京公网安备 11010802034615号
经营许可证编号:京B2-20210330
女人与大数据:大数据时代就是女性的时代
大数据时代,就是女性的时代,女性在基因里就会计算大数据。
很多男性和孩子,其实一直奇怪女性这种特殊的能力。比如小时候你刚进家门,妈妈就以狐疑的语气马上说:“刘志军,你今天是不是没考好?”。比如你刚看一眼手机,老婆就笑:“是不是又是隔壁二狗约你打游戏?”。再比如你刚刚关起门打电话,女朋友一会儿就哭了:“你是不是又背我出去找小三?”。
她们有的时候猜对了,有的时候猜错了。但是总体,正确率高于随机水平。她们错的时候,男人就撇撇嘴,你们女人就爱胡思乱想;她们对的时候,男人就说,女人就是一种敏感的动物,可能感觉器官就敏锐一些。
不管怎么说,这些瞎猜,总体正确率高于随机水平这点,也让男人非常害怕。为了适应这点,男性也形成了相当强的反侦察技能。
有一些研究指出,女性大脑的白质(用于连接各种区域的解剖组织)高于男性。所以把事物连接在一起想象的能力强。也有最近研究表明,女性对“日期”记忆能力强于男性,所以能记住所有生日,纪念日,甚至不重要朋友的一些重大日子。
不管这些结果的真实性,我觉得,这都不是女性最卓越的能力。女人最卓越的能力是长期追踪一些看似不重要的数据,形成自己的“基准线”和“模式”。一旦这些数据点的模式,显著不同于她所熟悉的基准线,她就知道反常。女人在日常生活中不考虑什么因果关系和相关性的区别,俺们信奉的原理就是:“事出反常必有妖”。
讲大数据的人经常讲林彪的例子。林彪打完一场战役,就认真记录一些非常细节不重要的数据,比如缴获枪支,长枪和短枪的比例,战俘的年龄层次,缴获的粮食是高粱还是小米等等,都事无巨细记在本子上面。别人都笑他。但是后来,他就用这些数据来判断哪个地方是敌军指挥部。
女人的干的事情,基本雷同。一个女孩A暗恋男孩B,但通常不直接联系,过了两天我问她要不要叫他一起吃饭,她说,他正在打球。我说你怎么知道?
她说,男孩B平时是早上8点在Gmail邮箱上线,8点半呈现Away状态,这是他出去买咖啡早饭了。9点再次上线后Busy,这是在工作,12点半再次Away就是午餐,晚上一直在线,可能是读文章或打游戏。其哥们C,早上十点上线,全天在线,然后夜里2点还在线上,这是一个晚睡晚起的男生。其另一个哥们D,全天Busy,但是大多数时间都在。但是重要的模式是,每星期有2-3天,他们一起离线或者Away 3-4个小时。结论:他们在一起打球。
我听了以后跪服。我说,你真太棒了,这就是大数据。有人说,真是闲的无聊,难道不能直接问?生活里的小事,随便问问当然无所谓,但是在社交场合不合适问的事情,用大数据能得到答案,难道不是一种卓越能力吗?
最近出了几篇论文,通过数据挖掘人在社交网络上点赞的规律,来预测人的智商,兴趣,等等。其实这种事情,女性经常干。哪个女生敢说,自己没在party之前把所有宾客都Google了个底朝天?在刚开始谈恋爱的时候,把对方的博客,微薄,Facebook,亲朋好友的博客,微薄,Facebook翻了个底掉?
反正我干过:)。信息时代嘛,我干这种事情毫无羞耻心并且认为丝毫不是浪费时间。交朋友,谈恋爱,是比买车买房更重要的事情,产生更深远的影响,所以做背景调查相当重要,对于陌生人尤其重要。
话扯远了,最后扯回到,妈妈当初是怎么看出你考试没考好的,老婆是怎么看出你要出去打游戏,女友怎么怀疑你找了小三的。她们每天都用眼睛观察你眼睛的注视,看了什么,盯了几秒,你洗脸刷牙需要多长时间,多长时间刮一次胡子,你把拖鞋放在哪里,在饭桌上说多少话。
如果你哪天,盯着手机的时间比以往长,牙膏突然挤到水池边,没到重大节日突然刮胡子,拖鞋突然放得很整齐,在饭桌上一句话没有,饭后很快很轻很轻地进了另一间屋子,又很轻很轻把门关上。
这些模式集合在一起,就是“事出反常必有妖”。小时候当你有鬼心思,你妈妈总是第一次猜到,她总是得意的说:“你是我生的,你怎么想我还不知道?”。实际真正的trick并不是她生了你。
是因为她爱着你,她一直细致入微地观察着你,精神上记录着你的各种生物信号,才能达到如此神乎其神的程度。
没有任何传感器和算法能达到母亲的程度,但希望未来能有传感器和算法近似于母亲的贴心,达到数据时代为人带来的真正便利。
我脑子真的不行了,马上要去睡觉。说两句总结,
第一,女性要相信自己入微的观察和大数据能力,并且把这种能力用在更高水平的地方,一定能在这个时代有更强大竞争力。
第二,妈妈,我爱你。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25