这是谷歌正在研发的一种未来交通工具。这种无人驾驶汽车不仅借助对路况历史和实时的计算智能地制动、并线和超车，而且做到了节约能源（因为它使交通的运行更畅通）、提高生产力（可以减少数小时通勤时间用于其他事务）。在你到达目的地之后，汽车甚至可以自动驶向通过大数据导航的停车位。如果你还需要出行，只需借助手机等移动终端就能指挥汽车达到预定地点。
这就是大数据的神奇之处。通过对过去和现在的数据进行分析，它能够精确预测未来；通过对组织内部的和外部的数据整合，它能够洞察事物之间的相关关系；通过对海量数据的挖掘，它能够代替人脑，承担起社会管理的职责。
社会化决策的智慧宝藏
2007年，诺贝尔奖获得者吉姆・格雷提到，数据密集型科学正在从计算科学中分离出来，成为科学研究的第四范式。而此时，一切跨国企业已经关注到数据密集型科学的到来。比如，微软研究院出版了《第四范式：数据密集型科学发现》一书，并延伸出“用海量数据重新定义生态科学”、“让我们更接近太空：海量数据中的发现”、“地球科学的研究工具：下一代传感器网络和环境科学”等相关科研课题。
像经典力学、量子力学和计算科学一样，数据密集型科学必将影响到社会科学研究方式。《大数据时代：生活、工作与思维的大变革》提出了相关关系的大数据思维。即人们可以驾驭所有数据，而不是仅仅抽取小样本；人们可以挖掘更具混杂性的数据，而不用苛求数据的精准性；人们只需知道“知其然”的相关关系，而不需深究“知其所以然”的因果关系。
科研范式的转变最终反馈到人们思维模式和决策模式的转变。谷歌的无人驾驶汽车就是基于大数据的分析，借助计算技术和人工智能实现了交通引导和控制功能。通过无处不在的计算和传感器，大数据能够解析存在于现实世界、虚拟世界以及虚实融合世界的复杂网络关系，并适时做出判断和决策。这种决策模式遵循数据转变为信息、信息转变为知识、知识涌现出智慧的流程。区别于此前专家、精英、权威主导的战略决策，大数据决策让行业专家和技术专家的光芒因为统计学家和数据分析家的出现而变暗淡，一个非线性的、去中心化的、自下而上的、发现群体智慧的决策模式逐步成型。
大数据所具有的在区域之间、行业之间和企业部门之间的穿透性，正在颠覆传统的、线性的、自上而下的精英决策模型，正在形成非线性的、面向不确定性的、自下而上的决策基础。
非竞争性生产要素
在人们热炒大数据的时候，合作型消费或分享型经济正在兴起。分享型经济是社交网络、移动互联网和节约型社会建设等共同作用的结果，也是大数据在现实生活中、分布式共享中的典型应用。分享型经济和大数据应用的交互关系，揭示出大数据的三个属性。
一是生产要素属性。对于谷歌、亚马逊这样的大数据掌控公司而言，数据已经被视为一种新的生产要素，不仅决定着其销量和个性化服务，也反馈到生产和研发环节，形成更加精准的供应链管理机制。作为大数据技术公司，IBM将大数据的生产要素功能概括为留住客户、IT与业务融合、财务流程转型、风险预测与规避等四个方面。
二是数据的恒温性。尽管IBM将真实性和准确性（Veracity）视为大数据的第4个V，微软、Oracle等大数据技术公司都将数据清洗作为大数据分析的重要一步，甚至Teradata推出了多温度的数据管理技术，但是借助过去和现在的数据来预测未来的特性，让大数据的取舍甚是艰难。
三是价值潜在性。不同于物质性资源，大数据的价值不会随着它的被使用而减少，而是可以不断被处理，不断被发现新的价值。这就产生的新的问题，数据所有者可能借助传统的数据挖掘方法，实现了大数据的第一次价值释放，而价值链上诸多非所有者，可能通过重组数据和扩展数据，挖掘出二次乃至多次价值。
总之，以分布式、交互性为特征的大数据呈现出明显的“非竞争性”资源的特征，更多的数据整合方式、更开放的数据共享平台，才有利于数据潜在价值的发掘。
第三次工业革命战略资源
杰里米・里夫金提出了第三次工业革命的概念。在他看来，通信技术和能源技术的基础设施的变革是工业革命的主要推动力，并引发经济和社会的转型。互联网技术与可再生能源的结合，正在孕育第三次工业革命的基础设施――能源物联网。
无论是以智能电网为基础的能源物联网，还是以3D打印为基础的数字化制造，大数据都是以第三次工业革命的“新石油”形态存在。可以想象，未来云计算、物联网和大数据将成为基础设施，移动互联网、触控电脑和3D打印技术将成为共性平台，AppStore、数据分析和机器人等人工智能控制将成为服务手段。那么，数据、信息和知识的“按需分配、恒值供给、多次挖掘”将成为新经济形态的不竭动力，而大数据技术和应用成为决策的辅助系统。
第一范式：实验和观察科学。由伽利略、他之前的哥白尼以及同时代的开普勒创建的实验观察模式，被称为科研第一范式。
第二范式：模型推演和理论科学。以牛顿微积分和经典力学为代表的模型推演和理论精准预测，是科研的第二范式。这一范式相信，只要知道宇宙中所有粒子的当前位置和速度，原则上就有可能预测它们任何时刻的情况。
第三范式：仿真模拟和计算科学。 20世纪初，量子力学和混沌理论的发展否定了模型推理和理论预测的可行性，并以电子计算机的诞生为契机，演变出科研的第三范式――计算科学。
第四范式：数据密集型科学。随着小世界网络和无尺度网络等复杂网络研究的深入，以及计算能力和传感器的无处不在，数据密集型科学从计算科学中分离出来，成为科学研究的第四范式。
