京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据杀熟只是开始,未来算法还将成为法律
1,最近看到网上流传着大量滴滴打车,面对不同用户不同价格的截图,并在互联网上引发了大量的抨击,认为滴滴的这种价格歧视是损害消费者的行为。
同样类似的事情是来自于携程,去年10月,演员韩雪在微博炮轰携程机票销售捆绑,在用户不知情的情况下,对用户进行各种套餐的捆绑销售,极为流氓。
此外,细心的网友还发现,携程有着非常强大的人工智能系统,面对不同的用户,操作,时段,携程也会给出不同的机票价格,猫腻重重。
当然,这些事情在国外也其实屡见不鲜,早在2000年,亚马逊就开启了价格歧视的定价策略,被消费者发现举报后,贝索斯亲自出面道歉,不过这种事情并未好转,亚马逊继续我行我素。
像Airbnb、以及国内各个酒店APP,同样也在采用类似的动态定价方案,诸多酒店用户发现线下价格反而比线上优惠的价格还要便宜。
此外,UBER的动态定价也经常被爆出与滴滴类似的事情。
所以我们必须反过来思考这些“屡见不鲜”的事情,到底是为什么?
2,表面上看,一个非常容易得出的结论是,科技公司们是在寻求利益的最大化,在供求关系中,尽可能的榨干每一个人的钱包。
同时,对于消费者来说,其感受到的是一种被欺骗的损失,通过技术和垄断,科技公司以更高的价格让自己买到原本可以低价购买的产品,毫无公平而言。
绝大多数人都认为,科技公司不该如此大肆利用隐私数据,侵犯用户利益,应当将这种行为进行收敛。
不过,在这里我提出一些反对的想法。
这些行为有可能是科技进化的必然,并且未来,越来越多的利益权衡都将技术化,价格歧视将会是一个不可逆的趋势。
3,所有人都知道微观经济学中,有一个经典的供需关系图,横轴代表一个产品的需求量,纵轴代表一个产品的价格,而商家需要做的是找到一个价格的中间点,使得边际利润最大化。
只不过由于市场是模糊的,不确定的,需求量是难以衡量的,因此,商家需要不断调整定价策略,并且对所有用户进行价格一刀切的政策。
但是现在由于大平台已经垄断了几乎全部市场,市场不再是模糊的,而是可预测的,时间预测、用户消费能力预测、承受需求能力预测等等都被数据化。
同时,微观经济学的理论依然奏效,因此这时,企业不过是把对于大众的一刀切价格,更为精细的针对到了每一个人的供需上。
对于消费意愿更低的人群,其可能采取被迫降价甚至平台补贴的策略,为了逐渐培养起其消费习惯,而对于刚需人群而言,其自然可以抬高价格,获得最大的收益。
一个愿意买,一个愿意卖,并没有什么错。
只不过这里面还有一个问题。
4,问题在于一些巨头平台已经全面垄断,用户只能够选择是或者否,而很难获得其他第三方类似的优质服务,因此只能进行二选一是或否的选项。
普通人都进入到了无法选择的状态,这才是最让人感到愤怒与无奈的。
扎克伯格曾表示,要在2018年改写Facebook的信息流算法,因为希望给自己女而留下一个美好的遗产。
仔细想想,这里面的意思其实是,Facebook有能力让普通人看到任何东西,并对每个人施加影响与操控。
果不其然,今年爆出的Facebook“总统门”事件就显示,一家名为Cambridge Analytica的英国公司,通过盗取Facebook相关数据,最后成功显示了对全美5000万人的影响,最终帮助特朗普上台,该事件正在越演越烈,Facebook股价不断暴跌。
一个致命的问题是,全世界的人民都很难选择放弃Facebook,因为社交关联实在太强,其地位很难撼动,普通人只能接着用下去。
5,不过Facebook事件,也揭示了世界存在的另一个真相,技术的权力正在越来越大,其可以随意操纵任何人的情绪、意志、钱包,并且都在不知不觉中完成,所有人也都将乐在其中,这个世界正在越来越变成算法统治的世界。
任何拥有技术的平台,算法就必然会成为最终的统治者。
《未来简史》曾预言,未来的时代将会进入算法社会,这个社会的一切都将由算法定夺,由于技术掌握了你的数据,因此比你自己更了解你自己,因此通过数据就可以对人定制出一些更为合理的方案。
比如养老金的法律,通过算法,每个人都将获得不同的养老金分配方案。这样不仅可以为政府减轻更多的人力负担,更可以让一切更加简单。
换句话说,谁来定制这样的算法?在《未来简史》看来这样的人就是神人,他们有一切权力为每个人进行算法的裁决,但是又如何判定这些已经成为算法的法律有着笃定的公正?
滴滴们所暴露出的大数据杀熟,正在反映着这一问题,没有人相信这样的动态价格歧视是合理的,我们更愿意被“一刀切”,而不是被机器动态定义。
6,所以这个趋势,是矛盾的,但是又不得不承认它正在发生。
即算法正在成为每个人的统治者,如同神明一样,你做了什么事,它都会如实记录,并最终给你想要的回馈。
另一个问题是,设计算法的人,是否公众客观?他的目的又如何检验?
下一次美国竞选是否又会有Facebook的参与?
这一切都还没有答案。
或许,是时候成立算法伦理组织了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28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