
大数据给传播插上隐形翅膀
导语:现在人们常常提到一个话题,就是互联网进入下半场,这让我们很纠结。我们对上半场还没有认识清楚的时候,下半场已经突如其来地降临了。
上半场解决的是对互联网对个人激活以后整个社会、资源、市场在重新组合过程当中,它所焕发出来巨大的可能性。我们知道,过去的社会是一种以机构、单位为基本主体、基本单位的社会构造和社会构成。因此那个时候个人离开单位、离开机构、离开组织,基本上就是盲流阶层,对社会来说是只有负能量,没有正能量的身份和状态。
互联网对社会最大的改变,我们看得越来越清楚,就是对个人的激活,使个人成为社会主体的基本主体和基本构造。个人所释放出来的自由度的空间以及组合无限的丰富性,这就是互联网给我们带来的巨大的机遇。而所有基于互联网所创造出来的功能、价值,其实都是在这种激发出来的所谓微资源、微价值的连接和再连接当中形成的。但是,这样一种微资源的形成,也给我们传统方式的人带来了诸多的困扰。因为过去我们对于单位的了解和把握是系统、全面和有效的。但是对于个人为主体的社会构成,实际上是缺少研究、缺少把握的。恰恰在这个时候,伴随着互联网对个人激活的大数据出现了。
从跑马圈地到连接一切
大数据里面所包含的数据,按照定义是指对于一个事物本身的性质、状态与相互关系等有鉴别力的一种符号,这就叫数据。有了数据我们可以对任何个体的性质状态和相互联系进行说明、进行定义,并且在这些说明和定义的基础之上,通过它的相互联系,把它激活,把它整合,把它应用到一个社会的商业市场模式当中,使它成为一种社会的,有用的,新的能量,这就是数据对于我们的基本价值。
互联网的上半场,实际上是把市场当中人口红利所呈现出来的那种对数据的依赖程度比较低的,肉眼和经验就能把握的市场,进行跑马圈地,且已经圈地殆尽。而下半场实际上真正要按照互联网新的生态,新的机制,新的规则来挖掘属于互联网时代的那种状态,我们对于数据的依赖程度会更高,这就是互联网下半场的含义。
互联网下半场,其实在整个互联网发展过程当中,以我的理解划分,有三个阶段:一是网络化链接和再链接,链接一切。在这个基础上,进入了今天所谓数据化的阶段,因为当一个个体、一个资源跟社会连接在一起的时候,无论对它的需求,还是对它身上蕴含的某种价值,无论是它的体验价值,还是它的关系价值,要激活和利用的话,我们必须要有数据对它进行定义和说明,并且在这个基础上激活和使用它。
人工智能是加速器
因此,数据又成了互联网时代,能够把互联网所焕发出来的新的可能性赋予生命、赋予获利、赋予功能的一种动力。那么数据其实就是互联网时代的能源和动力。但是在这个基础之上,这种动力能源相对来说还在一个初级水平上应用和使用它,可能它的效率还比较低,可能它的各种各样的所谓的代价还比较大。但是我们看到了下一阶段互联网的发展,叫做智能化时代。
智能化时代是为数据本身加上人工智能的加速器,提高它的效率,使它能够在这样一个新的技术基础上,对数据的使用、数据的发展给予更多的可能性,让更多的功能和应用模式得到建构和发展。这实际上就是互联网正在经历的阶段,其实数据化只是承上启下的一个中间阶段。
未来,我们在数据使用方面可能要用到更多的人工智能技术。如何来判别一个数据或者一个大数据的技术对于我们市场发展或社会发展的价值所在,看看它有没有未来的发展前景,有没有巨大的可能性?在我看来,判断一个技术形态或者传播形态在未来发展当中的可能性、市场价值、市场空间以及未来能走多远,有一个以人为本的判断的标准。
最高标准要以人为本
今天我们已经摆脱了对于物的那种第一位的短缺需要,自从工业化革命达到一定程度,人类解决了物质短缺以后,便转型到以人为本的社会。换句话说,一切是以人的实践、人的延伸和人的发展需要,作为衡量一个社会、一个行业甚至一个技术产品是否有未来、是否有价值的最高标准。
大到社会来说,一项政策、一个体制,看老百姓喜欢不喜欢,满意不喜欢,拥护不拥护,赞成不赞成。小到一个产品对于人类社会连接性和丰富性是否有所扩大,流动性是否有所扩大,对于人的自由行动、空间的赋能有没有扩大,对于人的把控性的赋权有没有进一步的提升。所有这些在人的流动性的增加、连接性的丰富、自由空间的扩张,以及把控性的提升方面,无论是贡献的技术,还是贡献传播形态的应用,都具有着相当深远的发展意义和价值。
以大数据为例,数据本身会成为一种内容。传感器能够给我们建立一个生活的场模。以后根据越来越多的传感器,我们可以在早上起床以后,看到天气,看到PM2.5的数值,还可以看到所有跟我差不多的人。比如说都是五六十岁的人,都是大学教授,都是某行业的人,他们的情绪大数据是一种什么情况。如果我比大家的数据显得更负面一点,我是不是要注意调整一下自己,可能在这方面不是大家的问题,是我自己的问题。或者,我比大家的情绪更正向一点,我处理对外界的事务处理的相对得心应手,我的情绪更正能量一些。
再比如说,我们吃的东西,如果每一个饮食数据都有,马上提醒你比你同类的人进糖、进盐更多一些,它会成为我们生活的参照系,并不是大家趋同。但是在这样一种参照系的情况下,我们跟社会的关联,就有了标准,我们能够更好的做回自己,这就是我们在很大程度上增加了跟社会的连接性,增加了彼此之间沟通的各种各样的可能性,这就是传感器的内容给我们提供的可能性。
大数据给我们带来最大的价值,就是为我们进行情景化的信息服务和一种所谓长尾,它的局部空间密度相对来说很低。但是作为一个长尾的存在,它又有分布在各个角落里面的个性化、分众化的需求,而过去对这样一种需求是无法得到满足的。今天,我们利用大数据的定义、说明、鉴别,为在什么地方、什么情景、什么场合之下创造一个场景,我们可以找到这些人,并且用合适的内容以合适的服务、合适的方式在合适的场景当中与它相遇,来解决市场的开发,来解决长尾市场的形成,这些都需要数据作为一种路径形成这样一种关联。
因此,在大数据时代,任何一个内容和服务数据,在互联网下半场的市场空间都应该成为内容和服务的标配,没有这个标配你就是聋子、瞎子,是有待别人认领的孩子,你的境遇会很悲惨。当然对于情景化的服务和知识,更是需要大数据某种模拟和说明。因为我们把知识分解成通用知识和情景化的个性知识的时候,我们知道在这样一个路径上面,越是通向个性化的情景,它所处理的变量越为复杂多样。因此它就越需要高智商、高智慧这样一种东西来满足,而不能用通用的知识和东西来满足。
我们为什么需要医生、需要律师,因为一个法律问题,一个健康问题,简单去找知识可以找到一千条、一万条。但要解决复杂的问题,它需要情景性的问题,复杂的问题是一切所有变量的综合,在这个过程当中需要数据来进行某种关联的拟合,然后再形成这样一种服务。在这个基础之上就能形成基于数据的人工智能的服务。
事实上,在美国交易所当中,对于那些高薪皇马甲,现在的依赖程度明显降低,过去律师行业是令人艳羡的行业,今天有关数据显示这个门槛越来越高,而人工智能技术在大数据的支撑之下,越来越挤占它的份额。所有的这些都是数据给我们带来的新的可能性。
有人要问人还能干什么?在我看来,人还有一个最大的特点,就是方向,无论人工智能有多么的高明,无论数据有多么的宝贵,方向是由人来确定的。
再者,对于跨界的事务处理,从目前来看,人要比机器强得多。机器是在一个人所设定的范围之内,无论设定的是一万个范围,还是多少个范围,它永远不能跨界。而人有一种知觉,有一种通感,这种知觉和通感能够在很短的时间里做出大致正确的判断。因此,这就是人的价值,可能人工智能未来要向这个方向发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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