个人认为数据是世间万物的基础，是分析和说明事物本质的快速途径。理论上讲，世间万物都可以用数据表达。通过分析数据之间的关系和意义能够一定程度上的解释已知和未知的理论，换句话说：可以跳出事件解析事件。
随着掌握的数据量越来越多，对于事物的认知越来越清晰，后续数据的可预测规律越来越明显，即使达到“半仙”的级别。规律的改变依然建立在下一个将要纳入队列的数据上。这个数据的由来并不一定源自之前的逻辑体系。所以通过数据达到“封神”的地步依然不可能。
例：
[1, 2, 3, 4, 5] 规律显而易见，每次加1，函数和图像也很好实现。可如果下一个数字是100，
[1, 2, 3, 4, 5, 100] 函数的规律就需要从新定义。图像的描绘或者用唯一的函数都无法表述。
[1, 2, 3, 4, 5, 100, 1, 2, 3, 4, 5, 100] 这样呢?如果是-100呢？-50呢？算法是不是又变了。
如果单一的数字结论不能够说明什么，那么推演过程将赋予数字“生命”（声明）。当结论数字达到两个以上时，也就成为了组数据。随着数据量的变大，由这些数据描述的规律也从无限可能，逐渐趋于唯一。就像老师说的，算法需要数据支撑，算法只能无限趋近于结果，而数据才是真正的结果。
数据的领域很大，这也是它探索起来枯燥的一个原因。随着数据量的增大，算法只能趋近于描述或概括范围，将结果用于下一次数据运算的迭代中去，这是算法的优势。很多时候算法取舍并不建立在理论上，而是结果集的准确性。导致很多逻辑算法的由来不被理解。所以在学习算法的时候，侧重点并不在单一算法上，而是在逻辑的实现上。一种算法只能建立在相同环境上，得以实现，而逻辑可以很多领域通用。
例：
[1, 2, 3, 4, 5, 100, 1, 2, 3, 4, 5, -50，1，2, 3，4, 5，1,2,3.......] 看似没有什么规律，如果这是某种商品的销量，100是，-50显得很突兀。没有什么规律。如果告诉你，是双11的销售数据，和双十一后的退货数据。那么逻辑是否又可以推演。或许和356还有什么关系。