数据学(Dataology)和数据科学(Data Science)

朱扬勇,熊赟
(引用标注:
朱扬勇, 熊赟.  数据学与数据科学. [TR][OL]. 2009. available at: http://www.dataology.fudan.edu.cn

      信息化是将现实世界中的事物和现象以数据的形式存储到CYBER空间中,是一个生产数据的过程。这些数据是自然和生命的一种表示形式,这些数据还记录了人类的行为,包括工作、生活和社会发展。今天,数据被快速大量地生产并存储在CYBER空间中,这种现象称为数据爆炸(data explosion),数据爆炸在CYBER空间中形成数据界(datanature)。数据是CYBER空间中的唯一存在,需要研究和探索CYBER空间中数据的规律和现象。另外,探索CYBER空间中数据的规律,就是探索宇宙的规律、探索生命的规律寻找人类行为的规律、寻找社会发展的规律的一种重要手段,例如:可以通过研究数据来研究生命(生物信息学)、研究人类行为(行为信息学)。数据学(Dataology)和数据科学(Data Science)(以下称数据学)是关于数据的科学或者研究数据的科学,定义为:研究探索Cyberspace中数据界(datanature)奥秘的理论、方法和技术,研究的对象是数据界中的数据。与自然科学和社会科学不同,数据学和数据科学的研究对象是Cyberspace的数据,是新的科学。数据学和数据科学主要有两个内涵:一个是研究数据本身,研究数据的各种类型、状态、属性及变化形式和变化规律;另一个是为自然科学和社会科学研究提供一种新的方法,称为科学研究的数据方法,其目的在于揭示自然界和人类行为现象和规律。

      数据学已经有一些方法和技术,例如:数据获取 、数据存储与管理 、数据安全 、数据分析、可视化等;还需要有基础理论和新技术,例如:数据存在性、数据测度、时间、数据代数、数据相似性与簇论、数据分类与数据百科全书、数据伪装与识别、数据实验、数据感知等等。数据学的理论和方法将改进现有的科学研究方法,形成新型的科学研究方法,并且针对各个研究领域开发出专门的理论、技术和方法,从而形成专门领域的数据学,例如:行为数据学、生命数据学、脑数据学、气象数据学、金融数据学、地理数据学等等。

      数据学的研究内容:

  • 基础理论研究。科学的基础是观察和逻辑推理,同样要研究数据界中观察方法,要研究数据推理的理论和方法,包括:数据存在性、数据测度、时间、数据代数、数据相似性与簇论、数据分类与数据百科全书等。
  • 实验和逻辑推理方法研究。需要建立数据学的实验方法,需要建立许多科学假说和理论体系,并通过这些实验方法和理论体系开展数据界的探索研究,从而认识数据的各种类型、状态、属性及变化形式和变化规律,揭示自然界和人类行为现象和规律。
  • 领域数据学研究。将数据学的理论和方法应用于许多领域,开发出专门的理论、技术和方法,从而形成专门领域的数据学,例如:脑数据学、行为数据学、生物数据学、气象数据学、金融数据学、地理数据学等等。
  • 数据资源的开发利用方法和技术研究。数据资源是重要的现代战略资源,其重要程度将越来越凸显,在本世纪有可能超过石油、煤炭、矿产,成为最重要的人类资源之一。这是因为人类的社会、政治和经济都将依赖于数据资源,而石油、煤炭、矿产等资源的勘探、开采、运输、加工、产品销售等等无一不是依赖数据资源的,离开了数据资源,这些工作都将无法开展。

      数据学的体系框架

      数据学研究的工作过程是:从数据界中获得一个数据集;对该数据集进行勘探发现整体特性;进行数据研究分析(例如使用数据挖掘技术)或者进行数据实验;发现数据规律;将数据进行感知化等等。数据学的基本框架如下图所示:

 

      与其他科学的关系

      数据是存在于计算机系统中的东西;信息是自然界、人类社会及人类思维活动中存在和发生的现象;知识是人们在实践中所获得的认识和经验。数据可以作为信息和知识的符号表示或载体,但数据本身并不是信息或知识。数据学的研究对象是数据,而不是信息,也不是知识。通过研究数据来获取对自然、生命和行为的认识,进而获得信息和知识。数据学的研究对象、研究目的和研究方法等等都与已有的计算机科学、信息科学和知识科学有着本质的不同。

      自然科学研究自然现象和规律,认识的对象是整个自然界,即自然界物质的各种类型、状态、属性及运动形式。行为科学是研究自然和社会环境中人的行为以及低级动物行为的科学,已经确认的学科包括心理学、社会学、社会人类学和其它类似的学科。数据学支持了自然科学和行为科学的研究工作。随着数据学的进展,越来越多的科学研究工作将会直接针对数据进行,这将使人类认识数据,从而认识自然和行为。

      人类探索现实自然界,用计算机处理人类的发现、人类的社会、自然与人,在这个过程中,数据已经巨量产生,并正在经历大爆炸,人类在不知不觉中创造了一个更复杂的数据界。自第二次数据爆炸以来,人们生活在现实自然界和数据界两个世界里,人、社会和宇宙的历史将变为数据的历史。人类可以通过探索数据界来探索自然界,人类还需要探索数据界特有的现象和规律,这是赋予数据学的任务。可以期望,目前的所有的科学研究领域都可能形成相应的数据学。

     数据产业

     是网络空间数据资源开发利用所形成的产业,其产业链主要包括:从网络空间获取数据并进行整合、加工和生产,数据产品传播、流通和交易,相关的法律和其他咨询服务。

     在当今网络时代,数据产业含盖了数字出版与文化业、电子图书馆和情报业、多媒体产业、数字内容业、数据服务业和信息咨询业、领域数据资源开发服务业(政务、商务、科学、社会、金融、经济、地理等等)。

     数据产业是信息产业的升级 数据产业与信息产业的最大区别在于,信息产业主要是指信息化,是国民经济与社会信息化形成的产业,从技术效果上看是将现实世界中的事物以数据的形式存储到网络空间中,即信息化是一个生产数据的过程。而数据产业是对信息化生产的数据进行收集整合、开发利用而形成的产业。

     产业升级表现为:从基础设施和设备投资转向对数据资源的投资;从“国民经济与社会信息化战略”转向“基于网络空间的现代国家管理发展战略”。

     数据产业是战略型新兴产业,数据科技是智慧城市、云计算、物联网的核心。

* 参考文献:
[1]. Yangyong Zhu, Ning Zhong, Yun Xiong. Data Explosion, Data Nature and Dataology. In Proceedings of International Conference on Brain Informatics (BI’09).2009.
[2]. 朱扬勇, 熊赟. 《数据学》. 复旦大学出版社. 2009. ISBN 978-7-309-06956-3/T.350.

PPT:Introduction to Dataology and Data Science