关于数据价值实现

一、精确数学和模糊数学

成都创新互联公司自2013年起，先为望江等服务建站，望江等地企业，进行企业商务咨询服务。为望江企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。

在现在的工业生产和科技技术的实现上，大部分使用的是精确数学，无论是物理的牛顿定律还是数学上的方程、微积分。我们现有的生产技术基本上是建立在精确数学的基础上进行的。这对解决对初始条件以及中间条件改变不敏感的问题是一个很好的方式。正因为这些问题对初始条件和中间条件变化不敏感，人们才可以进行准确的度量和运算，通过一种逻辑上的模型来为问题找到相应的解决办法。

随着时代的发展，当我们所知所行的问题已通过各种工具化、度量化的方式给出了解决方式的时候，对于那些对初始条件和中间条件变化敏感的问题（也称为模糊问题）成为了人们视野中的关注点，这也就是为什么统计预测、数据分析等行业开始活力迸发的重要因素。

那么我们现在的技术是否已经支持对这些模糊问题的解决呢？我想这要分成两个方面，一方面是理论，一方面是工程技术。

首先，在理论方面，对于模糊问题的研究从1965年就已经开始了，但是模糊问题也不是突然之间就蹦出来的，就像倪工研究的图模型，它是图论的一个模型化产物，而图论仅仅是组合数学中的一个部分。在人类对这种基于立体和多边映射的问题进行研究的时候会发现很多不确定的情况，比如说，一个图，可以分成完全图和不完全图，而且还要加上方向、权重的因子，这就已经比较复杂了，关键的一点是基于不同情况下还没有统一的一种理论对这种现象进行规范，一方面，数学家在研究这些问题的时候会给出很多的条件限制、不考虑外界因素影响等等，所以很多时候我们看到的数学理论都是建立在假设的基础上的，现实是有很多模糊问题贯穿其中，影响结果的走向。其实，在工程技术方面，如何将理论转化为工程语言（方式）解决生产问题，比如各种算法的提出。

在这种环境背景下，人们开始选择对这种模糊问题进行研究，我们知道离散数学和工程问题就是绝配，他客观的反映了事物的本质，毕竟物质的组成也是粒子性的。从离散数学出发，我们首先要改造的就是对集合论的扩展，于是有了模糊集合的提出，就像Hadoop分布式的节点，为了探究这些节点间进行互动的规律就有了模糊逻辑的概念。基于模糊集合和模糊逻辑的模糊数学就发展起来了。

目前模糊数学在某些应用方面已经有了较大的发展。由于模糊性概念已经找到了模糊集的描述方式，人们运用概念进行判断、评价、推理、决策和控制的过程也可以用模糊性数学的方法来描述。例如：模糊聚类分析、模糊模式识别、模糊综合评判、模糊决策与模糊预测、模糊控制、模糊信息处理等。

 

 

二、什么问题是模糊问题？如何用模糊问题进行解决？

举个简单的例子，30岁属于青年还是中年，通常现在的计算机在判断时会根据青年和中年的界限来判断，比如说40岁是个界限，那么计算机会认为39岁的人是青年，40岁就是中年。现实生活中，我们凭借自己的感觉也好，主流认知也好，其实对青年和中年并没有一个很清晰的界限，我们是根据多方面来进行判断的，比如心态、面貌、身体状况等等。

那么我们用模糊数学的方法来看待时会怎么做呢？首先，我们可能需要知道判断一个人属于哪类年龄阶段所需考虑的几个指标，并给相应的指标以权重（当然这个权重也会受其他因素影响），总和之后再决定它的年龄阶段。这里用一个不是很恰当，但是便于理解的例子来说明一下。

 

三、大数据

针对大数据，我真的没有发言权，这里简单说一下我的认识，或许能有帮助。

首先，我认为现在的大数据还处在大的阶段，数据是要大，就像矿山一样，矿石大点里面的矿物质必然也不会太少，但是矿山还分富矿和贫矿。针对不同类型的大数据，用不同的算法（采矿方式）是非常重要的。我这一段时间看了Hadoop的相关书籍，对目前的大数据有了一点点了解，其实无论现在数据处理过程中使用的是神经网络也好、层次分析也好、统计概率也好，我们在解决大数据这种模糊问题的方式还是大部分基于精确数学的思路开展的（当然也不是绝对的，精确和模糊的概念同样是一个相对的概念，只是站的角度不同，理解就会有差别）。

管工，你说心理学、生物学方面的人一起讨论会有一些新的东西，我是很认同的，但是如果是单纯的心理学和生物学其实用处也不是很大，我感觉现在这个社会教育把人和专业捆得太紧了，当需要创新的时候，一定是需要跨领域跨专业的。

说到这里，我就想说一下关于“大数据”的我的理解，可能现在的人会说现在的数据很多，用了多少硬盘什么的，这些数据都是宝藏啊什么的，是的，这些数据是宝藏，但是如果守着这些数据是完全没有意义的，比如说有个人有个苹果电脑，但是他不会iso编程，其实他就浪费了很多资源。

如果把控“大数据”是很关键的，一方面我们要从数据中挖出知识和规律，另一方面我们要总结人类发展以来的各相关领域的各种核心本质、真理。这就像是两条线，一条是根据现阶段的数据得出发展趋势，另一种是利用核心本质、真理预测发展趋势，将这两条线进行调和和取舍，就可以更好的做出预测。

 

四、算法

这两天在家稍微仔细的看了一下神经网络，是的，正如您所说，他其实可以归到层次分析的那类中的，现在神经网络被炒得很火，同时我也查了一下，其实很多大型的IT公司都已经成立了组合数学等相关的研究机构，模糊数学的理论也在逐渐完善，相关的算法也已经有所发展，我感觉，如果想要做一些与众不同的事，一方面要深刻理解现在的主流，更要把控未来发展的趋势。

网站题目：关于数据价值实现
网页网址：http://mswzjz.cn/article/ijogoe.html