京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代新行业应允许泡沫存在
什么是大数据? 美国数据可视化专家尼古拉斯·费尔顿(Nicholas Felton)在辩论会上表示,简单一点可以理解为超出传统数据管理工具处理能力的大规模、复杂的数据集合。判断是否属于大数据的范畴,要从三个维度来衡量:数据量(Volume)、处理速度( Velocity)以及数据种类(Variety)。
作为科技领域最时髦的词汇之一,大数据(Big Data)带来的机遇究竟有没有被过分炒作?在2013年夏季达沃斯论坛上,这个议题以一场辩论会的形式展开讨论。
“新瓶装旧酒”?
“必须要承认从某些大数据中会挖掘出新的价值,但这个价值只是附加价值,没有理由去夸大它,更没有理由去无端地想象。”费尔顿表示,从现在业界一些公司拿出来的所谓的大数据应用实例来看,依然只是在利用传统意义上的数据价值,只是巧妙地把这笔账记在了大数据上而已,有点“新瓶装旧酒”的意味。
费尔顿甚至直言:大数据更多的是巨头们的商业障眼法,其目的是兜售他们的解决方案。
全球青年领袖、Kaggle公司总裁兼首席科学家杰里米·霍华德( Jeremy Howard)也认为,大数据的商业前景被过分夸大了。到目前来看,只有为数不多的企业真正拥有大数据,而且这些数据的管理、处理、分析并没有带来所谓空前大的挑战;因为新工具、新计算方式已经具备处理这些数据的能力。
冰山一角?
“新行业必须允许一定的泡沫存在,这样才能吸引更多的资金和人才,才能有更大的发展,大数据就是这样的行业。” 北京大学副教授、光华管理学院新媒体营销中心副主任苏萌认为,目前大数据的应用只露出了冰山一角,大数据时代并没有真正到来。
苏萌表示,大数据的存在有点儿像上个世纪90年代末期的互联网:很多人曾认为网页和互联网是“一时流行的狂热”,但到这些人开始大量使用互联网时,这些技术已经在业界广泛使用了。
与云计算一样,大数据也描绘出了美丽的应用前景,但其影响却是实实在在的。比如:在电商购物网站制订市场方针时,大数据的存在不仅是为企业提供了数据支撑,而且为用户提供了更为便捷的信息和数据服务,能够实现对目标群体的精准营销。
苏萌同时表示:“大数据是机会,但不是所有人的机会。”只有拥有大数据的大型企业和政府机构才有应用大数据的潜力与机会;“大数据的确会有价值,但没有那么大。”就看你会不会挖掘,是否善于运用数据分析的结果了;只有冷静分析大数据对自身的价值与机遇,才能避免被忽悠。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23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