据静止了,停滞在某机、某库、某盘中,不能或不利于流动了,而流动,反复流动,高速反复流动,流动不落地,天(云)地(局域网)间疾驰,是数据应有的理想状态。

在数据应用阶段,数据如何流动,通过什么管道或网络,从哪里流向哪里,端到端的时间是多少,是在企业内部流动还是在企业内外部流动,是以公共数据流动还是私有数据流动,数据被什么人、机或某类系统(“终端”)应用了,用的效果如何,等等。显然,数据流动范围越大,流速越高,流向“终端”越多,数据发挥的作用越大。例如,工业软件云,构建在基于云端数字底座上,云即软件,软件即云,云软由数据同构,从云到端,从端到云,数据高速流动,承载工业软件(机理模型、算法、规则等)云,不限时空使用,是工业软件的理想状态。

在数据传承阶段,数据携带哪些关键内容来做传承,数据会影响什么,有多大范围的影响?数据对企业数字文化的建设有何促进,对社会数字文明的形成有何影响?数据在各种先进技术手段的支持下,能够传承多久,是否永续传承?等等

笔者认为,任何不预先明确数据时空背景的数据讨论,都是不完整的讨论。

3.数据的表征性

在二进制中,比特0和1是最小信息单元,最简约数字化表达。0和1既是比特数据,也是数字基因,几乎可以表达、映射任何事物。

本文所说数据,泛指由比特数据构成、在电脑和网络中运算/存储/传输、表达数字化数据、信息、知识和决策的数据资料,包括软件、知识库、数字孪生体在内的数据构件。数字的,比特的,硅基的,说的是同一个意思。

在电脑和网络里,0和1比特数据具有不同位数/排序/字节组合、不同打包/压缩/编码方式,因此从理论上说,数据构件和数据资料的种类是无穷多的。因此由数据构成的数据要素是无穷多的。换言之,数据的表征性是具有无限可能的,极其强大的。

比特数据作为最小信息单元,可以表达万事万物。正如彼得·J.宾利写的那本书的名字:《万物皆数》。笔者也称其为:数表万物。

最具代表性的是,比特数据所表征的语义类的数字化知识(语句),以大语言模型(LLM)或生成式人工智能(GPT)等数据构件为杰出代表,已经开始以“全人类语言代表”的身份,向人类展示其驾驭语言进行思考的技巧,超越了任何一个人类个体的基于语言思考的时空边界,在认识上具有人类不曾具有的思想深度、知识广度和智力高度。

4.数据的智能性

数据与语义相关,与智能相关。大数据具有形成大数据智能的可行路径。LLM、GPT等新一代人工智能,是基于数据的表征性而建立的专门处理语义的智能模型。工业和信息化部原部长杨学山教授有一句话说得特别精准:“一切智能都是语义的。”

比特作为数字基因,最简约编码符号,可以通过符号的结构变化,来映射语义结构变化,由由语义映射的语句聚合而产生决策和预测(智能)。例如“石油”“桶”“50”“美元”等,这些数值和单词,都是广义数据。将数据组合后,“1桶”“50美元”等都是信息;将不同信息进一步组合,“1桶·石油·卖·50美元”,就组成了一个主谓宾完整语句;一个语句事实上是表征了一条知识;如果知识进一步组合,就可以激发出“智能(决策和预测)”。无论是人脑,还是电脑,智能的形成过程都是按照语义方式进行的。例如“胡赛武装在红海发射导弹,拦截货船”是陈述事实语句,“欧美货船不得不绕行好望角”是表示决策语句,两个语句组合,可以形成“货船运价即将上涨”的预测语句,甚至进一步推测出海运的石油、粮食等大宗货物必定涨价。无论在人脑还是在电脑中,都可以通过语义操作完成这个智能过程。

如果反向降维操作,知识可以逆序分解为信息,信息可以逆序分解为数据,数据可以逆序分解为比特数据,即数据要素遵循着“比特↔数据↔信息↔知识↔决策”数字化运行基本逻辑,不断自底向上重构/升维,实现价值升级,或者自顶向下解构/降维,实现广义检索。从符号到语义,从知识到智能。

5.数据的生命周期性

万事万物皆有生命周期,数据也不例外,但是数据生命周期极其特殊。

此前有人提出过数据生命周期定义,认为数据生命周期包括:数据采集、数据同步、数据加工、数据定义、数据应用、数据治理。笔者基本赞同这个定义,但是认为该定义没有完全反映出数据生命周期的全部内涵。例如,其中未体现数据的价值性或资产性。

笔者认为,从全生命周期视角来看,数据经历了一个“从无到有,从有到量,从量到乱,从乱到治,从治到优,从优到察,从察到价,从价到产,从产到传,从传到化”的生命周期过程。

从无到有——通过传感器实时采集生产、人与软件交互生成,或软件计算过程自动生成各种格式的数据;

从有到量——数据量不大时,很多事情都不是问题。但是当数据量大到一定程度,一个是大数据产生,另一个是对数据管理提出了挑战;

从量到乱——数据来源众多,数据格式异构,数据属性变化频繁,数据流动不顺畅,数据关系不明确,数据多头管理等,会产生数据混乱。乱不可怕,属于常态;

从乱到治——经过数据治理,在数据关系、质量、一致性、流动性和数据管理上,会有很大改善。华为工业软件云的一个数据数据管理模式是“乱而后治,不治而顺”;

从治到优——数据从较好的治理状态,逐渐变成较优状态,元数据优、数据库优、数据质量优等,直至建好一个汇聚众多优数据的“数字底座”;

从优到察——有了足够数量优质大数据,可以实现数据洞察,从数据中获得此前未曾获得的、隐藏的事物之间的关联和发展规律,支持人和机器的决策;

从察到价——有了数据洞察,就能充分体现数据价值,让未定价数据有价,有价的数据更优价,更优价的数据变成无价之宝;

从价到产——数据体现出价值,还可以进一步变成数据资源,数据资源进一步提升为数据资本,即用数字、数据来增进利润的资本。最终,数据资本变成企业数据资产,与有形物质资产、无形非物质资产一道,组成企业高价值资产;

从产到传——作为企业数字资产,是不可删除、备灾保管和良好保值的。在良好保值状态下,进行永续传承。承担起企业百年老店的技术、智能与文化的基因赓续。

从传到化——在数据永续传承中,所有企业都注重数字资产,形成数字文化,对全社会数字文明的化育,将会实现于无形,作用于万物,润泽于人心,造福于社会。

鉴于数据很可能是永续存在的,没有必然的消亡期,因此几乎是无限长的数据生命周期,与物理实体产品的有限生命周期明显不同。

6.数据的创新性

熊彼得在《经济发展理论》一书中提出,重新组合既有生产要素实现创新,是实现产品创新、工艺创新、原材料创新、市场创新、管理创新的基本方法和规律。有专家认为,近半个世纪所有的产品创新,都是既有生产要素的重新组合。

2020年4月9号发布的《关于构建更加完善的要素市场化配置体制机制的意见》中,明确了数据与土地、劳动力、资本、技术等一样,都是可市场化配置的生产要素。数据要素史无前例地成为了国家明确定义的“生产要素”。

数据要素既然是既有生产要素,就可按照熊彼得定义,与万事万物进行叠加和融合,或让万事万物在运行过程中都产生数据,并且用传感器捕捉这些数据。例如,数据要素与汽车融合,驾驶员每一个转向,每一次踩油门(电门)或刹车,甚至每一次剐蹭与撞击,所有驾驶行为都会依赖数据、产生数据,这些数据都会被回传和记录,用于后期分析、洞察,指导产品优化改进。

当一个传统产品,有了数据产生与处理,有了数据输入与输出,有了数据计算与分析,有了数据利用与分享,有了数据融入与驱动,就可以认定传统产品实现了与数据要素的重新组合,即实现了熊彼得定义的创新。

笔者认为,作为一种有利于实现创新的既有生产要素,生好数据,管好数据,用好数据,融好数据,算好数据,存好数据,是企业优先考虑的事情。

7.数据的穿透性

工业的基本特征是分工越来越细化。分工细化可以明显提升专业水平和制造效率,但同时带来了一个负面效应——不同企业/专业/岗位之间工作协同困难,散布在企业内外部的各种事务和“终端”越来越多,终端之间有时空障碍和各种形式的“墙”,造信息割裂和数据孤岛。

工业互联网重要作用之一就是数据穿透屏障,促进协同创新。工业现场数据一直与其所依附的工业端发生着密不可分的高频互动,以复杂的数据种类映射着更为复杂的工业现场关系网络。数据按照所映射的工业现场关系网络进行传递、穿透和加载,形成从物理系统的边缘层采集数据,到工业互联网平台层运算数据,应用层使用数据,按照给定工业机理模型和算法进行计算、分析和推理,最终工业互联网做出解决工业现场实际问题的业务决策和预测,形成数据对物理系统的精准驱动,实现数据的完美闭环。

数据的穿透性也会惠及产业链上的上下游合作伙伴。过去每个企业实体都是一个集设计、生产、销售等各种业务活动为一身的分散个体,由于时空障碍和物理屏障,业务活动限制在各自企业实体范围内运行,关键的生产数据和产品信息无法被上下游企业识别,数据无法在合作伙伴之间传递。当每个企业都努力实施企业数字化转型时,加载在业务活动中的数据流就很容易穿透企业实体壁垒,打破时空限制,摆脱企业边界束缚,在企业内外部的“大市场”进行快速无障碍传递,供应链上所有参与者都能够从中受益。

比特数据承载的数字化数据、信息、知识,可以穿透任意时空,打破物理屏障,快速、高频、不限时空大范围传递,触达任何人造系统,指导人和机器正确做事。

8.数据的复用性

比特数据上的无损拷贝,带来了各种数据、信息、知识的便利复用性,使得各种数据要素具有良好的移植性,巨大的推广性。复用性与复制性有一定区别。复制是指数据可以以极低成本实现完整无损拷贝;复用性是指某份数据所构成的资料或软件可以在不同时空条件下,被多个不同专业场景复用。数据要素的复用性,是基于复制性产生的。在实际应用场景中,我们既需要数据要素的复制性,又需要数据要素的复用性。以比特数据组成的数据构件,在应用上,具有无损复制、任意编辑/打包/拆包、不限时空传收发、远程互操作、载体依赖等属性。当数据构成的数据资料(如模型、截面受力图、工艺卡、刀轨文件、图纸、使用说明书等)或数据构件(如工业软件、数字孪生体、知识库、LLM等),可以用于不同专业场景时,数据要素的重要意义和赋能作用才被极大地展现出来。互联网+数据消灭了人类交往距离,3D打印+数据消灭了产品结构复杂性。其关键技术在于数据具有不限时空的无损复制性。如果一款3D打印驱动软件,开发定型后,被安装在同一型号的不同3D打印机上,体现了数据构件的复制性;当该驱动程序不用修改,或稍加修改就可以用于其他型号3D机,甚至可以用于其他厂商生产的3D打印机,体现了数据构件的复用性。复用性越好,数据构件在不同时空的可移植性和推广性就越好。数据要素可以几乎无限制次数地复制和复用,这是区别物质要素有磨损、有限制次数使用的另一个明显特征。

9.数据的洞察性

物理世界万事万物正在加速数字化,无论是通过传感器采集、人机交互还是机器自动计算,无以计数的数据,以数据洪流的形式涌入数字世界。数据正在被广泛收集和储存。有些数据从生成的时刻起,就有明确的时空背景,清晰的使用价值。但是,更多的高频大数据本身并没有太大的实用意义,需要从大数据中获得数据洞察,发现数据的实用价值。

数据洞察是一种通过数据分析和挖掘技术,将数据转换为有用的信息,并结合业务场景来理解数据,发现业务上存在的难以发现的问题,从而更好地指导业务正确决策和预测的过程。

数据洞察需要有足够大的数据集,分析对象是业务大数据。根据前文的数据智能性,数据洞察一般分为以下四个步骤:

·通过对业务大数据的分析、挖掘和组合,从数据中提炼出信息。

·结合业务场景,对提炼出来的信息进行相互关联,将其组合成为主谓宾齐全的语句,表达为业务场景知识。

·关联场景知识,形成对业务中所存在现象的深入思考与理解,找到那些强相关的、反复出现的问题特征,揭示问题真实原因,给出相应的改进方案。

·根据上述数据分析结果,形成最终的数据洞察报告。

“道可道,非常道;名可名,非常名。”数据洞察,重点在于通过对大数据的分析和挖掘,发现我们用感官无法感知、机理模型和常规算法无法计算的各种业务过程中的问题。数据洞察如同是衡量世界的一把伟大、无形、万能标尺,洞察任何人和仪器难以感知的规律,丈量任何人和仪器都无法测量的事物。

10.数据的资产性

数据的价值和资产性,不是突然形成而是逐渐演进的,数据从有用,有价格,有价值,到成为数据资源,数据资本,数据资产,甚至最终变为数字资产,这是一个完整的数据价值发展演进过程。

有了数据,不一定能采集,不一定能存储,最终也不一定能成为数据资产。曾经有企业技术人员对笔者诉苦:我们的生产过程,很多数据无法记录下来,眼睁睁地看着它们流失了,因为记录数据是需要成本的!

产生数据需要机器,记录数据需要成本,分析数据需要方法,洞察数据需要智慧,评价数据需要标准,交易数据需要市场。数据不是一诞生就可成为资产的。

数据资产是指由个人或企业拥有或者控制的,能够为企业带来未来经济利益的,以硅基方式记录的数据资源。数据资产是拥有数据权属(勘探权、使用权、所有权)、有价值、可计量、可读取的数字空间中的数据集。

我们的世界正在走向数字文明。数字文明财富标志物与工业文明迥异,实物资产的财富意义可能会与数字资产并列,甚至最后让位于数字资产。在数字文明时代,数字资产必将与流量资产、信用资产等非物质化财富一道,成为新财富标志,成为个人、组织、国家竞争力的有效组成部分。

11.数据的乘数性(赋能性)

美国迈阿密大学人类学家凯莱布·埃弗里特在《数字起源——人类如何发明数字,数字又是如何重塑人类文明的?》一书中指出,“数字是一项极为重要的人类发明,数字的发明与烹饪的发明、石制工具的发明、轮子的发明一样,改变了人类生存和进化的环境。”“数字工具在认知和行为两方面为人类支起了脚手架。正是靠着这套脚手架的辅助,人类才最终建立起了现代文明的大厦。”

数据要素不断应用在各个细分领域,激发出了细分领域的内生动力,加速了现代文明大厦崛起。

摩尔定律极大地提高了数据速度和密度;吉尔德定律极大地扩展了传输数据的主干网络带宽;梅特卡夫定律极大地增强了网络中每个节点的数据价值。

三种“极大”增加值相乘,带来了计算性能、网络带宽和网络规模“三套脚手架”的魔幻般持续增高,应用到各行各业,显现出数字经济的巨大乘数效应。

数字产业化,是让产生、记录、计算、传输数据的电子信息制造业、信息通信业、软件服务业(统称信息产业)做大做强,形成数字产业链和产业集群,属于数据要素给数字产业本身赋能,即数据要素×信息产业。

产业数字化,是让各个产业部门因用好数据要素而带来了产出增加和效率提升,其新增产出和效率获益构成数字经济的主战场,属于数据要素给农工服三大产业赋能,即数据要素×农工服三大产业。

数据要素,嵌入万物,组合万物,赋能万物,乘以万物。

12.数据的幂数性(变革性)

应该更进一步看到,数据要素还具有幂数性,即各细分领域具有数据乘数效应的发展动能,汇聚在一起形成“核聚变”,引爆产业变革,呈现指数级增长。

被称为“数字化预言家”的尼古拉·尼葛洛庞帝在《数字化生存》一书写道:“从原子到比特的转变是不可逆转和无法阻挡的。因为变化是指数级的,即昨天的微小差异明天就很可能产生令人震惊的结果。”

不同于农业时代经济极为缓慢的增长,也不同于工业时代经济线性增长,在云计算、人工智能、互联网、物联网、5G、区块链等新一代ICT赋能的数字经济时代,社会经济必将呈现指数性增长,以数据要素为核心的数字技术,基于其强大的创新性、穿透性、洞察性、智能性、乘数性,正在快速、全面、深度地重塑人类的工作、生活和社会治理等各个领域。

每个行业,都在被数据解构和重构,都在优化创新,提质增效,都在产生“数据要素乘”效应。千行万业的“数据要素乘”效应,终将在社会层面相遇,相撞,相乘,爆发为社会层面的“数据要素幂”效应。

这种“数据要素幂”效应,除了解构和重构传统要素之外,还会冲击眼球,博弈传统,渐变习惯,匡正三观,洗涤文化,孕育文明,引发全社会的转型与变革。

笔者认为,数据要素可以改变、优化、推高、升级社会文明层级,创建并升维人类首次出现的数字文明。

13.数据的传承性

对数据要素的一个典型操作,是把物理实体的形、态、演变规律、关联关系等,以数字孪生的形式,精准映射到数字空间。

这种数字映射产生了两个意义深远的产品:一个是容纳海量人类智能的工业软件,另一个是嵌入了工业软件的智能机器。人类的智慧、智力思考方式、智能原理、诀窍、最佳数据等,以模型、算法、推理机制等数字知识形式,以数据的表征性机理,映射/转换到工业软件和包含工业软件的机器中,完成了人类历史上最伟大的事业——在数字空间永久保存人类各种智力成果,让人类智慧超越生命周期、超越时代而获得永生。

杨学山教授在为笔者所著《机·智》一书作序时写到:“生物智能基于遗传基因而延续,人类智能的各种产物和成果基于各种工具和记录的信息而传承。智能时代的传承和延续,与生物智能和人类智能的结晶相比有何特征?如果数字孪生超越产品的生命周期,这个特征就是数字孪生,数字孪生是智能时代智能的遗传基因。显然,数字孪生是可以跨越产品生命周期的。”

知识传承载体的演变,从早年基于实体器物的物化传承,到上个世纪80年代基于知识管理的转化传承,发展到本世纪初基于电脑数据流的流化传承,一直到今天基于互联网络+数据构件等数字化技术的泛化传承。唯有数字化传承,能够让知识一次输入,全企共享,永续传承,延续智能时代的遗传基因。

14.数据的脆弱性

数据是脆弱的,可能因为物理介质的损害、强磁场干扰、火灾、地震、黑客入侵、病毒勒索等各种天灾人祸而发生损坏和灭失。克服数据的脆弱性,提高数据的安全行,已经上升为国家战略,制定了《中华人民共和国数据安全法》。

在数据要素的生成、存储、传输、应用等不同环节的时空背景中,任何一个环节都会出现影响数据安全的问题。

由数据的介质依赖性,所有存放数据的介质(各种盘),其存放的服务器质量、网络环境、介质质量等,都会影响到数据本身;所有传输数据的物理管道也有可能被掐断、搭线,造成数据被截留、窃取;数据盘介质会随着时间而老化失效,无法适应数据的超长生命周期。某些国家重大项目的数据资料,需要保持50年追溯期,因此必须配套50年后仍可正常读取的数据介质和软件,或者相应的数据介质及软件轮替措施,以确保“持续安全状态”。

基于数据的无损拷贝、不可控传播属性,数据必须通过企业制度的严格规定加上必要的技术手段做好预先防范,将数据严格地控制在企业许可范围内使用,否则一旦数据出了企业掌控范围,就是失控或失密,可能造成难以估量的损失。

基于数据的远程操作、任意编辑/打包/拆包等属性,一旦黑客入侵实施非法操作,或植入恶意软件(如病毒、木马),浏览、窃取、删除个人隐私数据或企业研发生产数据,锁死用户电脑,瘫痪网络运行,都将造成重大数据损失。

彻底解决数据安全性问题,要在数据要素本身做文章,要在技术上做出重大创新,彻底改变数据的无损拷贝、不可控传播属性。笔者的基本设想是,在数据内植入特殊软件而形成新的数据构件,以不可篡改条件设置、控制数据的每一个属性,如控制阅读次数,只看一次(“阅后即焚”),还有谁能看,谁能复制,谁能编辑,什么时空条件能收发等,由改变数据属性而确保数据安全。

必须高度重视数据要素的安全性。赋能,或是“负能”,仅在一念之间。

15.小结

现代社会,处处有数据。采数据,存数据,用数据,是重要的日常工作;传数据,察数据,优数据,是业务的高阶操作;评数据,管数据,贸数据,是行业的基本运作。

数据要素具有包括表征性、智能性、生命周期性、创新性、穿透性、复用性、洞察性、资产性、乘数性、幂数性、传承性、脆弱性在内但是不限于此的十二种特性。深刻认识数据要素的多种特性,是做好新型工业化建设的技术前提,是实现数字化转型的必备功课。

两化融合、智能制造、工业互联网、数字化转型、工业4.0、工业价值链等不同战略口号的新工业革命活动,其关键、核心要点,就是做好传统生产要素与数据要素乘和数据要素幂的工作。

数据要素,从此世间不可或缺。

参考资料

[1]赵敏,朱铎先,刘俊艳.人本:从工业互联网走向数字文明[M].北京:机械工业出版社,2023-2.

[2]赵敏,宁振波.铸魂:软件定义制造[M].北京: 机械工业出版社,2020-4.

[3]朱铎先,赵敏.机·智:从数字化车间走向智能制造[M].北京:机械工业出版社,2018-10.

[4]何麟生,“宝钢信息化工作的起源”[R],2010年6月23日采访,文字整理:张文良

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://itzsg.com/75462.html

(0)

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

联系我们YX

mu99908888

在线咨询: 微信交谈

邮件:itzsgw@126.com

工作时间:时刻准备着!

关注微信