
11315企业征信:大数据来袭,你准备好了吗
“大数据”这个词近两年很火。但大数据到底是什么?它的价值又在哪里?很多人却并不太了解。
大数据的最大价值在于数据的再利用。数据如果发挥作用,首先要全面,其次要真实。如果大量全面而真实的数据汇集到一起,则会爆发出极大的价值。
比如,一家企业产品质量不合格,这数据本来只是停留在质检部门的网站上。但如果可以再利用,则会产生新的价值。征信机构可以通过依法采集企业的这类信息,去加工形成企业信用档案,供大众查询。目前,一些征信机构已经在这么做了,比如11315全国企业征信系统。
大数据具体到个人亦然。
前段时间在网上看了一篇文章。一名顾客打电话预订海鲜比萨,结果客服告诉他,海鲜比萨并不适合他,因为“根据您的医疗记录,你的血压和胆固醇都偏高。”客服为之推荐的是一种低脂健康比萨,因为顾客上星期一在中央图书馆借了一本《低脂健康食谱》。客服告知顾客,不可以刷卡,因为“您的信用卡已经刷爆了,您现在还欠银行4807元,而且还不包括房贷利息。”客服建议顾客直接带现金来店取比萨,因为根据定位系统,“您正在解放路东段华联商场右侧骑着一辆摩托车。”
故事虽然有些极端,但却道出了大数据的本质:数据的整合和再利用。
当然,这个故事目前还不太现实。目前我们的很多信息掌握在政府各级职能部门手中,虽然《政府信息公开条例》已于2008年正式实施,但目前离政府信息完全公开依然有很大的距离。此外,即使所有的信息都依法公开,这里面还涉及到个人隐私的问题。哪些应该公开?哪些不该公开?目前并无明确的法律规定。
此外,大数据所包含的内容要远甚于此。对于个人来讲,政府各级职能部门的信息及医院、移动通讯公司等企事业单位的信息还不足以展现大数据的价值。社交工具的价值也应得到体现。
试想一下,将来如果所有的信息均对外公开,并且经过处理和加工,形成了大数据效应,那生活会是怎样?
求职时被拒。因为“你之前所在的公司对你有负面评价,觉得你工作态度有问题。你在QQ空间和微信朋友圈里发布了很多针对前公司的负面评价,这些评价可能真实,但如此对待老东家,这样的品行我们不喜欢。”
处对象时被拒,因为“社交工具中发布的负面情绪过多,为人情绪化,不靠谱。同时医疗系统显示,你前段时间刚做了一个心脏搭桥手术,身体健康让人怀疑。此外,根据定位系统,你多次在三里屯和后海等地驻足,经常泡吧的人,我不喜欢。”
买车上保险时,被要求提高保费。因为“导航系统显示,你在开车时经常存在超速、急刹车和急转弯的情况。而且交警部门公示的信息显示,你曾因酒驾而被扣12分。”
去饭店就餐时,不再由自己点餐,而改由专职营养师推荐,因为你的医疗记录已经公开。营养师会根据你的身体情况为你推荐最适合你的菜品。
去超市买菜时,导购会直接将你引到你想要的蔬菜面前。因为你之前曾多次在这家超市买菜,他们分析了你的买菜记录后,已经得出了你的喜好。
在网上买东西时,系统会根据你之前的购买记录和浏览记录,自动地为你推荐商品(现在也有系统推荐,但做得还很不好)。通过短信或其它方式,发送到你的手机。你只需稍加回复,便可坐等产品上门,而不需要再次登录购物网站。
去医院看病时,医生会额外地给你开些补充维生素的药,因为社交工具上你发表图文的时间经常在凌点之后。
去一个陌生的地方出差,手机系统会自动提示你,你有一个高中同学正在这个城市,尽管你们已经有很多年没联系。系统还会告诉你该同学的上班地点和居住地点。因为定位系统显示你这个同学工作日每天早上都从一个地点出发,9点左右总会到达另一个相同的地点。在经过分析后,系统得知,之前的地点便是其居住地点,后来的地点便是其工作地点。系统会根据你所在酒店的位置,为你提供最佳的出行方案,打车还是坐公交,还有什么时候见面最合适。同时会将该同学的公司名称及工作岗位告知你,让你提前熟知,免得你俩见面聊天时尴尬。
……
也就是说,大数据的价值在于整合所有的数据,使之产生聚合效应。大数据有效打通了信息壁垒,让我们不再面对一个不熟悉的世界。
这是一个趋势。任何人无法躲避。我们所做的,就是迎接它。
将来,我们的隐私注定会频繁地与大数据产生碰撞。这也是大数据时代发展过程中注定也遭遇到的。如何解决这个问题,需要的不只是技术,更是法制。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14