
“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
Pandas 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在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23