導(dǎo)讀：本文概述數(shù)據(jù)、分析、商業(yè)智能、報(bào)表、大數(shù)據(jù)、數(shù)據(jù)科學(xué)、邊緣分析、信息學(xué)以及人工智能和認(rèn)知計(jì)算這些基本概念。

01 數(shù)據(jù)

數(shù)據(jù)幾乎滲透到我們生活的每一個(gè)角落，從我們?cè)?a href="http://www.brongaenegriffin.com/v/tag/107/" target="_blank">手機(jī)中留下的數(shù)字足跡，到健康記錄，再到購(gòu)物歷史，以及對(duì)資源（如能源）的使用情況。在當(dāng)今這個(gè)數(shù)字世界里，脫離數(shù)字的生活雖然不是不可接受的，但也需要巨大的犧牲精神和不可思議的毅力才能忍受。

我們不僅是數(shù)據(jù)制造者，同時(shí)也是活躍的數(shù)據(jù)消費(fèi)者，例如我們時(shí)常檢查自己的在線消費(fèi)習(xí)慣，監(jiān)測(cè)健身程序，或者查看自己的常旅客積分是否夠去加勒比度假，這些行為都是在消費(fèi)數(shù)據(jù)。

但數(shù)據(jù)到底是什么？按最通用的形式來(lái)理解，數(shù)據(jù)就是被儲(chǔ)存起來(lái)以備日后使用的信息。最早記錄信息的方式可能是在動(dòng)物骨頭上刻蝕符號(hào)。到了20世紀(jì)50年代，人們開(kāi)始在磁帶上記錄數(shù)字信息，然后是打孔卡片，再后來(lái)是使用磁盤(pán)?，F(xiàn)代數(shù)據(jù)處理開(kāi)始的時(shí)間并不長(zhǎng)，但已經(jīng)奠定了我們?nèi)绾问占?、存?chǔ)、管理、使用信息的基礎(chǔ)。

直到最近，我們對(duì)那些無(wú)法計(jì)算的信息（例如，視頻和圖像信息）還只能進(jìn)行分類(lèi)處理。但近幾年來(lái)，通過(guò)大量的技術(shù)變革，無(wú)法存儲(chǔ)的數(shù)據(jù)類(lèi)型變得越來(lái)越少了。事實(shí)上，存儲(chǔ)的信息，或者數(shù)據(jù)，就是以一種可用的編碼方式，為了我們可計(jì)算的目的而建立的真實(shí)世界的模型。

數(shù)據(jù)是真實(shí)世界中所發(fā)生事情的持續(xù)記錄或“模型”，這一事實(shí)是分析學(xué)的一個(gè)重要特征。被公認(rèn)為“20世紀(jì)最偉大的統(tǒng)計(jì)學(xué)家之一”的喬治·鮑克斯（George Box）曾經(jīng)說(shuō)過(guò)：“所有的模型都是錯(cuò)誤的，但有些模型是有用的?！?/p>

很多時(shí)候，我們?cè)跀?shù)據(jù)中發(fā)現(xiàn)一些沒(méi)有意義或者完全錯(cuò)誤的東西。請(qǐng)記住，數(shù)據(jù)是從真實(shí)的物理世界轉(zhuǎn)化并抽象為代表真實(shí)世界的東西，即喬治所說(shuō)的“模型”。就像機(jī)械速度計(jì)是測(cè)量速度的標(biāo)準(zhǔn)一樣（也是衡量速率的一個(gè)很好的替代物），這個(gè)模型（指機(jī)械速度計(jì)）實(shí)際上是測(cè)量輪胎的轉(zhuǎn)速，而不是速度。

總之，數(shù)據(jù)是存儲(chǔ)的信息，是所有分析的基礎(chǔ)。例如，在可視化分析中，我們利用可視化技術(shù)和交互界面對(duì)數(shù)據(jù)進(jìn)行解析和推理，找出數(shù)據(jù)本身存在的規(guī)律。

02 分析

分析（analytics）可能是商業(yè)中使用得最多但卻最難理解的術(shù)語(yǔ)之一。對(duì)一些人來(lái)說(shuō)，它是一種用來(lái)“把數(shù)據(jù)屈打成招”（找出數(shù)據(jù)中潛藏規(guī)律）的技術(shù)或技巧，或者僅僅是商業(yè)智能與數(shù)據(jù)倉(cāng)庫(kù)的延伸；而對(duì)另外一些人來(lái)說(shuō)，分析則是用于開(kāi)發(fā)模型的統(tǒng)計(jì)、數(shù)學(xué)或定量方法。

Merriam-Webster字典稱(chēng)分析是“一種邏輯分析的方法”。Dictionary.com字典將分析定義為“邏輯分析的科學(xué)”。不幸的是，兩種定義都直接使用了分析（analysis）這個(gè)詞的詞根，似乎存在循環(huán)解釋的邏輯錯(cuò)誤。

分析（analysis）這個(gè)詞的起源可以追溯到16世紀(jì)80年代的中世紀(jì)拉丁語(yǔ)（anal-yticus）和希臘語(yǔ)（anal-ytiks），意思是“分解”（break up）或者“放松”（loosen）。我把分析（analytics）定義為一種解決數(shù)據(jù)驅(qū)動(dòng)問(wèn)題的結(jié)構(gòu)化方法：通過(guò)對(duì)事實(shí)（數(shù)據(jù)）的仔細(xì)推敲，幫助我們解決問(wèn)題的一套方法論。

關(guān)于分析的定義有很多爭(zhēng)論。就當(dāng)前討論的問(wèn)題而言，我將分析定義為：

一種全面的、基于數(shù)據(jù)驅(qū)動(dòng)的解決問(wèn)題的策略與方法。

我有意避免將分析定義為某個(gè)“過(guò)程”、某種“科學(xué)”或“學(xué)科”。相反，我將分析定義為一種全面的策略，正如讀者將在本書(shū)第二部分中看到的那樣，它是包含過(guò)程、規(guī)則、可交付物的最佳實(shí)踐。

分析通過(guò)使用邏輯、歸納推理、演繹推理、批判思維、定量方法（結(jié)合數(shù)據(jù)）等手段，來(lái)檢驗(yàn)和分析現(xiàn)象，從而確定其本質(zhì)特征。分析植根于科學(xué)方法，包括問(wèn)題的識(shí)別和理解、理論生成、假設(shè)檢驗(yàn)和結(jié)果交流。

歸納推理

當(dāng)積累的證據(jù)被用來(lái)支持一個(gè)結(jié)論，但結(jié)論仍帶有一些不確定性的時(shí)候，就會(huì)用到歸納推理方法。也就是說(shuō)，最終的結(jié)論有可能（存在一定概率）與給定前提不一致。通過(guò)歸納推理，我們基于具體的觀測(cè)或數(shù)據(jù)能夠做出廣泛的、一般意義上的概括和總結(jié)。

演繹推理

演繹推理基于某些一般案例提出論斷，然后依靠數(shù)據(jù)，使用統(tǒng)計(jì)推斷或?qū)嶒?yàn)手段證明或證偽提出的論斷。例如，按照演繹推理方法，我們提出一個(gè)關(guān)于世界運(yùn)動(dòng)方式的基本理論，然后（應(yīng)用數(shù)據(jù)）去檢驗(yàn)我們提出的假設(shè)的正確性。

分析可以用來(lái)解決各種各樣的問(wèn)題。例如，UPS公司應(yīng)用分析結(jié)果而采取優(yōu)化貨物運(yùn)輸措施，節(jié)省了150多萬(wàn)加侖（1加侖=3.785 41立方分米）的燃油，減少了14 000噸的二氧化碳排放量 ；克利夫蘭診所利用分析結(jié)果優(yōu)化了手術(shù)室的運(yùn)營(yíng)時(shí)間安排。

有了這些成功案例，對(duì)于技術(shù)供應(yīng)商（硬件和軟件）和其他不同支持者來(lái)說(shuō)，“分析”毫無(wú)疑問(wèn)都是極具吸引力的。當(dāng)然，“分析”這個(gè)詞當(dāng)前存在過(guò)度使用危險(xiǎn)，這可以從人們把這個(gè)術(shù)語(yǔ)與其他詞的各種組合中看出。諸如：

大數(shù)據(jù)分析（big data analytics）

規(guī)范性分析（prescriptive analytics）

業(yè)務(wù)分析（business analytics）

操作分析（operational analytics）

高級(jí)分析（advanced analytics）

實(shí)時(shí)分析（real-time analytics）

邊緣或環(huán)境分析（edge or ambient analytics）

雖然以上這些組合與搭配在分析應(yīng)用的類(lèi)型和描述上具有獨(dú)特性，但也經(jīng)常造成理解上的混亂，特別是對(duì)企業(yè)高管（如CXO層次高管）而言，技術(shù)供應(yīng)商總是熱衷于提供最新的分析解決方案，試圖能解決他們的每一個(gè)業(yè)務(wù)痛點(diǎn)。

我的觀點(diǎn)（許多志同道合、理性思考的人也有與我相同的觀點(diǎn)）是，分析并不是一種技術(shù)，技術(shù)只是在分析活動(dòng)中起到了推動(dòng)和賦能作用的策略和方法。

分析通常也指能夠識(shí)別數(shù)據(jù)之間有業(yè)務(wù)意義的模式和關(guān)系的任何解決方案。分析被用于解析不同規(guī)模的、不同復(fù)雜程度的、結(jié)構(gòu)化和非結(jié)構(gòu)化的、定量或定性的數(shù)據(jù)，以便從中實(shí)現(xiàn)對(duì)特定問(wèn)題的理解、預(yù)測(cè)或優(yōu)化的明確目的。

所謂高級(jí)分析也是分析的子集，它使用復(fù)雜的分析技術(shù)來(lái)支持基于事實(shí)的決策過(guò)程，而且這種分析通常是以自動(dòng)化或半自動(dòng)化的方式開(kāi)展的。

高級(jí)分析通常包括數(shù)據(jù)挖掘、計(jì)量經(jīng)濟(jì)建模、預(yù)測(cè)、優(yōu)化、預(yù)測(cè)建模、模擬、統(tǒng)計(jì)和文本挖掘等技術(shù)。

03 商業(yè)智能和報(bào)表

關(guān)于分析與商業(yè)智能的區(qū)別，幾乎沒(méi)有形成過(guò)共識(shí)。有些人將分析歸類(lèi)為商業(yè)智能的一個(gè)子集，而另一些人則把它歸為完全不同的類(lèi)別。我把商業(yè)智能（BI）定義為：

一種管理策略，用來(lái)建立一種更有結(jié)構(gòu)性和更有效的決策方法……BI包括報(bào)表、查詢(xún)、聯(lián)機(jī)分析處理（OLAP）、儀表盤(pán)、記分卡甚至分析等常見(jiàn)要素。綜合性術(shù)語(yǔ)BI也可以指獲取、清理、集成和存儲(chǔ)數(shù)據(jù)的過(guò)程。

有些人會(huì)將分析和商業(yè)智能之間的區(qū)別歸納為兩個(gè)方面的不同：

所使用量化方法（即算法、數(shù)學(xué)、統(tǒng)計(jì)）的復(fù)雜度；

所產(chǎn)生結(jié)果是針對(duì)歷史已發(fā)生的還是未來(lái)將發(fā)生的。

也就是說(shuō)，商業(yè)智能的重點(diǎn)是使用相對(duì)簡(jiǎn)單的數(shù)學(xué)方法來(lái)對(duì)歷史數(shù)據(jù)進(jìn)行展示和呈現(xiàn)，而分析則被認(rèn)為是采用更復(fù)雜的計(jì)算邏輯，并且能夠預(yù)測(cè)一些特定問(wèn)題、識(shí)別因果關(guān)系、確定最優(yōu)解決方案的方法，有時(shí)也被用于指明需要采取的行動(dòng)與措施。

大多數(shù)商業(yè)智能應(yīng)用的局限性并不在于技術(shù)的限制，而在于分析的深度和為行動(dòng)提供依據(jù)的真正洞察力。例如，告訴我已經(jīng)發(fā)生了什么事情并不能幫助我決定如何行動(dòng)以改變未來(lái)，這樣的結(jié)果往往是通過(guò)離線分析（offline analysis）得到的。

分析的真正責(zé)任是形成可行動(dòng)的、可操作的洞察力，從而能夠幫助我們了解已經(jīng)發(fā)生的事情（在什么地點(diǎn)發(fā)生，為什么會(huì)發(fā)生，在什么條件下發(fā)生），預(yù)測(cè)出未來(lái)可能發(fā)生什么，以及我們可以做什么來(lái)影響和優(yōu)化未來(lái)的結(jié)果。

請(qǐng)注意，圖1-1中描述的BI儀表盤(pán)描述了有關(guān)過(guò)去的事實(shí)，如銷(xiāo)售、呼叫量、產(chǎn)品和賬戶，使你很容易獲得組織當(dāng)前銷(xiāo)售狀態(tài)或活動(dòng)情況的快照。

商業(yè)智能和它的近鄰“報(bào)表”，都是用來(lái)描述有關(guān)現(xiàn)象的信息展示技術(shù)，通常位于數(shù)據(jù)傳遞管道的尾部，在那里可以直觀地訪問(wèn)數(shù)據(jù)和結(jié)果。而另一方面，分析則超越了對(duì)數(shù)據(jù)的描述，它真正理解了這個(gè)現(xiàn)象的內(nèi)在規(guī)律，從而來(lái)預(yù)測(cè)、優(yōu)化和預(yù)判未來(lái)應(yīng)采取的適當(dāng)行動(dòng)。

從傳統(tǒng)上看，商業(yè)智能一直存在兩個(gè)缺點(diǎn)，這源于它們與這樣的事實(shí)有關(guān)：

BI通常專(zhuān)注于建立對(duì)過(guò)去已經(jīng)發(fā)生事實(shí)的認(rèn)識(shí)，因?yàn)樗鼈?cè)重于度量和監(jiān)視，而不是預(yù)測(cè)和優(yōu)化；

其計(jì)量分析往往不夠復(fù)雜，無(wú)法建立足以產(chǎn)生精確洞察力的有意義的改變（雖然正確的報(bào)表或可視化展現(xiàn)也可以對(duì)改變產(chǎn)生影響，但還不夠精確）。

如果把商業(yè)智能與深入的“分析”恰當(dāng)?shù)亟Y(jié)合在一起，而不僅僅停留在對(duì)事實(shí)的認(rèn)識(shí)，它就更接近分析，但它又往往缺乏高級(jí)分析解決方案中經(jīng)常用到的復(fù)雜統(tǒng)計(jì)、數(shù)學(xué)或者“機(jī)器學(xué)習(xí)”方法。

因此，我認(rèn)為分析是商業(yè)智能總體框架內(nèi)所包含的概念的一種自然演變。它更加強(qiáng)調(diào)充分開(kāi)展必要的各種活動(dòng)，以形成能促進(jìn)行動(dòng)的真知灼見(jiàn)。分析遠(yuǎn)遠(yuǎn)不止于在自助操作儀表盤(pán)或報(bào)表界面中所使用的、預(yù)先定義的可視化元素。

04 大數(shù)據(jù)

大數(shù)據(jù)（big data）是一種描述不和諧信息的方法，在將數(shù)據(jù)轉(zhuǎn)化為洞察力的過(guò)程中，組織必須處理這些難以處理的信息。1997年，Michael Cox和David Ellsworth首次使用了大數(shù)據(jù)這一表述，他們當(dāng)時(shí)提到的“問(wèn)題”如下：

可視化為計(jì)算機(jī)系統(tǒng)提供了一個(gè)有趣的挑戰(zhàn)：數(shù)據(jù)集通常相當(dāng)大，占用了大量主內(nèi)存、本地磁盤(pán)甚至遠(yuǎn)程磁盤(pán)的容量。我們稱(chēng)之為大數(shù)據(jù)問(wèn)題。當(dāng)數(shù)據(jù)集大到無(wú)法存放在主內(nèi)存（核心存儲(chǔ)器），或者甚至無(wú)法存儲(chǔ)在本地磁盤(pán)上時(shí)，最常見(jiàn)的解決方案是擴(kuò)充并獲取更多的資源。

將大數(shù)據(jù)視為一個(gè)概念，它突出了這樣一種挑戰(zhàn)：數(shù)據(jù)的規(guī)模和復(fù)雜性超出了傳統(tǒng)數(shù)據(jù)分析方法能夠處理的范圍。我們將大數(shù)據(jù)與傳統(tǒng)的“小”數(shù)據(jù)進(jìn)行對(duì)比，包括其容量（我們擁有多少數(shù)據(jù)）、速度（產(chǎn)生與獲得數(shù)據(jù)的快慢）和多樣性（包括數(shù)字、文本、圖像、視頻等多種數(shù)據(jù)形態(tài)）。

如果大數(shù)據(jù)是用來(lái)描述當(dāng)今信息復(fù)雜性的概念，那么分析就可以幫助我們以主動(dòng)的方式（預(yù)測(cè)性和規(guī)范性）來(lái)分析復(fù)雜性，而不是以被動(dòng)的方式（即商業(yè)智能的范疇）來(lái)應(yīng)對(duì)。

05 數(shù)據(jù)科學(xué)

與大數(shù)據(jù)相比，定義數(shù)據(jù)科學(xué)顯得不是一件輕而易舉的工作，因?yàn)樵跀?shù)據(jù)科學(xué)的眾多定義中，很少發(fā)現(xiàn)一致的描述。關(guān)于數(shù)據(jù)科學(xué)意味著什么，以及它是否與分析完全不同，目前存在很多爭(zhēng)論。

還有一些人，甚至試圖通過(guò)討論數(shù)據(jù)科學(xué)家的工作來(lái)定義數(shù)據(jù)科學(xué)：數(shù)據(jù)科學(xué)家所需要的技能，他們所扮演的角色，他們所使用的工具和技術(shù)，他們工作的地方，以及他們的教育背景，等等。但這些并沒(méi)有對(duì)數(shù)據(jù)科學(xué)給出一個(gè)有意義的定義。

與其按照人（數(shù)據(jù)科學(xué)家）或他們所處理的問(wèn)題來(lái)定義數(shù)據(jù)科學(xué)，不如將其定義如下：

數(shù)據(jù)科學(xué)是一門(mén)科學(xué)學(xué)科，它利用統(tǒng)計(jì)和數(shù)學(xué)等領(lǐng)域的定量方法以及現(xiàn)代技術(shù)，開(kāi)發(fā)出用于發(fā)現(xiàn)模式、預(yù)測(cè)結(jié)果和為復(fù)雜問(wèn)題找到最佳解決方案的算法。

數(shù)據(jù)科學(xué)和分析的區(qū)別在于，數(shù)據(jù)科學(xué)可以幫助甚至支持自動(dòng)化實(shí)現(xiàn)對(duì)數(shù)據(jù)的分析，但是分析是一種以人為中心的策略，它充分利用各種工具，包括那些在數(shù)據(jù)科學(xué)中發(fā)現(xiàn)的工具，來(lái)理解事物現(xiàn)象之間的真正本質(zhì)。

數(shù)據(jù)科學(xué)可能是這些概念中涉及面最廣泛的，因?yàn)樗P(guān)系到處理“數(shù)據(jù)”的整個(gè)科學(xué)和實(shí)踐。我認(rèn)為數(shù)據(jù)科學(xué)是由計(jì)算機(jī)科學(xué)家設(shè)計(jì)的分析學(xué)，但在實(shí)踐中，數(shù)據(jù)科學(xué)往往側(cè)重于對(duì)一般性宏觀問(wèn)題的研究，而分析往往側(cè)重于解決特定行業(yè)或具體問(wèn)題的挑戰(zhàn)。

06 邊緣（和環(huán)境）分析

在很多現(xiàn)代企業(yè)，分析是它們的一種核心業(yè)務(wù)活動(dòng)，這些企業(yè)通過(guò)數(shù)據(jù)驅(qū)動(dòng)和以人為中心的業(yè)務(wù)運(yùn)營(yíng)與管理流程實(shí)現(xiàn)了數(shù)據(jù)的大眾化（democratize data）。

而邊緣分析（edge analytics）一般指的是分布式分析，在這種場(chǎng)景下，分析被內(nèi)置到一些機(jī)器或系統(tǒng)中，通過(guò)這種內(nèi)置的方式，信息的生成與收集已經(jīng)成為企業(yè)“下意識(shí)”的自主活動(dòng)。

邊緣分析通常與智能設(shè)備相關(guān)，這種情況下，分析計(jì)算是在數(shù)據(jù)收集點(diǎn)（例如設(shè)備、傳感器、網(wǎng)絡(luò)交換機(jī)或其他設(shè)備）開(kāi)展的，與傳統(tǒng)的數(shù)據(jù)管道傳輸方式（即采集數(shù)據(jù)、傳輸數(shù)據(jù)、清洗數(shù)據(jù)、集成數(shù)據(jù)、存儲(chǔ)數(shù)據(jù)）不同，邊緣分析把分析嵌入到收集數(shù)據(jù)的設(shè)備中完成或就近實(shí)現(xiàn)。

數(shù)據(jù)大眾化

所謂數(shù)據(jù)大眾化，指的是數(shù)據(jù)開(kāi)放，使每個(gè)能夠而且應(yīng)該能夠獲得數(shù)據(jù)的人都有權(quán)通過(guò)工具來(lái)探索獲取這些數(shù)據(jù)，而不是將數(shù)據(jù)局限于少數(shù)特權(quán)群體。

例如，傳統(tǒng)的信用卡欺詐檢測(cè)依賴(lài)于機(jī)器（例如讀卡器），并通過(guò)與授權(quán)“代理”的連接發(fā)送請(qǐng)求來(lái)驗(yàn)證一個(gè)交易，算法需要在極短的時(shí)間內(nèi)（百分之一毫秒）對(duì)此交易完成授權(quán)或打上欺詐標(biāo)簽，最后，讀卡設(shè)備接收授權(quán)指令后完成或拒絕交易操作。在邊緣分析中，算法將運(yùn)行在儀器本身上（比如帶有嵌入式分析的智能芯片讀卡器）。

邊緣分析通常與物聯(lián)網(wǎng)（IoT）聯(lián)系在一起。最近IDC在針對(duì)物聯(lián)網(wǎng)IoT未來(lái)視界（FutureScape）的一份報(bào)告中提出，到2018年，40%的物聯(lián)網(wǎng)數(shù)據(jù)將在網(wǎng)絡(luò)中產(chǎn)生數(shù)據(jù)的邊緣完成數(shù)據(jù)的存儲(chǔ)、處理、分析和響應(yīng)。

隨著物聯(lián)網(wǎng)的發(fā)展，我們很可能會(huì)看到未來(lái)對(duì)所謂的“萬(wàn)物分析”（Analytics of Things，AoT）有更多的關(guān)注，它指的是分析將給物聯(lián)網(wǎng)數(shù)據(jù)帶來(lái)獨(dú)特價(jià)值的機(jī)會(huì)。

環(huán)境分析（ambient analytics）是另一個(gè)相關(guān)的術(shù)語(yǔ)，它的名字意味著“分析無(wú)處不在”。就像房間的燈光或音響常常不被注意，但卻為舞臺(tái)構(gòu)建了氛圍一樣，環(huán)境分析也會(huì)影響我們工作和娛樂(lè)的環(huán)境。

我們看到環(huán)境智能正在日常生活場(chǎng)景中發(fā)揮作用，比如檢測(cè)血糖水平和注射胰島素。同樣，當(dāng)你回到住家附近時(shí)，家居自動(dòng)化設(shè)備檢測(cè)到相應(yīng)信息，會(huì)自動(dòng)調(diào)整溫度和打開(kāi)照明。環(huán)境分析超越了基于簡(jiǎn)單規(guī)則的決策，它利用算法來(lái)決定合適的行動(dòng)路線。

毫無(wú)疑問(wèn)，邊緣和環(huán)境分析將繼續(xù)挑戰(zhàn)傳統(tǒng)的以人為中心的管理方式與流程，傳統(tǒng)管理方式下，使用分析結(jié)果（如對(duì)分析的理解、決策和采取的行動(dòng)）以人為主，而在邊緣和環(huán)境分析中會(huì)有越來(lái)越多的（不需要人工介入的）自主決策與執(zhí)行。

07 信息學(xué)

信息學(xué)（informatics）是信息技術(shù)和信息管理的交叉學(xué)科。在實(shí)踐中，信息學(xué)涉及用于數(shù)據(jù)存儲(chǔ)和檢索的處理技術(shù)。從本質(zhì)上講，信息學(xué)討論信息是如何管理的，指的是支持流程化工作流的系統(tǒng)和數(shù)據(jù)生態(tài)系統(tǒng)，而不是對(duì)其中發(fā)現(xiàn)的數(shù)據(jù)進(jìn)行分析。

在信息科學(xué)中經(jīng)常談到的健康信息學(xué)，它專(zhuān)門(mén)用于保健醫(yī)療研究，是介于健康信息技術(shù)和健康信息管理之間的一種專(zhuān)業(yè)技術(shù)，它將信息技術(shù)、通信和保健融合起來(lái)，以提高病人護(hù)理的質(zhì)量和安全性。它位于人、信息和技術(shù)三者交匯處的中心。

保健政策是指在一個(gè)社會(huì)中為實(shí)現(xiàn)特定的保健目標(biāo)而采取的決定、計(jì)劃和行動(dòng)。保健政策制定者希望看到醫(yī)療保健變得更經(jīng)濟(jì)、更安全、更高質(zhì)量，信息技術(shù)和健康信息技術(shù)往往是實(shí)現(xiàn)這一目標(biāo)的重要手段。

事實(shí)上，其中一項(xiàng)最必不可少的工作是正確定位數(shù)據(jù)資源，使之能提供每個(gè)患者360度的完整健康狀況信息視圖，只有數(shù)據(jù)共享才能做到這一點(diǎn)（見(jiàn)圖1-2）。

▲圖1-2 健康信息管理、健康信息技術(shù)和信息學(xué)之間的區(qū)別

分析集成了所有這些概念，并依賴(lài)于底層數(shù)據(jù)、支持技術(shù)和信息管理過(guò)程來(lái)實(shí)現(xiàn)這一目標(biāo)。

08 人工智能與認(rèn)知計(jì)算

人工智能（AI）是一門(mén)“讓計(jì)算機(jī)做需要人類(lèi)智能才能做的事情的科學(xué)”。

人工智能和機(jī)器學(xué)習(xí)的區(qū)別在于，人工智能是指利用計(jì)算機(jī)完成模式的識(shí)別與探索這類(lèi)“智能”工作的廣義概念，而機(jī)器學(xué)習(xí)是人工智能的子集，它主要指利用計(jì)算機(jī)從數(shù)據(jù)中學(xué)習(xí)的概念。

機(jī)器學(xué)習(xí)是人工智能的一個(gè)子集，它可以根據(jù)數(shù)據(jù)進(jìn)行學(xué)習(xí)和預(yù)測(cè)，不是僅僅根據(jù)特定的一組規(guī)則或指令完成事先規(guī)劃好的操作，而是利用算法訓(xùn)練來(lái)自主識(shí)別大量數(shù)據(jù)中的模式。

人工智能（和機(jī)器學(xué)習(xí)）可以在分析生命周期中使用，以支持發(fā)現(xiàn)和探索（例如，數(shù)據(jù)是如何構(gòu)造的，存在什么模式等）。人工智能在分析中的應(yīng)用通常以機(jī)器學(xué)習(xí)（如上文所述）或認(rèn)知計(jì)算的形式出現(xiàn)。

認(rèn)知計(jì)算是一種獨(dú)特的應(yīng)用，它將人工智能和機(jī)器學(xué)習(xí)算法結(jié)合在一起，試圖復(fù)制（或模仿）人腦的行為。

認(rèn)知計(jì)算系統(tǒng)被設(shè)計(jì)為像人一樣通過(guò)思考、推理和記憶等方式來(lái)解決問(wèn)題。這種設(shè)計(jì)方法使認(rèn)知計(jì)算系統(tǒng)具有一個(gè)優(yōu)勢(shì)，使得它們能夠“隨著新數(shù)據(jù)的到來(lái)而學(xué)習(xí)和適應(yīng)”并“探索和發(fā)現(xiàn)那些你永遠(yuǎn)不會(huì)知道去問(wèn)的東西”。

認(rèn)知計(jì)算的優(yōu)勢(shì)在于，一旦它學(xué)會(huì)了某種能力，它就永遠(yuǎn)不會(huì)忘記，而人類(lèi)往往做不到這一點(diǎn)。

在人與算法的競(jìng)爭(zhēng)中，不幸的是，人類(lèi)常常輸?shù)簟Ｈ斯ぶ悄艿膬?yōu)勢(shì)就在于此。因此，如果我們要成為聰明的人，就必須學(xué)會(huì)謙遜，因?yàn)樵谟?jì)算機(jī)世界里，我們的直覺(jué)判斷可能還不如依靠一組簡(jiǎn)單規(guī)則實(shí)現(xiàn)的算法。

——Farnham Street博客（Parish，2017，Do Algorithms，在復(fù)雜的決策中算法能擊敗我們嗎？）

在狹義的術(shù)語(yǔ)中，人工智能代表人類(lèi)智慧，而認(rèn)知計(jì)算則提供信息來(lái)幫助人們做出決策。

作者：格雷戈里·S. 納爾遜（Gregory S. Nelson）

來(lái)源：大數(shù)據(jù)DT（ID：hzdashuju），本文已授權(quán)轉(zhuǎn)載

編輯：jq