
托夫勒才是这个世界上说出“大数据”这个词汇的第一人
上星期,世界著名未来学专家、著名的《第三次浪潮》作者托夫勒先生离开了他曾经预言过的这个世界。几天来,对他的辞世,国内媒体不仅广泛报道,而且刊发诸多评论和特写,详述他的预言、他的著作对我们今天生活的意义和影响。有评论称,“托夫勒走了,世界依然活在他的预言里”。
确实,托夫勒的未来三部曲《未来的冲击》、《第三次浪潮》、《权力的转移》不仅影响巨大,而且脍炙人口。特别是《第三次浪潮》,更几乎成为一本家喻户晓的经典之作。而未来学之所以可以成为一门科学,预言之所以既不同于预测、也不同于寓言和童话,就在于其可以基于对规律和科学的认识,准确地判断出未来的大事件和大趋势。
人们注意到的是,托夫勒预言,对整个人类而言,所谓第三次浪潮,就是在农业文明、工业文明之后的信息社会。但人们或许没有给予特别关注的是,托夫勒在《第三次浪潮》中,将大数据盛赞为“第三次浪潮的华彩乐章”。现在,很多研究者把大数据概念的提出,或归结为麦肯锡报告,或归结为IBM公司,其实,托夫勒才是这个世界上说出“大数据”这个词汇的第一人。
在托夫勒提出“大数据”这个词汇三十年之后,伴随着互联网的高度普及和信息化技术的极大发展,大数据迎风扑面、滚滚而来。对英文“Big Data”这个词汇,虽然没有统一公认的定义,但从脍炙人口的《第三次浪潮》,到颇具影响力的麦肯锡报告;从SGI公司的首席科学家,到高德纳公司的分析师;从达沃斯论坛的《大数据大影响》,到OECD统计委员会会议的《使用大数据做决策》;从涂子沛先生的《大数据》,到舍恩伯格先生的《大数据时代》,各方表述各有侧重,但实质大同小异,一是体量大;二是电子化产生;三是数据与技术的集成。
时至今日,托夫勒走了,大数据来了。你用还是不用,大数据就在那里,不是不多不少,而是越来越多。银行系统有海量的储户个人信息及存储信息,商场超市乃至互联网平台上有海量的商品信息及其价格信息;机场、火车站记录着许多乘客的出行情况,医院记录着许多病人的检查和治疗情况;门户网站每一条新闻下面的留言,汇集成对许多现象和问题的民意;微博微信中的喜怒哀乐,都是情感和态度的表达;百度、谷歌引擎的每一次使用,都可以说明IP那端键盘操作者到底想要什么;透过大气层中弥漫着的无数手机短信、微信,足以掌握无数手机使用者“打死也不说”的秘密。从我们不变的属性到可变的态度,都已经在一不留神之间,汇入了浩瀚的大数据洪流之中。大数据正在改变着我们的生活,而我们每个人也正因为自己生活方式的改变,而成为大数据浪潮中的一朵朵浪花。
大约一个多月前,中国国务院总理李克强在贵阳出席中国大数据产业峰会暨中国电子商务创新发展峰会时指出,大数据等新一代互联网技术深刻改变了世界,也让各国站在科技革命的同一起跑线上。中国曾屡次与世界科技革命失之交臂,今天要把握这一历史机遇,抢占先机,赢得未来。
诚如斯言。托夫勒走了,大数据来了。近代历次技术革命,中国都跟在别人身后,慢一步享受他人的研究成果和发明创造。大数据时代来了,大家的起点都一样。谁把握机遇,谁占得先机,谁就会赢得主动,就会率先创造和享用大数据的成果。
大数据来了,世界都在行动。早在2012年3月,美国奥巴马政府就颁布了《大数据的研究和发展计划》。世界其他国家也制定了相应的战略和规划,英国发布了《英国数据能力发展战略规划》;日本发布了《创建最尖端IT国家宣言》;韩国提出了“大数据中心战略”;新加坡政府则早在若干年前,就已经要求所有商业企业向政府统计部门提供电子交易记录,依据大数据进行价格及相关专业统计。我国政府也于2015年8月19日通过了《关于促进大数据发展的行动纲要》。各国都在行动,中国也不能落后。
要尽快完善法律。既要要求各级政府部门和大数据企业开放并提供数据,实现信息共享,也要有效保护国家秘密和个人隐私,还要对诸多利用大数据进行造假的行为进行防范和打击,以保证大数据的真实准确;要尽快明确分工。我们的政府机构是强大的,但需要有人牵头、有人组织、有人协调,合理分工,有效协作,防止扯皮,提高整体效率和各自的效能。
要尽快制定标准。要以现行标准为基础,充分考虑大数据的特点,统一研究并制定大数据代码标准、分类标准、统计标准、技术标准,以在不同大数据之间进行转换,切实提高其使用及分析价值。
托夫勒走了,大数据来了。即使我们不能像预言家那样远见卓识,至少我们不应该醒来太慢。因为在大数据时代,恰如马云所说,如果醒来太慢,就干脆不要醒来.
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-19偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12