京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“大数据相亲” :数据分析提高结婚率
最近,日本和歌山纪美野町(日本行政单位相当于乡镇)举办相亲派对“大数据结婚活动--春天你邂逅爱”,参加派对的人都佩戴着胸卡式传感器,举办单位希望通过利用传感器数据使更多的男女能够成双配对。
胸口上的传感器可取得参加人的行动数据,通过分析这些数据实现男女之间交流的可视化。举办方试图利用分析结果,找到可提高配对机率的活动举办方式。
纪美野町的寺本光嘉町长说:“希望利用数据诞生更多的一对。”近年来,人口大约1万的纪美野町面临着青年人未婚率高的问题。为解决这一问题,决定举办结婚活动。活动始于2009年,以往每年都举办一次,目前为止共产生了四对夫妇。尽管如此,寺本町长说:“希望改变活动方式,为更多的未婚男女提供相互结识的机会。”
寺本町长希望传感器和数据分析技术能够成为爱神丘比特,为更多的青年创造相识的机会。他说:“我们相信通过活动的工作人员有效利用数据,能够使这项活动变得富有成效,为年轻人提供更多的帮助。”此次活动得到日立制作所和系统集成商JSOL(JSOL Corporation)通力合作。
通过数据分析可掌握男女对话和发言情况
参加这次活动的男女38人(男15人、女23人)。首先,配对的男女开始自我介绍,晚宴可以自由交流,咨询调查时间写出合乎心意的异性姓名,活动最后公布组成配对的男女。
活动现场
活动举行时,参加活动的每个人的传感器将不断收集男女会面情况和进展速度等数据。以后这些数据将在日立的云计算平台进行分析,整个活动制成Network组图,将每个人的发言及交谈情况图形化(不包括个人信息)。
图形化的信息由活动举办方町和商工会共享,以便研究交流方式和配对成功的相互关系。例如,配对没有成功的人感到未能找到介绍自己的机会,只听对方谈自己的情况或是只和极少的人有过交流等等。根据这些情况,工作人员将会调整活动举办时间或对参加者提出具体建议等。
负责举办活动的町商工会青年部长道上喜纪说:“以往活动结束后都会听取参加者的意见,但只通过这种方式还是遇到很多问题,因此,过去只能依靠工作人员的感觉工作。”他相信通过数据客观地分析参与者的感受和行为举止,将有助于结婚活动举办的更加成功。
“大数据相亲活动”举办的非常成功
“纪美野町拥有丰富的自然资源,是一个充满很多魅力的地方。但是这里的男性接触异性的机会很少,和很多其他的日本城镇一样,我们也面临着少子高龄化问题。从2006年起,为增加居民数量我们采取各种措施积极吸纳外来人口。(寺本町长)”2009年开始举办的结婚活动,也是为促进町内外男女结合的定居对策之一。
另一方面,日立制作所一直致力于为企业提供咨询和传感器以及IT基础设施等综合利用大数据的服务。纪美野町希望通过此次活动增加定居人口,而日立则试图利用数据解析技术验证振兴城镇的可行性。
寺本町长表示,举办活动前,最为担心的是采用传感器是否会泄露个人隐私。纪美野町产业科岩田贞二科长也说:“为防止出现因害怕交谈被盗取而不愿参加活动的人,我们除事先在宣传单做明确说明外,还开设咨询窗口,对居民提出的疑问给与回答。活动当日,日立的工作人员也做了相关说明。因此,活动开始前或是当日并没有出现所担心的问题。”
活动结束后,很多参加者表示:“参加活动时忘了自己正在佩戴传感器”,“并不特别在意佩戴传感器的事情”。一位男性说:“希望从数据了解配对成功的人是如何做的,想从中得到启示。”,而一位女性则表示:“自己参加活动时工作人员帮助很大,今后也希望如此。”
寺本町长最后表示:“我们的工作就是倾听居民的心声并给与积极支持。唯一担心的个人隐私也没有出现问题,我们对活动结果非常满意,今后也会积极举报大数据结婚活动。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06