“物联网”概念的问世,打破了人类之前的思维方式。过去，人们一直是将物理基础设施和IT基础设施分开：一方面是机场、公路、建筑物,而另一方面是数据中心、个人电脑、宽带等。
而在物联网时代，钢筋混凝土、电缆将与芯片、宽带融合为统一的基础设施，实现人类社会与物理系统的整合。在此意义上，基础设施更像是一块新的地球工地，世界的运转就在它上面进行，并达到“智慧”状态，从而提高资源利用率和生产力水平，实现人与自然和谐统一。11大数据概念
(1)数据量大/“大量化”
(2)数据类型繁多/“多样化”
10%结构化数据，90%非结构化数据
(3)处理速度快/“快速化”
1秒定律——秒级决策
(4)价值密度低，商业价值高/“价值化”
12数据产生方式
运营式系统阶段——>用户原创内容阶段——>感知式系统阶段
感知式系统阶段也就是物联网的大规模普及，物联网的迅速发展让大数据最终到来。
13技术支撑
(1)存储设备容量不断增大
(2)CPU处理能力大幅提升
(3)网络带宽不断增加
14大数据的影响
(1)科学研究范式的改变
实验——>理论——>计算——>数据
实验：以实验的方式验证科学问题
理论：以理论的方式研究科学问题
计算：用计算机(计算)去解决科学问题
数据：以数据为驱动研究问题，即大数据分析
数据研究范式和其他范式的区别：一开始并不清楚问题所在，通过大数据分析发现问题(问题发现)；而不像以前，知道是什么问题，我们去找答案(答案查找)。
(2)思维方式的改变
全样而非抽样
以前做数据分析，因为计算能力的限制，只能做抽样分析；而现在分布式计算网络的出现，使得成百上千的CPU可以同时计算，因此也不需要抽样，而是全样的数据分析。
效率而非精确
抽样分析通常最求算法精确度高，因为如果抽样精确度不高，放到全样误差会被放大。而大数据时代是对全样进行分析，误差不会被放大，误差是多少就是多少，因此我们不会刻意的追求算法的精度，所以我们更最求时效性，很多数据在一瞬间没有得出结果的话，它的价值就丢失了。
相关而非因果
关注事物之间的相关性物联网(The Internet of things)的概念是在1999年提出的，它的定义很简单：把所有物品通过射频识别(RFID)、红外感应器、全球定位系统、激光扫描器等信息传感设备与互联网连接起来，进行信息交换和通讯，实现智能化识别、定位、跟踪、监控和管理。一系列的重要讲话、研讨、报告和相关政策措施表明：大力发展物联网产业将成为中国今后一项具有国家战略意义的重要决策，各级政府部门将会大力扶持物联网产业发展，一系列对物联网产业利好的政策措施也将在不久后出台。值得一提的是，中国股市在受钢铁、银行、券商、基金重仓等权重板块集体倒戈的影响下，大盘一路下滑，但以远望谷、新大陆、厦门信达、东信和平、大唐电信、上海贝岭为代表的物联网题材股逆势拉升，连续数天涨停。物联网概念股的疯狂逆向拉升充分表明了物联网的强大生命力和影响力，物联网再次在中国掀起了巨大波澜。物联网概念从2009年迅速崛起，2010年已经成为了行业内的年度热点话题。今天我们就来说说物联网。物联网是IT发展方向“物联网”概念的问世,打破了之前的传统思维。过去的思路一直是将物理基础设施和IT基础设施分开：一方面是机场、公路、建筑物,而另一方面是数据中心，个人电脑、宽带等。而在“物联网”时代，钢筋混凝土、电缆将与芯片、宽带整合为统一的基础设施，在此意义上，基础设施更像是一块新的地球工地，世界的运转就在它上面进行，其中包括经济管理、生产运行、社会管理乃至个人生活。大数据定义、思维方式及架构模式
一、大数据何以为大
数据现在是个热点词汇，关于有了大数据，如何发挥大数据的价值，议论纷纷，而笔者以为，似乎这有点搞错了原因与结果，就象关联关系，有A的时候，B与之关联，而有B的时候，A却未必关联，笔者还是从通常的4个V来描述一下我所认为的大数据思维。
1、大数据的量，数据量足够大，达到了统计性意义，才有价值。笔者看过的一个典型的案例就是，例如传统的，收集几千条数据，很难发现血缘关系对遗传病的影响，而一旦达到2万条以上，那么发现这种影响就会非常明显。那么对于我们在收集问题时，是为了发现隐藏的知识去收集数据，还是不管有没有价值地收集，这还是值得商榷的。其实收集数据，对于数据本身，还是可以划分出一些标准，确立出层级，结合需求、目标来收集，当然有人会说，这样的话，将会导致巨大的偏差，例如说丧失了数据的完整性，有一定的主观偏向，但是笔者以为，这样至少可以让收集到的数据的价值相对较高。
2、大数据的种类，也可以说成数据的维度，对于一个对象，采取标签化的方式，进行标记，针对需求进行种类的扩充，和数据的量一样，笔者认为同样是建议根据需求来确立，但是对于标签，有一个通常采取的策略，那就是推荐标签和自定义标签的问题，分类法其实是人类文明的一大创举，采取推荐标签的方式，可以大幅度降低标签的总量，而减少后期的规约工作，数据收集时扩充量、扩充维度，但是在数据进入应用状态时，我们是希望处理的是小数据、少维度，而通过这种推荐、可选择的方式，可以在标准化基础上的自定义，而不是毫无规则的扩展，甚至用户的自定义标签给予一定的限制，这样可以使维度的价值更为显现。
3、关于时效性，现在进入了读秒时代，那么在很短的时间进行问题分析、关联推荐、决策等等，需要的数据量和数据种类相比以前，往往更多，换个说法，因为现在时效性要求高了，所以处理数据的方式变了，以前可能多人处理，多次处理，现在必须变得单人处理、单次处理，那么相应的信息系统、工作方式、甚至企业的组织模式，管理绩效都需要改变，例如笔者曾经工作的企业，上了ERP系统，设计师意见很大，说一个典型案例，以往发一张变更单，发出去工作结束，而上了ERP系统以后，就必须为这张变更单设定物料代码，设置需要查询物料的存储，而这些是以前设计师不管的，又没有为设计师为这些增加的工作支付奖励，甚至因为物料的缺少而导致变更单不能发出，以至于设计师工作没有完成，导致被处罚。但是我们从把工作一次就做完，提升企业的工作效率角度，这样的设计变更与物料集成的方式显然是必须的。那么作为一个工作人员，如何让自己的工作更全面，更完整，避免王府，让整个企业工作更具有时间的竞争力，提高数据的数量、种类、处理能力是必须的。
4、关于大数据价值，一种说法是大数据有大价值，还有一种是相对于以往的结构化数据、少量数据，现在是大数据了，所以大数据的单位价值下降。笔者以为这两种说法都正确，这是一个从总体价值来看，一个从单元数据价值来看的问题。而笔者提出一个新的关于大数据价值的观点，那就是真正发挥大数据的价值的另外一个思路。这个思路就是针对企业的问题，首先要说什么是问题，笔者说的问题不是一般意义上的问题，因为一说问题，大家都以为不好、错误等等，而笔者的问题的定义是指状态与其期望状态的差异，包括三种模式，
1）通常意义的问题，例如失火了，必须立即扑救，其实这是三种模式中最少的一种；
2）希望保持状态，
3）期望的状态，这是比原来的状态高一个层级的。
我们针对问题，提出一系列解决方案，这些解决方案往往有多种，例如员工的培训，例如设备的改进，例如组织的方式的变化，当然解决方案包括信息化手段、大数据手段，我们一样需要权衡大数据的方法是不是一种相对较优的方法，如果是，那么用这种手段去解决，那么也就是有价值了。例如笔者知道的一个案例，一个企业某产品部件偶尔会出现问题，企业经历数次后决定针对设备上了一套工控系统，记录材料的温度，结果又一次出现问题时，进行分析认为，如果工人正常上班 *** 作，不应该有这样的数据记录，而经过与值班工人的质询，值班工人承认其上晚班时睡觉，没有及时处理。再往后，同样的问题再没有再次发生。
总结起来，笔者以为大数据思维的核心还是要落实到价值上，面向问题，收集足够量的数据，足够维度的数据，达到具有统计学意义，也可以满足企业生产、客户需求、甚至竞争的时效要求，而不是一味为了大数据而大数据，这样才是一种务实、有效的正确思维方式，是一线大数据的有效的项目推进方式，在这样的思维模式基础上，采取滚雪球方式，把大数据逐步展开，才真正赢来大数据百花齐放的春天。
二、大数据思维方式
大数据研究专家舍恩伯格指出，大数据时代，人们对待数据的思维方式会发生如下三个变化：
1）人们处理的数据从样本数据变成全部数据；
2）由于是全样本数据，人们不得不接受数据的混杂性，而放弃对精确性的追求；
3）人类通过对大数据的处理，放弃对因果关系的渴求，转而关注相关关系。
事实上，大数据时代带给人们的思维方式的深刻转变远不止上述三个方面。笔者认为，大数据思维最关键的转变在于从自然思维转向智能思维，使得大数据像具有生命力一样，获得类似于“人脑”的智能，甚至智慧。
1、总体思维
社会科学研究社会现象的总体特征，以往采样一直是主要数据获取手段，这是人类在无法获得总体数据信息条件下的无奈选择。在大数据时代，人们可以获得与分析更多的数据，甚至是与之相关的所有数据，而不再依赖于采样，从而可以带来更全面的认识，可以更清楚地发现样本无法揭示的细节信息。
正如舍恩伯格总结道：“我们总是习惯把统计抽样看作文明得以建立的牢固基石，就如同几何学定理和万有引力定律一样。但是，统计抽样其实只是为了在技术受限的特定时期，解决当时存在的一些特定问题而产生的，其历史不足一百年。如今，技术环境已经有了很大的改善。在大数据时代进行抽样分析就像是在汽车时代骑马一样。
在某些特定的情况下，我们依然可以使用样本分析法，但这不再是我们分析数据的主要方式。”也就是说，在大数据时代，随着数据收集、存储、分析技术的突破性发展，我们可以更加方便、快捷、动态地获得研究对象有关的所有数据，而不再因诸多限制不得不采用样本研究方法，相应地，思维方式也应该从样本思维转向总体思维，从而能够更加全面、立体、系统地认识总体状况。
2、容错思维
在小数据时代，由于收集的样本信息量比较少，所以必须确保记录下来的数据尽量结构化、精确化，否则，分析得出的结论在推及总体上就会“南辕北辙”，因此，就必须十分注重精确思维。然而，在大数据时代，得益于大数据技术的突破，大量的非结构化、异构化的数据能够得到储存和分析，这一方面提升了我们从数据中获取知识和洞见的能力，另一方面也对传统的精确思维造成了挑战。
舍恩伯格指出，“执迷于精确性是信息缺乏时代和模拟时代的产物。只有5%的数据是结构化且能适用于传统数据库的。如果不接受混乱，剩下95%的非结构化数据都无法利用，只有接受不精确性，我们才能打开一扇从未涉足的世界的窗户”。也就是说，在大数据时代，思维方式要从精确思维转向容错思维，当拥有海量即时数据时，绝对的精准不再是追求的主要目标，适当忽略微观层面上的精确度，容许一定程度的错误与混杂，反而可以在宏观层面拥有更好的知识和洞察力。
3、相关思维
在小数据世界中，人们往往执着于现象背后的因果关系，试图通过有限样本数据来剖析其中的内在机理。小数据的另一个缺陷就是有限的样本数据无法反映出事物之间的普遍性的相关关系。而在大数据时代，人们可以通过大数据技术挖掘出事物之间隐蔽的相关关系，获得更多的认知与洞见，运用这些认知与洞见就可以帮助我们捕捉现在和预测未来，而建立在相关关系分析基础上的预测正是大数据的核心议题。
通过关注线性的相关关系，以及复杂的非线性相关关系，可以帮助人们看到很多以前不曾注意的联系，还可以掌握以前无法理解的复杂技术和社会动态，相关关系甚至可以超越因果关系，成为我们了解这个世界的更好视角。舍恩伯格指出，大数据的出现让人们放弃了对因果关系的渴求，转而关注相关关系，人们只需知道“是什么”，而不用知道“为什么”。我们不必非得知道事物或现象背后的复杂深层原因，而只需要通过大数据分析获知“是什么”就意义非凡，这会给我们提供非常新颖且有价值的观点、信息和知识。也就是说，在大数据时代，思维方式要从因果思维转向相关思维，努力颠覆千百年来人类形成的传统思维模式和固有偏见，才能更好地分享大数据带来的深刻洞见。
4、智能思维
不断提高机器的自动化、智能化水平始终是人类社会长期不懈努力的方向。计算机的出现极大地推动了自动控制、人工智能和机器学习等新技术的发展，“机器人”研发也取得了突飞猛进的成果并开始一定应用。应该说，自进入到信息社会以来，人类社会的自动化、智能化水平已得到明显提升，但始终面临瓶颈而无法取得突破性进展，机器的思维方式仍属于线性、简单、物理的自然思维，智能水平仍不尽如人意。
但是，大数据时代的到来，可以为提升机器智能带来契机，因为大数据将有效推进机器思维方式由自然思维转向智能思维，这才是大数据思维转变的关键所在、核心内容。众所周知，人脑之所以具有智能、智慧，就在于它能够对周遭的数据信息进行全面收集、逻辑判断和归纳总结，获得有关事物或现象的认识与见解。同样，在大数据时代，随着物联网、云计算、社会计算、可视技术等的突破发展，大数据系统也能够自动地搜索所有相关的数据信息，并进而类似“人脑”一样主动、立体、逻辑地分析数据、做出判断、提供洞见，那么，无疑也就具有了类似人类的智能思维能力和预测未来的能力。
“智能、智慧”是大数据时代的显著特征，大数据时代的思维方式也要求从自然思维转向智能思维，不断提升机器或系统的社会计算能力和智能化水平，从而获得具有洞察力和新价值的东西，甚至类似于人类的“智慧”。
舍恩伯格指出，“大数据开启了一个重大的时代转型。就像望远镜让我们感受宇宙，显微镜让我们能够观测到微生物一样，大数据正在改变我们的生活以及理解世界的方式，成为新发明和新服务的源泉，而更多的改变正蓄势待发”。
大数据时代将带来深刻的思维转变，大数据不仅将改变每个人的日常生活和工作方式，改变商业组织和社会组织的运行方式，而且将从根本上奠定国家和社会治理的基础数据，彻底改变长期以来国家与社会诸多领域存在的“不可治理”状况，使得国家和社会治理更加透明、有效和智慧。
物联网的价值不仅仅在于它是一个可传感的网络,而必须是各个行业参与进来进行应用,不同行业,会有不同的应用。很大程度上,这是非常难的一步。目前,对物联网在教育中的研究与应用虽尚处于起步阶段,但笔者认为这一问题的探讨将给教育带来极大的变革。
(1)有利于建立全面和主动的教学管理体系。
在建立教学管理运行体系方面,利用现有物联网的核心技术:RFID技术的支持,有利于完善教学管理的组织系统、评价和考核系统,从而对教学的质量建立保障和监控体系。通过RFID标签和校园智能卡系统的结合,教师可利用物联网系统,对学生的学习情况进行自动的统计。例如:在分组实验教学中,可以对学生的出席和对应的实验器材建立联系,通过RFID系统建立实验室教学管理系统。院校各级教学管理部门也可利用RFID技术,对学生学习情况、到课情况进行分析,从而有利于学生工作部门有针对性地开展思想政治工作。同时还可以对学生在校园的行踪进行监控,设立校园安全控制区域,减少不必要的校园安全事故的发生;建立基于物联网的d性修学模式,利用物联网信息完整和可追述的特征,学生可以根据本人的兴趣特长,随时修改或完成某一课程的学习,随时选择某一心仪教师的教学,在需要考试时,随时连接到试题库系统并完成考试过程,从而真正实现学分制;建立双向的教学评价和考核系统,有利于实现学生和教师同行对每一次教学的实时评价,根据此评价,学生和教师双方都可以调整教学进度,改善学生的学习效果,提高教师的教学效率。
(2)有利于构建完全交互与智能的教研环境。
利用传感网络,可实现教学环境的实时信息反馈。目前,多数高校已经实施多媒体教学设施进课堂,利用物联网,可对课堂教学设备实现智能控制。例如:在教学楼里安装上万个传感器并用IPV6网络进行连接,可根据教室光线强弱自动调节教室光源和投影机的流明度;也可根据教室环境温湿度,通过红外感应设备自动控制教室空气的更换率;更可利用物联网识别技术,建立教师和对应授课教室的关联授权,智能控制教学仪器的使用等。这种方式的应用,已在部分研究机构中得以实现。
例如:在北京,西门子总部里面所有的灯光都是通过物联网智能控制的,员工在进入办公室后头顶上的灯自动打开,离开位置后头顶上的光源则自动关闭。如果外面的阳光太过强烈,窗帘则自动拉下,各个光源都是通过传感设备连接到电脑上,由电脑进行 *** 控。与此同时,笔者也认为,利用物联网构建的智能教学环境的应用应远不止于此。利用物联网信息完整与可靠传输特性,可实现教学环境的真正交互。例如:物联网的介入可以为实验教学提供一个安全的、共享的、智能化的实验教学环境。在教师的授课过程中,随时可以控制远在实验室中的教学仪器,通过网络视频设备,将实验过程与结果实时的显示在课堂教学中,学生也可实时控制远程设备,自行得到正确的实验结果。改变现行多媒体教学中,实验过程模拟化,实验效果非直观的弊病。
通过将大型科研设备纳入物联网,可有效改变目前教研资源不平衡问题,经过授权后的研究者可以在全球范围内控制该设备,科研过程数据也可以被实时采集并以适当的方式提供,最终实现教学科研的数字化、网络化与智能化。此方面的先例有TAMU和MIT近期实施的CSAIL计划,该计划是利用一群实验室机器人与嵌入在盆栽植物中的传感器的通信。机器人和传感器之间的交流可以允许每棵植物要求额外的水分和养分,并进行实时存储。成熟的西红柿被识别之后,机器人能准确地从植物上摘除。TAMU的研究人员可以利用MIT在物联网领域的研究优势,直接获取该研究成果数据。
此外,利用嵌入了传感芯片的教学设施,不但能够像多媒体设施一样,对教学中的结构化信息进行处理,也可对常规多媒体设施所不能处理的非结构化信息,诸如学生的思维、体会、情感、意志等进行整合,从而真正实现教学环境的智能和交互。
(3)有利于重构创新和开放的教学模式。
基于物联网教学环境下的教学模式相比于以往的各种教学模式,具有更加开放和创新的特征。可以依托物联网强大的物质和信息资源优势来建立基于物联网的科学探究模式。在该模式中,学习者可以最大限度地利用物联网资源,并在发掘物联网信息的同时促进高级思维能力的发展。例如:在虚拟社区的学习交互模型中,基于物联网的模式要比给予互联网的模式更能激发出学习者的深层思考,并产生交互。该模式更能引导学习者在每次知识建构、剖析、探讨和问题解决户进行反思、总结和提炼有价值的内容,并在物联网上与其他学习者共享。
同时,将先进的物联网技术与现代教学理念相结合,运用到科学教学活动中,也能够对协作和协同教学模式起到很好的支撑作用。传统的协作和协同教学模式标志着开放系统中大量亚系统之间相互作用的,整体的,集体的或合作的效应,能够很好地解决教学过程中的/导)学0关系。比较著名的有密歇根大学的跨学科协同教学模式。而基于物联网的跨学科协同教学模式,则可以很好地克服原有模式中的障碍。同时它的海量数据与多视角处理特征,也能够进一步激发学生主动进行只是融合的欲望,发展整合和协调多学科的能力。
(4)有利于拓展学习空间、培养学习者自主学习能力。
物联网能为学习者的常规学习、课后学习、区域合作学习提供支撑环境,拓展学习空间,有利于学习者的自主学习和满足个性化学习需要。学习者可以通过物联网,探究任何感兴趣的问题并及时地得到解决。例如:中国电信的全球眼技术,其实就是远程监控的物联网应用。与传感系统相结合,学习者就可以利用它完成诸如材料学、气象学、生物学等集成应用领域内的多种科学探究。同时,物联网的感知特性,也能够使教育者对学习者的学习过程进行有效管理。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）