
李彦宏、张亚勤:解读云端大数据正在改变世界
“除了上帝,任何人都必须用数据说话。”管理学大师爱德华.戴明(Edwards.Deming)早在上世纪中期便提出过这个观点。在互联网的时代,数据更是有通天的能力。近期,杨澜访谈录就云端大数据的价值和未来及其危害等问题,访问了百度创始人李彦宏和CEO张亚勤。
关于云端大数据,李彦宏说到:“尽管现在还是处在大数据的早期,很多数据产生出来是无目的的,是价值很低的,甚至是没有价值的。在未来,数据需要更加有目的的产生,那时大数据放出来的能力,就会非常不同。”今天我们就根据访谈内容总结一下,在这个早期,云端大数据正在改变着世界哪些东西。
准确预测世界杯足球、奥斯卡、高考作文
所谓大数据预测,其实就是通过以往的和现有的量数据分析分析,整合数据特征,根据分析挖掘超大规模的计算能力、数据处理和智能算法,从而预测结果。高考还没开考,大数据已经预测出了作文题,卫生组织还没发话,大数据已经预知到了H1N1的流行趋势,是的,云计算和大数据相当于打开了一个新的人们研究这个世界的一个方式。
像今年的世界杯,微软、谷歌和百度都有人工智能的引擎,预测每场比赛的结果,准确里都是非常高的。在淘汰赛阶段结果更是百分之百。
李彦宏说,百度有个员工曾开发了一个系统,预测奥斯卡,根据奥斯卡历届获奖人员的数据特征、入选演员的评价,入选电影的票房、作品的数据特征、演员和作品的搜索数据特征等等,将这些数据进行挖掘分析,再通过一系列的算法,从而预测奥斯卡获奖名单。最后猜中好几位获奖者。
从因果关系到相关关系
春节和黄金周期间,人口流动巨大,这是因果关系;非典期间,口罩和白醋脱销,这是因果关系。但是尿不湿和苹果有关系吗?谁知道呢?李彦宏举出了以下两个案例说明。
据沃尔玛的数据统计分析得出结果,奶爸们没在买婴儿纸尿裤的同时,必定会捎几瓶啤酒。这是为什么没有人知道,因为没有因果关系;同样在美国飓风期间,超市会将户外急需用品增加到货架,但令人没有想到的是,数据显示此时蛋挞的需求量也随着大幅增加,同样没有原因,但却相关。这就是大数据推算出来相互关联的关系。
智能推送人们想要的新闻、话题和商品
对于智能推送相信每一个网友都是受益者或者是受害者。小编有个最深切的体会,在淘宝上第一次看了很多婴儿的衣服之后,每每打开其他有淘宝广告的网站时,广告推送全部变成了婴儿用品,而这些正好就是我想要的,以往却总是女装或生活用品。这就是阿里将用户的行为习惯通过大数据分析而做出的智能推送。
在如美国的《赫芬顿邮报》不想再使用编辑人工来选择什么样的新闻是头条,而是通过数据分析,有计算机来绝点什么样的新闻才会是大家关注的焦点。对此,李彦宏说到,“对于这一类事情,计算机一定可以做的更好。就像现在百度新闻,你点击了这一条新闻,你往下滑的时候,后面就会出更多相关的新闻。就是说,你上一秒的行为,就会影响你下一秒钟看到什么,这就是大数据的力量。”
改变医疗,在家能把病治好
除了互联网公司,医疗行业可能是让大数据分析最先发扬光大的传统行业之一。医疗行业早就遇到了海量数据和非结构化数据的挑战,而近年来很多国家都在积极推进医疗信息化发展,这使得很多医疗机构有资金来做大数据分析。因此,医疗行业将和银行、电信、保险等行业一起首先迈入大数据时代。
首先在病人档案方面应用高级分析可以确定哪些人是某类疾病的易感人群。然后对病人的远程监控系统收集数据,并将分析结果反馈给监控设备(查看病人是否正在遵从医嘱),从而确定今后的用药和治疗方案。对于支付更是简单便捷。所以我们可以想象,将来我们是否不用去医院就可以把病治好。
帮助政府规划政策
对于政府来说,大数据不仅能在社会秩序、人文道德上帮助政府,比如春节时,在哪儿加开列车加开航班,高峰时期地铁的如何运转,都是可以使得整个社会的运转效率会有比较明显的提升。
同时在政府规划、总统大选上,一样能够发挥巨大的作用。李彦宏提到奥巴马竞选团队在美国大选时就动用了大数据技术分析。在过去两年的筹备过程中,奥巴马背后的数据分析团队一直在收集、存储和分析选民数据。在第二次大选中,奥巴马竞选阵营的高级助理们决定将参考这一团队所得出的数据分析结果来制定下一步的竞选方案,最终赢得大选。
转变人们的思维
我们总说时代在发展,人类在进步。其实时代发展的每一步,都必定有一个重大的事件。造纸术的发明造就了人类的文明的延续;蒸汽机的问世加快了世界的步伐,也拉进了世界的距离;计算机的诞生让人们从10进制走向2进制,从现实走向虚拟;社交网络、智能手机、甚至阿里巴巴、百度谷歌的存在无一没有改变人们的生活,转变人们的思维。
是的,大数据也将是转变人们思维的下一个神话。在访谈中,杨澜提到,古登堡发明了现代的印刷机,在十年之内,欧洲印出的书,相当于过去八百年的总合。那么大数据概念是什么?李彦宏回答说,在过去两年,我们这个世界产生的信息量,是人类有史以来,人类文明就是这一万年左右产生的这个数据量的总和,这就是大数据时代。当以上的转变变得成熟,变成人们的习惯后。云端的大数据,最终会影响的就是我们的生活方式和思维方式。(文章来源:CDA数据分析师培训官网)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29