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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17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