互联网环境下企业进行大数据分析可以获得以下多源异构数据,获取更加相关的决策信息,具体包括:
大数据时代数据的极大丰富为人们提供了更大的利用价值,但是数据的海量产生和新的特征也使人们面临的问题空前复杂化,呈现出如图2的特征:
大数据融合的任务是将结构化、半结构化、非结构化数据集中,形成表层知识,即知识资源;进而使隐性知识显性化,使表层知识上升为普适机理。数据融合迫切需要将多源数据动态提取、整合并且转化为知识资源,为知识融合奠定基础;而知识融合需要面向需求和服务,对知识和知识间的关系进行不同维度和粒度的理解,使知识具有可理解性和可领悟性,进而方便解释客观现象。
大数据价值链是一个“离散数据→集成化数据→知识理解→普适机理凝练→解释客观现象、回归自然”这样一条阶梯式循环过程,每一个链条是对大数据的一次价值提升。
我们可以通过上图来了解大数据融合的基本框架。数据融合负责将多源数据动态提取、整合并且转化为知识资源,为知识融合奠定基础,而知识融合负责对知识和知识间的关系进行不同粒度的理解,使知识具有不同层次的可理解性和可领悟性,进而方便解释客观现象。数据融合和知识融合不是孤立存在的,知识融合中获取的知识可以作为数据融合的参考因素辅助数据融合;而数据融合也不仅是为知识融合提供集成化数据,其中的一些方法同样对知识融合有借鉴作用。此外,还有2个贯穿整个大数据融合过程的操作,即数据溯源和动态演化,它们保证了大数据融合的与时俱进和可理解性。这种融合方式的优势在于通过双环互动、启发动态演化地逐步探索大数据融合问题,并且融合过程的每个步骤都是大数据价值的一次提升过程。
我们可以通过上图来了解大数据融合的基本框架。数据融合负责将多源数据动态提取、整合并且转化为知识资源,为知识融合奠 定基础,而知识融合负责对知识和知识间的关系进行不同粒度的理解,使知识具有不同层次的可理解性和可领悟性,进而方便解释客观现象。数据融合和知识融合不是孤立存在的,知识融合中获取的知识可以作为数据融合的参考因素辅助数据融合;而数据融合也不仅是为知识融合提供集成化数据,其中的一些方法同样对知识融合有借鉴作用。此外,还有2个贯穿整个大数据融合过程的操作 ,即数据溯源和动态演化,它们保证了大数据融合的与时俱进和可理解性。这种融合方式的优势在于通过双环互动、启发动态演化地逐步探索大数据融合问题,并且融合过程的每个步骤都是大数据价值的一次提升过程。