京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在一个将由数据说了算的商业世界,数据大还是人大?
大数据时代到底还需要人做些什么呢?工业互联网这个概念到底是什么?且看笔者翻译的——MIT的MacAfee教授和Ideas Lab的一段对话。
生动认识工业互联网
Ideas Lab:您是怎么定义工业互联网的?
Andy McAfee:请让我用消费世界的一个例子来定义它:下一代温控器,它能在感知你想要什么上面做的更好,更加程序化,它能比老一代更加有效率地加热和冷却这栋房子。
它让我明白了工业互联网的下一个发展趋势。我们能做的大约是三件事,这三件事放在一起看真的很重要。
第一件:给我们的东西添加更多的传感器,因为它们现在越来越便宜,下一代温控器会更多地依赖于它们,例如,它能感知到我们何时在房间里。我们的智能手机有很多传感器。它们以前很贵很笨重,但是现在它们越来越小越来越便宜以至于你可以开始用它们制作一次性物品。
第二,温控器里装有非常强大的微芯片。它有大脑,它是一件相当聪明的设备。我们正在使我们的工业设备比之前更加聪明。
第三,我们把它们放在互联网上。它有一个WiFi客户端能够连接到你的家庭网络中,所以突然间所有这些设备都连接上一个全球网络。
这意味着它们可以为这些数据源提供它们的数据,这意味着我们可以给设备装上大脑,以此前未有的方式和它们互动。
例如,有一个针对温控器的智能手机应用,使得你无论何时何地都可以通过它来设置温度并了解你的房子的状况。这意味着,这些设备和所有的数据都对这个世界和数不胜数的创新方式开放。
我们把这些东西放在网络上,我们也让这些东西和人们保持联系,我们还让它们能够融合新点子从而变成一个令人难以置信的强大组合。我本不能想象下一代温控器会是怎么样,但是现在我们发现这样的创新正在一次次发生。而这些在快速便宜和强大的电脑及全球互联网出现前都是不可能的。
Ideas Lab: GE在本周发布的工业互联网白皮书里做的推荐之一便是一个真正稳健的网络安全系统。它是怎么工作的?
Andy McAfee: 我还不清楚它是怎么工作的。我们不希望坏人控制我们的工厂,攻入工厂的系统。我们在过去已经看到了很多这样的教训。这确实是一个威胁。我不是一个安全专家,但是我认为将要发生的事情是像 GE这样的公司正在联合起来合作制定一些安全标准。我不认为这会很快或是很容易,但是我对工业互联网的安全性能很有信心。
数据与电脑占上风的未来20年
Ideas Lab: 接下来10-20 年间,商业将会发生什么变化?
Andy McAfee:展望未来10-20 年让我很兴奋。
五年前iPhone诞生,虽然它只有5年的历史,但是想想它现在是多么的不可缺少,是多大地改变了我们生活的方式。任何自认为懂得数据世界在未来 20年会怎么发展的人其实都是在自欺欺人。我坐过谷歌汽车,那真的是一个非常棒的体验——它运作地很好。我们人类在未来几十年里正在将很多东西交给电脑控制,仅仅因为它们比我们能做得更好。
Ideas Lab:雇佣成本变得更加低?这会引发一些紧张态势。
Andy McAfee:长期来看,是的。我是一个数据乐观主义者。我们的这个世界将变得更加开放,有更多的人能享受更多的服务——我是指健康护理,信息和娱乐休闲以及所有我们珍视的东西。我们将要进入一个物质非常富余的世界。那真的是太棒了,我们生活将获得巨大提升。我所能见到的最大挑战就是我们将会面对一个非常生机勃勃令人吃惊但不需要像现在这么多劳动者的经济。我们要怎么解决就业问题确实是未来20年的一个巨大挑战。
Ideas Lab:关于大数据最大的误解是什么?
Andy McAfee:最大的误解就是它摆脱了人们的控制。基于一些原因,我并不是很喜欢这种看法。你还是需要人去决定他们想要用数据干什么,他们想要回答什么样的问题,他们想要探讨什么样的假设,他们要怎么使用这些资源。这种人类的智慧和直觉仍是我们所需要的。我也认为大数据给今天的专家们带来了很多挑战,他们需要作出艰难的努力。我认为大数据对专家们并不友好,因为真相将越来越多出自于大数据,好的预测也将出自于好的分析而非专家。对应的一个例子就是对选举的预测。当我思考这个商业世界时,如果你拍拍脑袋做出差劲的决定,那么你会被竞争淘汰。
不需要那么多工人,这将构成就业率的挑战
Ideas Lab: 人们要如何更新他们的技能来适应这个新时代?
Andy McAfee: 一部技术的历史就是一部从低技能转向高技能的历史。我认为这将持续下去。当我和那些公司的人聊天,他们说“我找不到足够的拥有定量分析能力的人,找不到能够阅读设备图表的人,我不需要能够干重活的人或者是连续 8小时每15 分钟做重复事情的人。”这需要一种和今天工作场合所要求的截然不同的技能。
重新学习技能和重新培训是一个大问题,对于尚在学校里将要进入劳动力市场的人和那些正在尝试在职业生涯中期重新开始工作的人,问题的解决方式是不一样的。我认为技术正在成为解决方案的一个主要部分,因为我们看到海量的网络开放课程正在出现——对所有人都是免费的,试着去传授相当高级的知识。这一切的初期成果非常令人鼓舞。人们可以不用在旧式的教室里掌握技能。
Ideas Lab: 这对美国的工作机会增长意味着什么?
Andy McAfee:这是一个很明显的趋势。在美国制造业里,我们炒掉了更多的人。但这真的不是一个外包的故事,因为中国也在发生同样的事。工业趋势非常明显。这是一个挑战,我认为它会影响经济的更多方面。因此处理就业问题是一个巨大挑战。这并不是说电脑明天或者下个月就会抢走所有的工作,但是长期来讲,我们最好开始为这种新经济做好准备。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27