大数据的产生

一般而言狭义的大数据主要有交易数据、交互数据与传感数据，根据本书给出的定义，广义的大数据则涵盖了自然界和人类社会的全部数据及其之间的价值关联。

在我们通常的研究范式下，都采用大数据的狭义定义，可以说大部分定义本质上就是海量数据的定义。其中，交易数据来自于企业ERP系统、各种POS终端，以及网上支付系统等业务系统；交互数据来自于移动通讯记录以及新浪微博、人人网、网络社区、网络媒体的开放评论等社交媒体；传感数据来自于GPS设备、RFID设备、视频监控设备等。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。

这种按照来源的分析，能够将对大数据的理解形象化、具体化。但是，从大数据经济学的视角分析，大数据的根源来自人类的行为活动，而分析的目的恰恰又回归到人类的行为活动。

也许有学者会质疑，大量来自于自然界的大数据和人类行为有什么关联和关系呢？其实，最大的关联或者说关系就恰恰在于正是人类有目的的行为活动，才使得这些大数据的价值关联体现了出来。

在从大数据的产生、搜集、挖掘再到应用的过程中，始终贯穿的就是人类的行为活动，体现的则是人类行为的价值。而大数据经济学恰恰关注的正是大数据的内在价值。

因此，人类日常的经济行为在市场环境中被大数据解构，通过对内在价值关联的挖掘，再重构为新的价值导向，从而进一步影响人的经济行为，就是大数据经济的内在逻辑结构。

通过本书后面章节提出的离散主义分析方法，有助于分析和理解大数据的生产过程。

首先，可以从市场的解构、信息不对称的构建角度去理解。在市场中的信息传递，在大数据条件下，可以按照数字化方式进行传递。在这过程中，大数据既可能充当解决信息不对称的工具，也可成为制造信息不对称的工具。也就是说，大数据既可以解决经济发展瓶颈，也可以制造经济发展瓶颈。

第二，就是大数据的关联过程。大数据的本质，就是海量数据之间的价值关联，体现为数据挖掘，特别是海量数据间的关联性数据挖掘。海量数据和海量数据之间的关联性挖掘，最终形成无界合作。当然，海量数据之间的价值关联的过程，也是数据联姻派生新数据的过程。

第三，除了产生价值需求以外，还有与它相关的配套服务，就包括安全性。数据安全、数据侵袭、数据免疫、数据取证、数据攻击等，这些都是数据配套和配套服务。这些配套服务，就衍生出数据结果，这也是主要的数据生成渠道。