一千個人眼里有一千個哈姆雷特。同樣的，一千個人對數(shù)據(jù)有一千種理解。

引言

在跟客戶交流過程中，遇上好學(xué)的，偶爾被被問起，“數(shù)據(jù)和信息有什么區(qū)別？”

大部分時間，我基本上都用“信息和數(shù)據(jù)并無太大區(qū)別”來搪塞。對方聽罷，盡管不繼續(xù)追問，但也不免露出困惑以及懷疑的神情。

隨著數(shù)字化時代來臨，（大）數(shù)據(jù)、信息等詞匯幾乎走入了老百姓的日常生活。

前幾天跟一個新項目交流數(shù)據(jù)方法。一位初次接觸的同事聽完后，非常直接的評價，“感覺花活多了些。”

如果回到十年前，這樣的評價足以讓我emo好幾天。好在如今經(jīng)歷了歲月的磨礪之后，內(nèi)心已經(jīng)足夠強大。

記得我當(dāng)時直接回復(fù)對方，“好在我在會前了解到您是銷售，而且能夠坐下來耐心聽我講。你這樣的評價不會讓我生氣。不過我依然要非常嚴(yán)肅的告訴您，數(shù)據(jù)工作是一項非常專業(yè)的工作，而且數(shù)據(jù)也是一門非常嚴(yán)謹(jǐn)?shù)目茖W(xué)。千萬不要以為聽聽大眾媒體就自以為掌握了。”我是笑著回應(yīng)對方的。

無論是數(shù)據(jù)還是信息，每個人都似乎“略懂”，但又似乎不懂。于是大家總期望有“大咖”用大白話能把問題講得很清楚，一聽就懂的那種。

顯然我還遠(yuǎn)沒達(dá)到大咖級別的造詣，因此沒指望讓朋友們一聽就懂。不過，還是決定用最啰嗦的方式聊聊數(shù)據(jù)，以及數(shù)據(jù)與信息的關(guān)系。

一、數(shù)據(jù)

隨著科技不斷進(jìn)步，人類處理數(shù)據(jù)能力不斷提升，數(shù)據(jù)外延在不斷擴大。這正是造成大家對數(shù)據(jù)“似懂非懂”的根本原因。

階段一、以量化為目的的數(shù)據(jù)

遠(yuǎn)古祖先的結(jié)繩記事，這便是數(shù)據(jù)的最初形態(tài)。除了研究純理論的數(shù)學(xué)外，每一個數(shù)字都代表著現(xiàn)實生活中的特定含義。從我們熟悉個人體重、年齡、收入等，到國家的GDP，企業(yè)的銷售收入、利潤，空氣質(zhì)量PM值，量化的數(shù)據(jù)無處不在。

在企業(yè)里，當(dāng)老板理直氣壯的對你說，“別給我扯這么多，拿數(shù)據(jù)說話！”意味著用冷冰冰的數(shù)據(jù)，銷售額、利潤等，來決定你在公司的命運。

看得出來，人類在對量化的數(shù)據(jù)計算本身方面，并不需要太多的技術(shù)含量，并且也都基本上是通過人工為主來完成。東方的算盤、西方的計算尺等計算工具（還稱不上計算器），對人類計算幫助有限。

階段二、以結(jié)構(gòu)化、標(biāo)準(zhǔn)化記錄為特征的數(shù)據(jù)

在計算機出現(xiàn)以前，已經(jīng)有了結(jié)構(gòu)化數(shù)據(jù)的最初形態(tài)，那就是財務(wù)賬本。

（圖片來自網(wǎng)絡(luò)，侵刪）

可以說，計算機充分發(fā)揮了這一形式的優(yōu)點。這里不打算科普信息系統(tǒng)的數(shù)據(jù)庫知識，從來不接觸的朋友可以想想Excel文件表格的好處。

簡單來說，表格的每一行代表了被記錄的對象（員工、物料、一次出入庫等等）。每一欄代表了被記錄對象的核心內(nèi)容。之所以說是核心內(nèi)容，只要在表頭寫明“工號、姓名、性別、年齡、工資”等即可，具體的每一行不需要重復(fù)說明。

這樣做的目的是，讓計算機可以針對預(yù)定格式的數(shù)據(jù)按照預(yù)定的程序邏輯進(jìn)行復(fù)雜、而簡單的各種運算處理。

有人說，Excel是最反人類的office格式。不信的話，領(lǐng)導(dǎo)上臺作報告時，朋友們可以替領(lǐng)導(dǎo)準(zhǔn)備一份Excel文件形式的報告驗證一下。不過挨K了，不能算在我頭上。

這便是人們常說的“小數(shù)據(jù)”，相對于“大數(shù)據(jù)”而言的。因為過去絕大部分的結(jié)構(gòu)化數(shù)據(jù)都是依賴于人手工一個字一個字從鍵盤錄入的，“能省則省”，自然“小”。

階段三、一切形式的記錄

《數(shù)據(jù)安全法》對數(shù)據(jù)的定義是，“指任何以電子或者其他方式對信息的記錄。”

毫無疑問，這是當(dāng)今對數(shù)據(jù)最新、最權(quán)威的定義，也是最寬泛的定義。

就我自己的體會而言，第一次看到這個定義時，認(rèn)為“其他方式”的限定詞過于嚴(yán)謹(jǐn)。

畢竟，我們當(dāng)前絕大部分計算機直接處理的信息都是以電子形式存在。其他物理世界的實物（含聲、光等）也都是通過技術(shù)轉(zhuǎn)化為電子形式之后，再交給計算機進(jìn)行處理。

但實際上，隨著技術(shù)進(jìn)一步發(fā)展，非電子形式更先進(jìn)的記錄方式勢必被發(fā)明。例如，據(jù)說科學(xué)家們已經(jīng)開始探索使用人造DNA來存儲信息。當(dāng)然，包括人類在內(nèi)的生物體所攜帶的天然的（相對于人造的）DNA本身也是一種“數(shù)據(jù)”。

另外，過去已經(jīng)存在的記錄，包括數(shù)千年前的西班牙巖畫、殷墟的甲骨文，或許未來也可以作為存儲，被計算機直接進(jìn)行處理。

不可否認(rèn)，如果將該定義進(jìn)行簡化為“數(shù)據(jù)指對信息的記錄”，結(jié)果又如何呢？

看不懂！

不可回避的，只能聊聊數(shù)據(jù)和信息的關(guān)系。

二、數(shù)據(jù)與信息

第一次將“數(shù)據(jù)”和“信息”兩個概念放在一起對比，應(yīng)該是十五六年前的事情了。當(dāng)時公司開始數(shù)據(jù)治理工作，從外面請來的顧問總喜歡拿體溫的例子來科普數(shù)據(jù)、信息、知識和智慧的關(guān)系。

由于年代久遠(yuǎn)，無法找出原始材料，只能手繪如下：

說實話，作為宣講材料的引子，除了能夠炫耀一下自己既專業(yè)又“親民”以外，并無更多的作用。

后來知道了，這個原型來自于DIKW模型（詳細(xì)見文章《DIKW模型，數(shù)據(jù)供應(yīng)鏈中的基礎(chǔ)生產(chǎn)工藝》）。

人類的認(rèn)知過程是一氣呵成的，甚至不需要嚴(yán)格的區(qū)分?jǐn)?shù)據(jù)、信息和知識。舉個例子，我們是不是經(jīng)常把“第一次世界大戰(zhàn)爆發(fā)于1914年6月28日。”之類的歷史事件當(dāng)作歷史知識呢？如果我非得說不是，你可能會說我吃飽撐的。

但歷史上，“吃飽撐的”的人不知我一個。除了把DIKW模型寫成詩歌作者艾略特之外，還有被譽為“信息論之父”的香農(nóng)。

《信息簡史》一書介紹信息論時，引用了香農(nóng)的一句話：“對于信息論的研究而言，訊息的‘意義’基本上無關(guān)。”

進(jìn)而解釋，“這些訊息往往都帶有意義，也就是說，根據(jù)某種體系，他們指向或關(guān)聯(lián)了特定的物理或概念實體（對象）。”

從其他材料中了解到：

香農(nóng)區(qū)別了信息傳播的三個層次：A層：傳播符號如何能夠被準(zhǔn)確地發(fā)射（技術(shù)問題）；B層：被發(fā)射的符號如何能夠準(zhǔn)確地傳遞意圖中的意義（語義學(xué)問題）；C層：被接受的意義如何有效地以意圖中的方式影響行為（效果或行為問題）。

可以看出，香農(nóng)從技術(shù)的角度把人類認(rèn)知過程拆解成三個“分解動作”，A層對應(yīng)著數(shù)據(jù)；B層對應(yīng)著信息；C層對應(yīng)著知識。

香農(nóng)在著名《通信的數(shù)學(xué)理論》論文引言里寫道：“通信的基本問題就是在一個地方復(fù)現(xiàn)在另一個地方選定的消息，這一復(fù)現(xiàn)可能是準(zhǔn)確的，也可能是近似的。”

我沒有數(shù)學(xué)功底，沒有勇氣看論文正文。但至少可以猜測道，香農(nóng)把數(shù)據(jù)和信息區(qū)分開來（近似如此），其目的是解決信息載體的“傳遞”的技術(shù)問題。

因此，不妨將《數(shù)據(jù)安全法》中關(guān)于“數(shù)據(jù)指對信息的記錄”按照類似方式來理解。

后記

盡管花了許多時間來澄清和理解數(shù)據(jù)和信息的定義，但我依然認(rèn)為，對于非專業(yè)的朋友，并不需要可以“從技術(shù)的角度“去理解數(shù)據(jù)和信息的區(qū)別。