大数据→块数据→块数据2.0（你应该了解）
重新定义大数据
▍知识、信息和数据
从人类思维范式的演进看，知识、信息、数据呈现出一种螺旋上升的循环周期。无论是在人脑时代、电脑时代还是云脑时代，人类思维逻辑和人类思维范式都是同时存在的，数据、信息和知识都是其中最基础性的资源，三者相互交叉、相互促进，共同推动人类发展。
▍大数据是什么
大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。这一新的定义，蕴含着大数据时代的三个基本特征，即新模式、新技术、新业态。
▍从大数据到块数据
大数据强调开放共享，但在“条时代”，大数据的发展面临共享难度大、垄断程度高、融合能力差、应用价值低以及安全风险大等一系列制约因素。块数据是具有高度关联性的数据在特定平台上的持续集聚，既是数据集聚的结果，也是数据聚合的过程；既包括点数据、条数据，也包括面数据；既有数据空间的填充、空间数据的重构，也有聚合过程中的组构和组构过程中的聚合，同时还伴随新数据的汇集和原有数据组合后衍生数据的产生。这种聚合是持续进行的，并伴随着数据的不断更新。这个过程既是块数据自我重构和自我修复的过程，也是对条数据组合、纠偏、选择的过程。
结构化数据、抽象化数据与暗数据
▍结构化数据
随着计算机科学与技术的不断发展，计算机处理的数据也由纯粹的数值发展到字符、表格、图形、图像、声音等具有一定结构的数据。相应的，数据结构化也经历了无结构化、结构化、面向对象三个阶段。
▍抽象化数据
抽象化数据是介于结构化数据与暗数据之间的，人脑通过视觉、听觉、味觉等感官很容易感知到，但是不容易被电脑识别的数据。在现阶段，只有部分抽象化数据能够被电脑记录，但还不能实现测量和计算。目前，对数据离散化处理是抽象化数据转化的重要方式。通过对抽象化数据的加工处理，即编码、存储、提取、遗忘，实现计算机对数据的可识别、可感知，就是抽象化数据的转化过程。计算机将人的感知活动合理地“分割”或“碎片化”，把对感知的整体性、连续性分析转化为“个体性”的离散化处理，将人的感知解构为无数计算机可识别、可记录的数据，再通过计算机数据分析系统，对这些数据进行重构，以达到对人脑感知活动的模拟。
▍暗数据
暗数据通过数据引力波在不同数据引力场里的聚合、裂变，对明数据、暗数据以及所在的引力场都会发挥作用，释放能量。与明数据显性的数据引力不同，暗数据的数据引力是隐性的力，只有通过自激活或他激活，暗数据的价值才能显现出来。在暗数据被激活之前，这种引力波对事物的作用和影响不大，但会形成一定的干扰。
块数据的本质
▍块数据的定义
块数据的关联性集聚并不局限于某个物理空间或行政区域，而是在特定的平台上实现的，这个平台既包括特定的物理空间，也包括虚拟空间、操作环境，比如软件等，还包括某种工具，比如阅读器等。块数据的关联性集聚，将打破传统的信息不对称和物理区域、行业领域对信息流动的限制，通过对不同类型、不同领域数据的跨界集聚，极大地改变信息的生产、传播、加工和组织方式，进而给各个行业的创新发展带来新的驱动力，推动各个领域的彻底变革和再造。
▍块数据的基本属性
高度关联性是块数据的本质属性。它主要表现为三个方面：首先，众多高度关联的数据在特定平台上集聚；其次，数据与数据之间构建了一种彼此连接、相互交错，集灵活性与网络性于一体的组织连接格局；再次，集聚于平台上的数据之间形成一种相互影响的关联机制。
▍块数据与大数据的区别
▍块数据的范式转移
《第四范式：数据密集型科学发现》将人类科学的发展定义为4 个“范式”，每一个范式的出现都带来了一场新的科学革命。
块数据模型
▍模型理论与块数据模型
模型最主要的特点是对客观事物、客观规律的抽象，最后回归于实际应用之中。构建块数据模型是为了更加精准地理解和把握块数据的内涵和本质，要解决的问题主要有促进数据流动、建立数据连接、发现数据价值、再造数据价值，其中再造数据价值是需要解决的核心问题。
▍平台化：从数据到数聚
从平台到平台化，描述的是海量数据通过流动实现聚集的过程，也就是从数据到数聚的过程。平台为数据的自由流动提供了一种可能，这种流动实现了数据之间的连接。在块数据中，平台化强调数据流动的速度，数据流动越快，数据之间建立的连接就会越多，就越能促进数据聚集。随着大数据技术的发展，现代社会逐渐成为一种数据化社会。流动的数据可以消除数据的不对称，破除时间和空间的限制，实现数据之间的更多碰撞，发现并重构价值，从而促进数据化社会发展。
▍关联度：从跨界到融合
融合化的关键是打破数据壁垒，实现跨界关联。传统的社会分工使不同领域和行业的数据以“条”的形式存在，加之行业因素、利己主义及数据风险防范等原因，造成数据壁垒，成为数据融合的障碍。只有打破数据壁垒，才能实现数据之间的自由流动，实现跨界关联以及融合，最终形成新的关联模式。融合让不同领域、不同类型的数据成为高度关联的整体，最终形成新的数据形态。
▍聚合力：从解构到重构
解构与重构是块数据高级形态的重要特征。离散化解构就是打破原来的数据结构，将其分解为不连续的、基本的数据单位，即数据元。全息化重构是对数据元多维度、多方位、多类型的重组。解构与重构强调数据价值产生之后，还可以再次返回块数据平台，进行循环的解构与重构，从而不断再造更高阶的数据价值，离散化解构与全息化重构过程贯穿于聚合环节的始终。
注：本文摘自块数据，数据观微信公众号（ID:cbdioreview） ，欲了解更多大数据行业相关资讯，可搜索数据观（中国大数据产业观察网www.cbdio.com）进入查看。
推荐阅读：
»点击标题即可直接进入阅读文章（数据观小编：Fynlch）
●榜单丨2016中国大数据专有领域大奖及企业50强（完整版）
推荐理由：本榜单是上周的热点，分为“2016中国大数据企业50强”和“2016中国大数据专有领域大奖”，调研认真，审议详尽，还做了领域细分。
推荐理由：该图谱是《大数据工程师必备技能图谱》（高清大图）及《云计算工程师必备技能图谱》（高清大图）的配套版，都是大数据、云计算技术相关，文内附上了跳转链接，3个图谱全都在这篇文章里了！
推荐理由：地图首次提出了大数据生态的三层定义，对数据服务、基础支撑、融合应用等三层生态进行了精准的层次化分析，研判可供详参。
推荐理由：本文对2016年上半年融资的中国大数据创业企业进行了盘点，据该盘点：2016年上半年，中国大数据领域的创新公司总共获得超过24笔投资，获得上千万元融资的大数据公司18家，还是很可观的。
推荐理由：报告共分为三个部分，包括大数据行业概述&发展现状、通用型大数据服务分析以及大数据在垂直领域的应用。
推荐理由：很多读者都在询问这个白皮书的下载方式，其实该白皮书直接在微信上点击图片就可以放大阅读，或者点击阅读原文进入数据观网站查看网页版。读者反响很好，有读者留言表示看后受益匪浅，所以再次推荐给大家。
推荐理由：本PPT来源Sensors Data CEO 桑文锋的主题演讲，从大数据思维讲起，深入浅出剖析数据驱动的理念，常用的数据分析方法，推荐的思路，多维数据分析技术等。
推荐理由：本次发布的2016年《中国大数据企业排行榜》是2015年发布以来的又一次全面更新，算是大数据行业比较受关注的大事了，排行及细分都有所讲究，值得了解。
推荐理由：本报告通过对宏观环境、行业结构及细分领域公司案例的分析，为大家解读医疗大数据行业的发展趋势、发现优质的产业链切口以及评判同一切口下的企业相对优势等，报告还介绍了图谱，行业相关人士可研读一下。
推荐理由：本报告又预示着中国互联网络发展的新进阶，在文内数据观小编还附上了
第36次《中国互联网络发展状况统计报告》及第37次《中国互联网络发展状况统计报告》，一文即可浏览完整版，不用再到处找对比了。