数据，抓还是靠

　　在以往的程序设计中，主要的关注点是数据的录入、以及录入数据的校验，设计的重点是获取数据的方式以及数据流转方式的逻辑及体现。

　　而在新的需求中，对数据的本身及其形成提出了更多的要求。这样的要求会对程序的设计方式和方法提出许多新的挑战，主要涉及到数据的分析、知识的表达、规则和策略的设制、以及数据的表现等方面。

　　以往的数据读取一般是明确的，中间不需要有太多的加工，数据本身体现的信息相对比较单一，一般直接用表格和form展现就可以了。

　　而新的数据读取更多地体现了可行性，在规则和策略基础上程序提供了数据的建议和可行的选择，这些数据需要紧扣业务经验，而且要体现上下文相关。同时数据中还要包含选择的理由，建议及其他一些相关信息，数据在最后呈现之前，需要多次加工，有时最后的数据很简单，而中间的加工过程可能很复杂，需要多种规则和策略的多次运用。而有时数据的有效呈现是个复杂的任务，会让你非常犹豫和迷惑。

　　在应用方面，抓数据与靠数据可以很形象地反映了两种需求的差异所在。抓数据主要是对数据的直接检索，而靠数据是在直接数据并不存在的情况下，根据规则和关联数据，获得有用的信息。

　　这样的需求主要体现在对数据及事物本体特性分析及运用上。数据挖掘、大数据分析、知识工程、人工智能都体现了这方面的需求，现有的系统慢慢在体现这方面的需求，但总体来说还是在理论和实践层次，但要形成系统应用估计还要还要一段时间，中间还有一些路要走。主要有以下一些困难：

1、业务知识的支持：

　　业务知识的支持，不但要体现在需求分析阶段，还需要在运行的整个过程提供支持和补充和调整。

2、规则和策略的设定和运算：

　　这一步比较关键，但现有系统对这方面的支持相对来説是比较弱，有的支持经过设计以后直接都并到代码中了，选择和变动能力比较弱。

3、组合和关系运算：

　　现有的编程和面向对象技术可以比较好的反映静态的结构，而对于动态结构、动态的关系运算相对来説比较弱。对于前两条的支持，都需要系统这方面的支持。