京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
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 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18