總的來說，資料智慧有三個核心關鍵點，分別是雲計算、大資料和演算法。
提到“資料智慧”，很多小夥伴可能會想到“商業智慧”，也就是 BI（Business Intelligence）這個詞。要注意的是，資料智慧的本質是機器人直接做決策，這和傳統的BI（商業智慧）是完全不同的邏輯。
可能也有的朋友不是很瞭解什麼是BI（商業智慧），在這裡簡要說明一下。商業智慧，主要是負責收集、管理和分析資料，並且將這些資料轉化為有用的資訊，然後分發到企業各處，尤其是，服務於企業的高管，用來提供決策支援。所以其實很多企業，都有BI（商業智慧）這個部門。
但是資料智慧的邏輯是不同的。資料智慧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，背後就需要有三個強大的助手：雲計算、大資料和演算法。
所以這就是我開頭所講的，三個核心關鍵點，也是要實現資料智慧，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，什麼是“雲計算”？雲計算，就是指透過把一臺臺的伺服器連線起來，這樣就使得伺服器之間可以相互進行資料傳輸，那麼資料就像網路上的“雲一樣”在不同伺服器之間 飄啊飄~~~所以，在資料智慧的範疇裡，雲計算的核心價值主要是——用極低的成本儲存和計算海量的資料。
下面講資料智慧的第二個關鍵條件：“大資料”
“大資料”這個詞，大家肯定是非常非常熟悉了，對吧？看名字，“大資料”，直覺反應，是不是，就是覺得 很大，很多很多很多很多的資料呀？
其實不然，不是資料量越大，就叫“大資料”。
大資料的定義，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“大資料”的定義是：一種規模大到在獲取、儲存、管理、分析方面大大超出了傳統資料庫軟體工具能力範圍的資料集合，具有海量的資料規模、快速的資料流轉、多樣的資料型別和價值密度低四大特徵。
在這個定義裡，講到了大資料的 四個最核心的特質：海量的資料規模、快速的資料流轉、多樣的資料型別和價值密度低。
資料規模，只是大資料的其中一個特徵而已，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”怎麼理解呢？
“價值密度低”的意思是，大資料裡的雜質很多、噪音很多。（所以大資料產業裡，才出現了“資料治理”這個專門的行當，資料分析前，是需要資料清洗的大量工作。資料清洗，甚至佔去大資料分析整體工作的70%……）
所以我們可以看到，上面所講的“雲計算”和“大資料”，它倆是相輔相成的關係，如果沒有云計算，我們就沒辦法用極低的成本儲存和計算海量的資料。反過來，也正因為有了處理大資料的需求，我們才會對雲計算要求越來越高。二者推動了整個資料行業的不斷高速發展。
接下來講最後一個關鍵詞：演算法。
演算法，嚴格說來，不是機器，而是人…………
演算法，其實是將人的思考進行模擬，抽象成一個模型，然後用數學方法給這個模型找到一個近似的解，之後再用程式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。
大資料和演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，並且在此基礎上進行最佳化。這就是超強的演算法水平！
好了，以上就是我給大家拆解的，關於資料智慧的三個核心詞：雲計算、大資料、演算法。
那麼，我們有了“演算法”優勢後，如何獲得其他兩個因素，“雲計算”和“大資料” 呢？這就牽涉到另外一個智慧商業時代的另一個核心詞：資源的網路協同性。我們可以透過資源協同的方式，去獲得雲計算和多源資料的支援力量，包括我們零點也有答對這樣的移動終端的強大互動工具，就可以保證，我們的資料智慧，很好地運轉起來。更重要的是，就如剛剛我所提到的，“雲計算”和“大資料”，都屬於機器人類的，技術類的角色；但是“ 演算法”，是屬於“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。
資料智慧的道路，還處於發展初期。同時，期待每個資料智慧行業的工作者都能走在未來時代的賽道前端上！
總的來說，資料智慧有三個核心關鍵點，分別是雲計算、大資料和演算法。
提到“資料智慧”，很多小夥伴可能會想到“商業智慧”，也就是 BI（Business Intelligence）這個詞。要注意的是，資料智慧的本質是機器人直接做決策，這和傳統的BI（商業智慧）是完全不同的邏輯。
可能也有的朋友不是很瞭解什麼是BI（商業智慧），在這裡簡要說明一下。商業智慧，主要是負責收集、管理和分析資料，並且將這些資料轉化為有用的資訊，然後分發到企業各處，尤其是，服務於企業的高管，用來提供決策支援。所以其實很多企業，都有BI（商業智慧）這個部門。
但是資料智慧的邏輯是不同的。資料智慧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，背後就需要有三個強大的助手：雲計算、大資料和演算法。
所以這就是我開頭所講的，三個核心關鍵點，也是要實現資料智慧，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，什麼是“雲計算”？雲計算，就是指透過把一臺臺的伺服器連線起來，這樣就使得伺服器之間可以相互進行資料傳輸，那麼資料就像網路上的“雲一樣”在不同伺服器之間 飄啊飄~~~所以，在資料智慧的範疇裡，雲計算的核心價值主要是——用極低的成本儲存和計算海量的資料。
下面講資料智慧的第二個關鍵條件：“大資料”
“大資料”這個詞，大家肯定是非常非常熟悉了，對吧？看名字，“大資料”，直覺反應，是不是，就是覺得 很大，很多很多很多很多的資料呀？
其實不然，不是資料量越大，就叫“大資料”。
大資料的定義，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“大資料”的定義是：一種規模大到在獲取、儲存、管理、分析方面大大超出了傳統資料庫軟體工具能力範圍的資料集合，具有海量的資料規模、快速的資料流轉、多樣的資料型別和價值密度低四大特徵。
在這個定義裡，講到了大資料的 四個最核心的特質：海量的資料規模、快速的資料流轉、多樣的資料型別和價值密度低。
資料規模，只是大資料的其中一個特徵而已，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”怎麼理解呢？
“價值密度低”的意思是，大資料裡的雜質很多、噪音很多。（所以大資料產業裡，才出現了“資料治理”這個專門的行當，資料分析前，是需要資料清洗的大量工作。資料清洗，甚至佔去大資料分析整體工作的70%……）
所以我們可以看到，上面所講的“雲計算”和“大資料”，它倆是相輔相成的關係，如果沒有云計算，我們就沒辦法用極低的成本儲存和計算海量的資料。反過來，也正因為有了處理大資料的需求，我們才會對雲計算要求越來越高。二者推動了整個資料行業的不斷高速發展。
接下來講最後一個關鍵詞：演算法。
演算法，嚴格說來，不是機器，而是人…………
演算法，其實是將人的思考進行模擬，抽象成一個模型，然後用數學方法給這個模型找到一個近似的解，之後再用程式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。
大資料和演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，並且在此基礎上進行最佳化。這就是超強的演算法水平！
好了，以上就是我給大家拆解的，關於資料智慧的三個核心詞：雲計算、大資料、演算法。
那麼，我們有了“演算法”優勢後，如何獲得其他兩個因素，“雲計算”和“大資料” 呢？這就牽涉到另外一個智慧商業時代的另一個核心詞：資源的網路協同性。我們可以透過資源協同的方式，去獲得雲計算和多源資料的支援力量，包括我們零點也有答對這樣的移動終端的強大互動工具，就可以保證，我們的資料智慧，很好地運轉起來。更重要的是，就如剛剛我所提到的，“雲計算”和“大資料”，都屬於機器人類的，技術類的角色；但是“ 演算法”，是屬於“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。
資料智慧的道路，還處於發展初期。同時，期待每個資料智慧行業的工作者都能走在未來時代的賽道前端上！