大数据显示网络让我们的思想变得不再开明
人们往往称赞现代网络让交流变得更为民主，称赞它提供了一个开放的平台，让个人的声音和影响力可以传达到更广泛的人群，因为网络不需要像传统媒体这样的把关人。
但是，分析公司Civis的创始人、2012年奥巴马竞选活动的首席分析官丹•瓦格纳（Dan Wagner）说，实际情况并非如此。
瓦格纳在SXSW音乐科技大会上解释了为什么相对于其他业务或行业，政治竞选活动更侧重于使用数据分析。这主要归结于四个方面的因素：非常明确的最后期限、组织文化的缺乏、失败后遭到羞辱的高风险以及可资利用的较少资源。这意味着，你必须用最少的资源达到目的。
接着，他利用现在的共和党总统候选人竞选流程，尤其是特朗普及其支持者的例子，揭示了一些非常有趣的认识：我们的在线网络正在影响着政治进程和整个社会。
Civis公司分析了每个竞选者的粉丝群后发现，特朗普的支持率在一开始被低估的原因是其中很多粉丝并不是经常投票的人。因此，他们投票偏好不为人知。
瓦格纳接着谈到了数字渠道在特朗普竞选活动中的作用。他在演讲中提到了一个视频，在该视频中，员工被告知他们的公司将会从印第安纳波利斯搬迁到墨西哥。从观众举手的情况来看，只有大约15%的人看过这个视频。但是，特朗普的支持者们则100%看过这个视频。
如果你是一名特朗普支持者，你很可能会通过网络与其他特朗普支持者联系在一起。他们会没完没了地分享这类视频。
通过进一步分析两个带有浓厚政治色彩的Twitter账户Conservative Warrior（保守党战士）和The Fighting Liberal（战斗的自由主义者），瓦格纳揭示了在线回音室或瓦格纳所谓的“数字部落”的发展情况。这两个Twitter账户的用户群体均只在各自的账户中相互联系。
人们很早就了解到互联网可能会在聚集在一起的人群中创造一种“向内看的效应”。但是，瓦格纳的分析证实了这个问题的严重性。对于政治竞选者来说，他们现在的挑战变成了：当个人只与具有相同观点的人联系的时候，竞选者如何改变他们的观点，影响他们的投票结果。瓦格纳认为，这种情况是民主的真正威胁。
对于全社会来说，更大的问题是：如果我们所有人都只在网络上的各个窄小的圈子里相互交流，我们最终可能会变得越来越难以接受新思想，越来越害怕不同于自己圈子的东西。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在数据库日常操作中，INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表（或查询结果集）的数 ...
2025-10-16在机器学习建模中，“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度，还是神经网络的权重，这 ...
2025-10-16在数字化浪潮中，“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法， ...
2025-10-16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
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
