
大数据扒光了我们的隐私,但改变不仅限于此
前天,微信用H5做了一个“我和微信的故事”,其实,就是把一些重要的时间节点和行为数据展示给用户本人。一时间,大家纷纷把由精准的数据所激发的心路感怀晒了出来,好不热闹!
我起初也被这些数据所感动,感叹这一年来的人和事。但很快,我又生出恐惧来,我的言行都被微信探知到,并记录下来,事实上,我被它扒得净光!在它面前我是透明的,所谓的隐私只能存在心里。好在我没有什么不轨之事,不必担心讹诈,也不担心被喝茶。
不过,我又很快陷入沉思中,因为:我深切地感受到这才是真正的大数据,世界将因互联网而彻底改变。
1。未来,谁掌握了互联网谁就拥有了世界。当然他掌握的不是那张网,而是网那端的人,也就是数据,是大数据。
2。有人说,互联网将改变人类的生活方式。不,这样的认知太肤浅了,互联网将改变的是整个人类社会。
3。本质上,人类要的不是民主,而是隐藏在民主身后的权利,民主只是获得权力的手段。互联网与大数据将极大地改变人类社会的民主进程,并重新定义民主的含义、方式、规则。
4。人类的政治生活、政策管理等意识形态领域的组织架构,决策方式,行政手段都将发生巨大的变化。
5。人类的法律条文,特别是涉及到知识产权方面,在信息产品复制与传播成本变成几近于零的情况下,所形成的法律空白、模糊区域必须进行大幅度的修订和厘清。“快播”案件怎么判?网上基本统一的这些表情聊天符号是否也该享有知识产权?
6。人类的道德标准,行为准则将因上述的改变而改变。人类的权力,包括隐私权,将重新界定和重新在心理上加以接受和适应。
7。人类的战争方式也将增加新的战法,概念中的“超限战”将变为现实,人类在杀红了眼的战争中是没有底线。战争的血腥程度也许会降低,但造成的损失只会有增无减。
8。互联网不是虚拟的,它只是给人类提供了一个信息的采集、运算、制作、分发都十分便捷,且能够向全世界发布信息的“超级大喇叭”。用互联网的人是真实的,他们所表达的喜怒哀乐、欲望、目的、行为也都是真实的,或是故意不真实的,它只是真实的人类社会在互联网上的延伸。兴一利则必有一弊,它对社会的好处和伤害也必然是真实的,因此,互联网是必须被管制的。只是管制的度该如何拿捏而已。
9。正是基于以上的原因,习大大才去参加乌镇的世界互联网大会,因为今天的中国必须,也有这个能力在这次世界产业革命关头,成为规则的制定者,而不仅仅是执行者,参与者。他是去制定规则的。
10。也正是基于这些,克强总理提出了“互联网+”的概念。如果说工业革命发明的机器是人类体力的放大器,使人类可以超越自己的体能进行物质的大生产、大搬运的话,那么信息革命所发明的互联网,就是人类脑力的放大器。它可以实现超越于人类“脑能”进行信息的大生产、大传输。在生产力高度发达的今天,产能已不是问题,而生产什么?生产多少?这类信息领域的问题却成为制约人类的瓶颈。将工业文明的成果加上互联网与大数据,就是工业4.0,就是互联网 ,它将彻底改变人类社会的生产方式,将人类的社会形态推向一个新的高度。
11。工业文明以来,人类进入到社会化大生产阶段,但满足最大公约数的社会化大生产,与满足个性化需求,这两者间的矛盾一直无法调和,并随着生产力的提高,产能的过剩越来越突出,造成的浪费也是惊人的。大数据将使人类的需求不再是一种预估或猜测,而是接近于精准的在线统计。有了它,人类将可以把大生产和个性化结合起来,实现满足个性化需求的社会化大生产。
12。新的生产方式将导致人类的组织机构发生深刻的变革。Soho族,在家上班的人群将不断壮大;商业地产、写字楼的需求将萎缩;老板与员工之间的关系将由领导与被领导者关系,更加向合作者关系转变。
13。人类建立在工业文明基础上的报纸、杂志、广播、电视等单向传播信息的媒体,将被彻底的碾压、粉碎,并在传输智能化和媒体互动化的原则下,由传统媒体的碎片和更多的社会力量参与进来重新组合,形成新的媒体机构。至于新的机构是否还被叫做“电视台”、“报社”,已经不重要了。
14。传统的时间强盗式的“广告”将不再是媒体的主要收入来源,人性化付费和心性营销将成为媒体收入的支柱。人们对媒体产品的消费也不再是被动的收看,而是主动参与其中的互动。媒体的盈利方式将由稀缺经济下的规模经济,走向过剩经济下的“淘金”经济。
15。人类的经济结构将发生巨大的变化,信息、文化、娱乐、体育等非物质生产比重将大大增加。游戏帐号、道具,微博、微信帐号等,将变成可交易的非物质财富,使得它们在GDP中所占比重越来越大。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15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