接下来探讨全息化重构的原则。也就是说，我们需要思考，基于什么原则去重构呢？
（1）新的价值需求。
大数据的全息化重构的第一个原则，在于培育新的价值需求和商机。大数据商业应用的根本目标是实现数据量大、数据种类多、非标准化数据的价值最大化。随着大数据的交叉复用将大数据变成一大产业，大数据的价值关联属性使得通过数据共享、交叉复用后获取最大的数据价值成为可能。
未来大数据将会如基础设施一样，有数据提供方、管理者、监管者。Flicker上会有3125张照片上传，Facebook上新发布70万条信息，YouTube有200万次观赏——图片、声音、文字以及这背后用户的习惯和轨迹构成了互联网上的数据资源，这些海量数据里潜在地蕴含着用户的消费习惯、兴趣爱好、关系网络。利用数据挖掘技术，需要将不同行业、不同方向的数据进行整合分析，衍生很多新型的应用，产生很多新的需求。
（2）新的交易成本。
第二个原则是基于新的交易成本来重构的。交易成本很难进行明确的界定与列举，不同的交易往往就涉及不同种类的交易成本。但是所有为促成交易发生而形成的成本的观点，逐渐为大多数经济学家所认同。
传统的交易成本是一种空间交易成本，大数据技术出现以后，企业愈来愈依赖数据实施相对理性的生产营销决策，数据处理工作正在成为企业日常经营活动中的关键环节。因此，交易成本的主要成分从过去供需双方关于的搜集信息、决策、谈判、监督和售后等传统要素，转变为数据收集、处理成本，数据收集和处理的成本在日益增加。大数据技术改变了交易成本的构成要素。
（3）新的交易理念。
重构的第三个原则是新的交易理念。为什么呢？因为大数据技术使得交易手段和交易行为发生变化，进而导致交易理念发生变化。人的决策依据也发生变化了，依靠大数据分析的结果，换句话说，我们被大数据异化之后，我们就更加依赖于大数据的技术基础。
在大数据时代，企业进行决策需要面对众多新的数据源和海量数据，能否洞察这些数据，进而将其变成一项企业竞争优势的来源，同大数据营销和大数据内部运营是分不开的，这表明在不久的将来，运用大数据决策将成为一种依赖数据的思维习惯。
全息化重构是建立在离散化解构基础上运行的。基本原理如下：经济体或经济事件经过网格化、离散化为数据之后，再经由数据处理平台进行全息化重构，形成一个全息的经济体或经济事件。
离散化解构在上一章有过详细的解释，本章不进行过多的阐述。我们着重分析离散化数据如何通过数据处理中心形成全息化经济系统的过程，具体分析框架见图5-5。
图5-5 经济系统的全息化重构
图5-5描述了经济系统在离散化解构条件下如何全息化重构的过程。我们可以从中发现，及数据处理平台的存在，对于全息化重构是至关重要的环节。云计算系统为海量的离散化数据存储和数据处理方面提供了现实性基础，是全息化重构奠定了重要的技术条件。
例如，关于云计算中Google的BT（BigTable）数据管理技术和Hadoop团队开发的开源数据管理模块HBase，都是对离散化数据进行全息化处理的具体实施方案。与传统的关系数据库不同，其中BT，是建立在GFS、Scheduler、Lock Service和MapReduce之上的一个大型分布式数据库。它把所有数据都作为对象来处理并形成一个巨大的表格，用来分布存储大规模结构化数据。
数据处理平台核心是平台对各种离散化数据的吸附和计算作用。需要强调的是，数据处理平台不是一种技术性的、具体的某种离散化数据分析工具。更重要的，它作为全息化经济活动、经济事件及经济体的一个非常关键的环节和流程，是大数据经济学得以发展的重要前提。而且，即使目前存在相关处理大量离散化数据的分析工具，但经济体爆发出来的海量数据和信息有很多仍然是无法透过现有技术条件进行处理的，现有技术工具存在一定的局限性。因此，这里提到的数据处理平台是一个抽象的概念，具有很强的前瞻性意义。
数据处理平台的精妙之处在于将某些看似没有任何关联的数据进行匹配、分析，寻找出新的价值和利润增长点。但这一处理过程显然超出了我们的传统思维方式，也就是说，超出了我们分析和处理问题的原有理性边界和经验范畴。结果是，我们的部分理性逐渐被数据处理平台所代替。
同时反过来，数据处理平台也提升了原有理性水平，使得我们的认识世界的能力不断提高，理性演化为有限的绝对理性。另一方面，经验范畴的扩大，使得我们在生产、服务、消费等经济决策方面的可选择范围大幅度扩大，涌现出实体投资、金融投资或实体消费、虚拟消费等一系列前所未有的经济活动。以前的经济决策通常是单调的，而诸多选项的出现丰富了我们的经验、阅历，经济决策必然呈现差异化和多元化趋势。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
