總的來說，數據智能有三個核心關鍵點，分別是云計算、大數據和算法。

提到“數據智能”，很多小伙伴可能會想到“商業智能”，也就是BI（BusinessIntelligence）這個詞。要注意的是，數據智能的本質是機器人直接做決策，這和傳統的BI（商業智能）是完全不同的邏輯。

可能也有的朋友不是很了解什么是BI（商業智能），在這里簡要說明一下。商業智能，主要是負責收集、管理和分析數據，并且將這些數據轉化為有用的信息，然后分發到企業各處，尤其是，服務于企業的高管，用來提供決策支持。所以其實很多企業，都有BI（商業智能）這個部門。

但是數據智能的邏輯是不同的。數據智能強調的是直接讓機器人進行決策。然而要實現讓機器人進行決策，背后就需要有三個強大的助手：云計算、大數據和算法。

所以這就是我開頭所講的，三個核心關鍵點，也是要實現數據智能，必須具備的三個關鍵條件。

接下來我將力求用通俗的方式，讓大家理解這三個詞。

首先，什么是“云計算”？云計算，就是指通過把一臺臺的服務器連接起來，這樣就使得服務器之間可以相互進行數據傳輸，那么數據就像網絡上的“云一樣”在不同服務器之間飄啊飄~~~所以，在數據智能的范疇里，云計算的核心價值主要是——用極低的成本存儲和計算海量的數據。

下面講數據智能的第二個關鍵條件：“大數據”

“大數據”這個詞，大家肯定是非常非常熟悉了，對吧？看名字，“大數據”，直覺反應，是不是，就是覺得很大，很多很多很多很多的數據呀？

其實不然，不是數據量越大，就叫“大數據”。

大數據的定義，有很多。我個人比較喜歡的是，麥肯錫給出的一個定義。

麥肯錫全球研究所，給“大數據”的定義是：一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。

在這個定義里，講到了大數據的四個最核心的特質：海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低。

數據規模，只是大數據的其中一個特征而已，除此之外，還有“快速”、“多樣”、“價值密度低”的特點。

“快速”、“多樣”都比較好懂。那“價值密度低”怎么理解呢？

“價值密度低”的意思是，大數據里的雜質很多、噪音很多。（所以大數據產業里，才出現了“數據治理”這個專門的行當，數據分析前，是需要數據清洗的大量工作。數據清洗，甚至占去大數據分析整體工作的70%……）

所以我們可以看到，上面所講的“云計算”和“大數據”，它倆是相輔相成的關系，如果沒有云計算，我們就沒辦法用極低的成本存儲和計算海量的數據。反過來，也正因為有了處理大數據的需求，我們才會對云計算要求越來越高。二者推動了整個數據行業的不斷高速發展。

接下來講最后一個關鍵詞：算法。

算法，嚴格說來，不是機器，而是人…………

算法，其實是將人的思考進行模擬，抽象成一個模型，然后用數學方法給這個模型找到一個近似的解，之后再用代碼把這個解變成機器可以執行的命令，這樣就完成了一個機器大腦的構建。

大數據和算法最好的結合的例子，就是大家熟知的2016年萬眾矚目的AlphaGo大戰世界頂級圍棋棋手李世石的例子。AlphaGo的計算能力超強，它可以把人類歷史上所有的棋譜都快速學會，并且在此基礎上進行優化。這就是超強的算法水平！

好了，以上就是我給大家拆解的，關于數據智能的三個核心詞：云計算、大數據、算法。

最后拿本人所在的零點有數公司舉個例子，零點有數，基于26年在各個行業的專項研究積累，形成了扎實的算法優勢，這是機器無法取代的，也是我們的核心優勢。

那么，我們有了“算法”優勢后，如何獲得其他兩個因素，“云計算”和“大數據”呢？這就牽涉到另外一個智能商業時代的另一個核心詞：資源的網絡協同性。我們可以通過資源協同的方式，去獲得云計算和多源數據的支持力量，包括我們零點也有答對這樣的移動終端的強大交互工具，就可以保證，我們的數據智能，很好地運轉起來。更重要的是，就如剛剛我所提到的，“云計算”和“大數據”，都屬于機器人類的，技術類的角色；但是“算法”，是屬于“人”的因素，是“大腦”的角色，是非常不容易被替代的。這就是我們零點很寶貴的競爭優勢。

數據智能的道路，還處于發展初期。同時，期待每個數據智能行業的工作者都能走在未來時代的賽道前端上！