
大数据时代如何提防商业App“算计”
老客户得到的优惠还不如新客户?商业App“杀熟”再一次让人们惊觉,大数据时代被算法“算计”的危险。在日前上海产业技术研究院主办的第23次金桥产业技术创新会议上,业内专家们不约而同地提议,当我们身边的物品都开始联网提供数据时,产业界能否有效利用数据是目前急需解决的问题,而政府和公共管理学者则必须提前深入考虑有效的数据监管。
“物联网的风口到了!”这是学者们的共识。作为芯片生产厂商,华为从不断增加的窄带物联网芯片订单,就感知到这个产业的蓬勃发展。华为蜂窝物联网产品线副总裁刁志峰说,远在新疆的客户一次就发来十万片芯片的大订单,这些芯片是用来采集当地居民用水数据的。
在信息化程度相当高的上海,每天产生的数据更是不计其数。这些数据是否有效利用了呢? 上海交通大学电子信息与电气工程学院教授金耀辉说,越来越多数据的存储、维护耗资巨大,如果不能充分利用,产生更多价值,将会是公共资源的极大浪费,而且使用不当,也会造成很大的社会问题。
制定合理规则,有效利用数据,是目前亟待解决的问题。比如,新疆所订制的用水数据采集芯片,就有很明确的应用需求。但更多的情况是,大量数据在采集来之后,还是没能充分合理地得到应用。
金耀辉举了一个例子,目前上海有16万辆新能源汽车,每天所产生的可存储数据超过4.6亿条,可监测的计算量超过2764亿次。由于计算能力的瓶颈,一辆车的数据报表往往滞后很长时间才能出来。“这些数据中如果有涉及车辆安全预警的呢? 这部分数据能否被优先处理并提供给用户或有关的政府部门和企业? 在提供过程中,如何保证数据不会产生负面价值 (如隐私泄露)?”他说,收集数据只是网络化、智能化的基础,而智能化的最终目的则应该是提升社会幸福感。
他认为,这是政府在实施很多物联网项目时,首先应该考虑的重要问题。就像克隆技术、转基因技术一样,任何新技术都是双刃剑,可能为人类打开发展的新维度,但也可能带来前所未有的新矛盾。在技术和产业发展的风口,让人文学科和社会科学学者介入,研究对人和社会带来的影响及对策,制定相应规范,将有利于新技术和产业的健康发展。上海在物联网技术和产业上得风气之先的同时,更应在相应社会问题的研究和解决上率先探索。让物联网技术在深度渗透到社会生活的各个角落之前,就得到有力而合理的规范,使它能够健康发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29