大数据中的数据的价值的大小的度量

大数据中的数据的价值的大小的度量

1数据的老化：如果你的电话通讯录半年没有任何更新维护，可能把一半的电话号码
打不通了，或者电话号码的主人变更了。如果是两年没有任何更新可能四分之三的
号码都失效了。这就是数据的老化。老化体现了数据的改变程度。
有两个极端，一个是时时变化的数据，例如股价，汇率等，它们被称为时序性数据。
另一个是永远不改变的数据。例如数学常数和物理学常数等。
一个数据越是不容易老化，它的价值越大。

提一个数据，它最近上了新闻，这就是圆周率。当前的世界记录是日本人创造的，小
数点后有31万亿位，占据磁盘空间170TB。从单个数据占据的空间来看，这应该是
最大的数据了吧。圆周率作为一个数学常数，它的应用十分广泛。但是从绝大多数的使用来看，
圆周率取小数点后十位，就可以得到很精确的结果值。
最有趣的事实是，圆周率这个从不老化的数据，有无限多位的值，被人类时常刷新认识，
越来越接近它的真实值。

为了计算人的年龄，我们在数据库中，存储一个人的出生日期这样的数据，而不是存储年龄值。
存储出生日期，不用更新，但是年龄值要一年更新一次。这就是数据的老化的概念的应用。

2 用途的广泛性：一个数据的用途越广泛，它的价值越大。

3 数据的冗余：为什么数据可以压缩，因为它有冗余性。这是指一组数据的情况了。对于一个数据，
没有冗余性的概念。对于一个数据，考虑的是它的精度的问题。满足应用的要求就行了，不用一定
追求高精度。数据的冗余性，天然存在，为了解决存储的问题，例如图象，我们压缩数据。
来减少冗余程度。 但是也有人为增加冗余性的。例如通信过程，由于噪声的干扰，数据会丢失，
数据会被干扰而失真，这就要用校验码等方式增加冗余性。

从数据的价值度量来看，一群数据提供一定量的价值，如果我增加一倍的冗余性，单个数据的价值就减半了。
如果我减少冗余性，数据的数量减半，每个数据的价值都翻倍了。

许多的数据经过处理，变成一条信息，许多的信息经过再处理，得到一点知识，知识经过抽象再处理，凝结成智慧。
这个过程如同采集铁矿石，经过冶炼得到生铁，再冶炼得以熟铁，再精炼 得到钢材，再经过特殊处理，得到特种钢材。
矿石有贫富之分，数据的价值同样有大小之分。总之，我们可以按照上述的三个维度，来初步评估数据的价值大小，即
用途的多少，老化的情况，数据的冗余程度。