忘掉大数据—万物皆数据,数据藏大道
为什么要忘掉大数据?
是不是大数据无用?恰恰相反,大数据太有用了,大数据无处不在,它可以跟所有的应用结合,当然前提是能够采集到相匹配的数据,而随着科技的发展,采集数据的范围越来越大、存储技术越来越先进、计算能力越来越强、算法越来越智能,越来越多的问题能够用数据技术来解决。那我为什么还是要忘掉它?理由有二:其一,数据的关键不在于“数据”本身,而是它表征的事实,我们必须回归到数据产生的场景中去理解数据,也必须从场景出发去应用数据,单纯的大数据毫无意义,想成为一个大数据专家,得先成为某一个应用领域的专家;其二,这是个人对大数据发展的终极梦想,因为数据,我们的生活更加自然,最终再也觉察不到大数据的存在,那才是真正的大数据时代!
回想上古时代,人类对这个世界一无所知或者知之甚少,因为无知,也就无争,所以“老死不相往来”,社会是一种“自然”的稳态,后来,部分人掌握了更多的数据,开始争夺利益,道德崩塌,社会变迁,只有大数据发展到人人都能平等的获取同样多的数据,社会才会进入一种新的“自然”的稳态。道家洞悉了天机,为“自然”的秩序,无为,也无所不为!
扯远了…….接下来谈谈我对数据的理解。
一、数据=Know,数据一直存在
1、数据是人类对世界的观测: 数据是个什么样的东东?我是这么看的,我把世界分为如下这些元素:a、道,主宰世界的运行; b、公理/定理、规律 ;c、场景,包括政治人文地理气候等;d、参与者,包括人和万物,大到天体,小到粒子;于是所有的事情都可以抽象成这样,在a和b的作用下,c和d相互影响在时空中运行,而这时候出现了一个旁观者,把它观测到的这一切记录下来,就形成了我们所说的数据。
数据体现了人类的意志:数据的来源只有两种,要么人类通过手工记录,要么通过科技手段按照人类设想记录下来,记录者对事物的理解、采取的采集手段决定了数据长啥样!所以看到数据,要追溯回记录者当时怎么想怎么记的,才可能真正搞懂数据。
数据并不客观,它是有角度的:正因为数据体现了人类的意志,而人类只能选取某些角度去观测世界,因而记录下来的数据是有角度的,它离客观事实有很大的距离。譬如《史记》就体现了司马迁的偏好,项羽不是帝王,却列入本纪之中,可见其对于项羽的推崇心理。
数据表征事实,但数据只是事实的采样:事物的细节很多,人类只能对局部的点进行记录(空间抽样),也不可能连续记录(时间抽样)。譬如你记录了时间、地点、人物、事件,但还有人物心理、周边环境、星际运行、甚至粒子级别的运动,人类观测不过来,也记录不过来,很多东西无法表征,更存储不下来所有。
数据不仅失真,还可能错漏:眼里见到的不一定就是真实,最终记录下来的也不一定是眼里见到的,还有技术的误差……
真正的“数据”是世界发生的这一切,这个“数据”无穷大,一直存在:相比之下,人类的采集及表征存储技术实在是太渺小了!不少专家惊呼大数据时代来了,我们可以不用抽样能够全数据处理了,真实情况是,人类永远没有全数据,我们对这个世界“Know”得太少啊,真正的大数据时代还早得很!
(注:在我的概念,数据有广义狭义之分,广义的“数据”就是世界发生的这一切,狭义的数据是指人类记录下来的)
顺便也说一下,强人工智能时代还远着呢,且不谈意识那些深层次的话题,也不探究存储及表征技术的落后,三个理由,其一,AI在采集数据方面是预设角度的,而人类对一个事物观测角度有无穷想象空间,你自己都无法预知你会留意哪些方面,其二,模型方面,AI的学习方向也是预设的,人类大脑的联想关联能力、快速归纳能力AI无法做到,譬如婴儿第一次见到围巾,你教它把它挂到脖子上,下次它见到长的东西如皮带,它也会创造性的往脖子上挂,没人教过它围巾与皮带的关联关系!我举的这个例子不一定恰当,相信宝爸宝妈能举出更多更好的例子(欢迎投稿供引用)。其三,解读数据及数据影响行动的能力,AI还太弱。
2、“数据”是物质与意识之间的连接
人类对世界的认知就是体现在对“数据”的掌握,物质通过“数据”传递给意识,意识接收“数据”感知物质。没有“数据”,物质与意识就会中断。脱离了肌壳,不知道灵魂还能不能接收“数据”,如果不能,那就跟物质中断了,这种状态跟创世元灵忍受过的难以想象的孤寂差不多。
3、数据=Know
查英语词典,“know”有知道、了解、懂三层含义,这三层渐进的解释和大数据实在是太吻合了,单一的数据能帮人们浅层次的“知道”一些事实,多维度的数据让我们进一步的“了解”事实,而对数据的综合提炼、深度洞察才能称之为“懂”,“懂”事物的规律、发展方向!所有的数据都是帮助我们Know,譬如运营报表是帮助我们“know”过去的运营情况、监控预警是帮助我们“Know”当下正在发生什么异常的事情、目标客户数据是帮助我们“Know”客户未来会有什么样的购买需求;而大数据挖掘就是利用我们已经“Know”的事实数据去推测我们想“Know”的东西。
二、数据的方法一直在使用
人类一直在有意无意的采用数据方法来思考,几乎所有的领域都有数据的影子。譬如读心术,不就是通过分析身体语言、微观动作、面部动作、空间行为、触觉等非语言行为数据再结合社会习俗、文化背景、民族习惯、现场气氛、对象资料等背景信息来推测对象的心理么?最近“别对我撒谎”就是试图利用图像数据来分析心理,当然智能程度还很低;而侦探就是通过收集现场等数据试图还原真相;所谓闻香识女人、知己知己百战不殆、分久必合合久必分等都是对数据的收集和运用;占卜算卦就更神奇了,利用道具来产生数据(当然,不知道是否还采集了空气中一些神秘的数据)然后推测人的命运……
但是,现行的数据技术并不能解决所有的问题,因为很多数据还没办法收集存储,随着采集技术的发展,未来,一切皆可测量,一切皆可数据化,所有领域的专家,都将是数据科学家。 未来,请忘掉大数据,不要问大数据能做什么,而是几乎所有的领域都必须应用数据技术。大数据无处不在,也就是不存在。
三、所谓的模型、算法,都是为了让数据产生新的数据,Know->行动
前面也说了,数据挖掘,就是利用已掌握的数据推测未知,推测的结果就是一个新的数据,譬如你没有用户的性别数据,只能通过用户的浏览习惯、浏览网页分类来推测它的性别,这个性别对于你就是一个新的数据。
不能影响行动的数据都是没有意义的,换句话说,数据必须与商业(应用)相结合。千辛万苦整出一个数据,没有相应的应用流程来承接,那就徒劳无功。
四、经验也是大数据
大数据出现之后,人们对数据驱动津津乐道,什么数据驱动营销、数据驱动管理、数据驱动运营………如果凭经验做事情,似乎就被一棍子打死。但是,数据看起来很多,实际上很少(前面说的抽样、失真……),它并不总能解决问题,如果掌握的数据与目标相去甚远,无论算法多么的牛叉,都得不到一个与目标匹配的数据结果。
而人类的经验是基于多年接收的大数据运用大脑提炼的结果,除了五官,人类身体的每一寸肌肤都在接收并处理大数据,人类的大脑比计算机模型强得不知道哪里去了,匹配度高的经验效果远远好于一般的数据结果。
所以,别瞧不起经验,很多情况下,数据无能为力!
结语
数据没想象那么强大,但未来数据无处不在,最后,人类一定会忘掉大数据!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14