62 从数据链到数据网——数据流通的"交通革命"

这篇文章要讲清楚一个演化模型:数据在传统IT系统中沿”数据链”线性流动(采集→处理→使用),在数据空间中则形成了”数据网”——数据可以走多条路径、服务多个目的、被多个参与方同时利用。从链到网的跃迁,才是数据空间真正的价值释放引擎。

在传统IT系统的世界里,数据的流动路径是一条”链”。传感器采集数据→数据被传输到中心服务器→服务器处理和分析数据→处理结果被发送到终端应用展示。每个步骤是串行的,数据的”用途”在设计和部署时就被决定了。

这就像一个单线铁路——火车在固定的轨道上运行,只能从一个站到另一个站,没有其他的路线选择。

数据空间要做的,是把”单线铁路”升级成”航空网络”。

数据链:数据的”生命之旅”

任何数据在数据空间中,都会经历一个完整的生命周期。作者将其分解为七个环节:

采集→汇聚→传输→处理→分发→利用→运营。

加上贯穿始终的”安全服务”,一共八个维度。

在传统的”数据链”模式中,这八个环节是一个接一个串行执行的。数据从采集端出发,经过汇聚、传输、处理,最终到达利用端。链条中的每一环都是”固定路线”——A采集的数据只能被B处理,B处理的结果只能被C使用。

数据链模式的好处是可控和可预测——每一条”链”的路径都是预先设计好的。但问题也很明显:数据的使用价值被锁死在了预定义的路径上。 A采集的数据即使可以被D使用,但因为D不在原定的路径上,数据无法到达D。

数据网:从链式到网状

数据网打破了”链”的单一路径限制。

在数据网中,数据提供方把数据发布到数据空间中,数据使用方通过数据目录发现和访问数据。数据不再沿着固定路径流动,而是可以被不同的使用方从不同的角度、通过不同的方式访问和使用。

一个提供方的数据进入数据网后,可能同时被三个使用方以三种完全不同的方式使用:使用方A直接查询原始数据做统计分析、使用方B用数据训练AI模型、使用方C把数据和自己从其他提供方获取的数据做交叉分析——数据从一个”源点”辐射向多个”汇点”。

这种网状拓扑的数据流通模式,释放了数据的叠加倍增效应——同一份数据,被N个使用方在不同场景下使用,产生的总价值远大于只被一个使用方在单一场景下使用的价值。

从链到网的底层支撑

从数据链到数据网不是”自然而然”发生的。它需要三个底层条件的支撑:

可发现的元数据。 在数据链中,数据的使用方是”预设”的;在数据网中,数据的使用方是”未知”的。提供方不知道自己的数据将来会被谁使用——所以数据需要有一套标准化的、机器可读的元数据描述,让潜在的使用方可以通过语义搜索找到它。这是数据目录和元数据引擎的价值所在。

标准化的接口。 在数据链中,数据的发送方和接收方是”约定好”的,接口可以定制;在数据网中,任何参与方都可能接入——接口必须标准化。这就是连接器标准化的必要性——任何参与方实现了标准化的连接器接口,就可以接入数据网。

动态的访问控制。 在数据链中,访问控制是”静态”的(谁可以访问哪个数据,在设计时就决定了);在数据网中,访问控制是”动态”的(新的使用方随时可能加入,需要实时评估其身份和权限、动态授予访问资格)。这就是DSC和5W2H框架为什么不可或缺。

数据流通生态的核心流程

数据从链到网的转换,在工程层面体现为一个标准化的流通流程:

共享目录访问→元数据管理→监管合规→语义发现→数据集成→闭环系统(创新与服务交付)。

这不是一个一次性的流程,而是一个持续运转的”循环”——新的使用方通过目录发现数据,合规检查通过后获取数据,使用数据产生新价值,新价值的产生方式又反馈回目录和元数据,被更多的参与方发现——循环迭代。

数据链是”修路”——路径固定,但可靠性高。数据网是”组网”——路径灵活,但需要更多的标准化支撑。数据空间的建设,本质上就是一次从”修路思维”到”组网思维”的跃迁。


BSN联盟成员。十年区块链与隐私计算的产品开发和方案咨询,先后参与多个国家重大课题,亲手建过区块链、隐私计算、可信数据空间的落地项目。不追概念,写真的。


发表评论