1.3 DT时代已来

1.3.1 DT时代和IT时代的差异

阿里巴巴集团创始人马云首次提出“人类正从IT（Information Technology，信息技术）时代走向DT时代”，最早从科技和互联网企业开始倡导大数据思维与数据优先的价值理念，逐步将其传播和扩散到各行各业。大部分行业或者一个行业的大部分企业都在积极探索、实践数据价值和数据智能，且形成数据优先的共识，就标志着人类已经进入了DT时代。

在IT时代，万维网实现了网络的互联互通，让之前很多线下的经营和生产活动可以在线上完成。例如，人们可以在线上聊天、购物、存/取钱、交易股票、洽谈合作等。以学生学籍管理信息系统为例，该系统提供的核心功能是实现学籍管理线上化和无纸化，支持学籍在线录入、编辑、查询和管理。IT时代实现了线上化、信息化和流程化，体现的核心价值是将线下的行为和活动简单地搬到线上，突破了时间、空间的限制和约束，让人们可以随时随地获取在线服务。

如果使用维度空间的理论来进行形象的解释，那么IT时代类似于二维空间，记录的是点线面的世界，人们无法感知更高维空间的有用信息。由于受到维度的限制，获取的信息量不丰富、处理信息的能力不足、算法预测能力的缺陷，让IT系统难以提供强大的预测、认知和智慧能力。

国外科学家曾做过一个实验，在蚂蚁的前、后、左、右分别放上食物，然后观察蚂蚁的行为，结果发现蚂蚁可以很快地确定食物的位置。然而，如果将食物悬挂在蚂蚁的头顶上方，继续观察，那么会发现蚂蚁因为闻到食物的气味而在食物下方一直转圈，需要被给予足够的引导且要花费足够长的时间才能最终确定食物的位置。尽管在IT时代，部分系统也具有一定的预测能力，但是这就与蚂蚁闻到上方食物的气味并被给予足够的引导，最终才能找到上方食物的位置类似。只要得到更多的信息和线索，并被给予合适的引导，且花费足够多的时间和精力，蚂蚁就可以局部突破二维空间的限制。其中，信息和线索类似于大数据，引导类似于智能算法，花费的时间和精力类似于算力。因此只有借助于大数据、算法和算力的有效支撑，蚂蚁才能确定上方食物的准确位置。

与IT时代的二维世界相比，DT时代相当于更高维度的世界。在这个高维度的世界里，人类进入了立体和网络的世界，可以感知更多的物体，能收集更丰富的信息和数据，可以获得更强的预测、认知和智慧能力。这个时代的核心是万物互联、数字化和智能化，这意味着更多的智能设备、更海量的数据、更强大的算力、更智能的算法、更个性化的用户体验、更强的预测和感知能力。

此外，在DT时代，数据和算法无时无刻不在影响我们的生活。我们感知的是算法和智能的魅力，享受的是大数据时代更具个性化的推荐和服务。通过DT技术（大数据、云计算、人工智能、区块链、机器学习、量子计算等），我们可以更好地预测世界，更好地感知世界发生的变化和可能面临的风险、提升认知能力，更好地决策。以智能保险服务机器人为例，客户通过语音或智能手机的对话窗口实现与机器人实时沟通保险需求，其主要功能如下。

（1）机器人利用历史的海量数据，挖掘和预测客户的需求，然后智能推荐最匹配客户需求的保险方案并按照某种算法（比如，性价比）进行排序。

（2）机器人利用客户对保险方案的点击、收藏、转发或购买行为，实时更新和迭代推荐的方案，以最大化匹配客户的保险需求。

（3）在客户购买保险后，机器人会实时跟进客户的保险体验，给予客户更多的风险管理支持服务，并感知客户可能出现的风险情况，对客户进行实时风险预警，以帮助客户降低出险的概率。

（4）在客户出险理赔后，机器人会给予更专业的理赔建议和指导，积极抚慰客户，舒缓客户出险之后的紧张和不安的情绪，给予客户更极致的服务体验。

总之，传统的信息化系统更多的是以功能和流程驱动的，目标是完成某项业务需求而事前进行设计和实施，体现的是标准化和流程化能力，整个体系缺乏良好的自适应性和预测能力。在DT时代，业务节点普遍呈现网络散点式分布，每个节点在数据中枢的赋能下都是一个小智慧体，彼此互联互通，不断地进行信息和数据交互，并根据历史的知识和认知实时探索未知的领域，生成新的知识。整个系统具有强大的预测能力和智能化水平。在这个复杂的系统内，数据就像血液一样川流不息，并进行新陈代谢。算法与大数据的结合形成了强大的预测、智慧能力以满足客户动态和个性化的需求。

1.3.2 DT时代面临诸多挑战

在DT时代，由于数据可以来源于任何智能设备，使得数据量呈现指数性、爆炸性增长。在这种情况下，企业如果不做好数据的梳理、分类和集合，那么数据不仅难以产生有效的价值，而且有可能变成存储成本高昂的“数字垃圾”。在DT时代，企业面临诸多挑战。随着设备越来越多、数据越来越繁杂、交互越来越频繁、业务越来越复杂、生态圈越来越大、需求越来越动态化和个性化、环节越来越智能化，企业发现适用于IT时代的基础理论、逻辑、系统架构、组织架构等不再能完全满足DT时代的需求和诉求。以“因果关系”和“相关性”为例，IT时代强调因果关系，有因必有果，有果必有因。在DT时代，人们不再是线性地看问题，而是立体和多维地看问题，像“啤酒和尿布”这样关于相关性的经典案例在DT时代会变得非常普遍。在这个多维世界里，尽管因果的逻辑依旧很重要，但是将不再占有统治地位，而相关性的应用范围将越来越广泛。

站在企业级数据应用的角度，从数据采集、存储、抽象到数据价值挖掘等环节，也有很多亟须解决的问题。比如，如何实现数据的高可用性，如何提供好用的数据工具（包括数据采集工具、数据仓库、数据湖等）以提高数据运用效率，如何实现数据的可视化分析和应用，如何在数据仓库的基础上合理地抽象出数据服务以达到高复用性的目的，如何实现数据价值分析、挖掘、交互、反馈的自动化和智能化，如何构建大数据平台提高数据应用效率以降低能耗，如何设计数据服务体系保障数据服务的稳定性和健壮性，如何保障数据安全和客户隐私……

除此之外，随着企业各项业务有序开展，单个企业很难同时拥有其业务发展所需要的全部数据、算法、平台等核心资源。从提升企业发展效能的角度来看，企业应该尽可能复用或者有效地利用行业的各种资源，让其为己所用，发挥最大的价值。另外，企业之间缺乏统一的数据标准和数据服务体系，限制了数据价值的有效流通，让数据价值的最大化实现阻力重重。

基于以上原因，构建一套统一的数据应用体系，让数据价值有效流通，让数据服务可以复用，并实现数据价值，是DT时代需要重点解决的。