京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的本质是虚拟中介,和实体经济相生相伴
互联网发展的一个重要的特点,就是很多线下的业务被放在了线上,互联网本身具有去载体化的天然特性,正是因为有这样的特性,所以数据沉淀就显得特别重要,若是没有这个数据沉淀的优势,互联网去载体化就不可能实现。
以往传统的线下业务其实也沉淀了大量的数据,只不过这种数据的负载形式是物理的,传统的统计形式更多的依赖人工,所以这些沉淀的数据一直在沉睡而没有被唤醒,因为人工的方式根本没法做到。互联网充当了唤醒这座数据金矿的重要角色,使得人类第一次对数据的效用重视起来,所以大数据的概念风靡当下,不能不说这是互联网带来的意外之喜。
互联网将传统线下业务搬到了线上,于是这种大数据的形式就凸现出来,因为既然互联网具有去中介化的天然特性,那么这种中介化的价值信息就附着在海量的数据中——除了数据,互联网的价值链就显得没那么有价值了,所以从某种程度上说,互联网时代的中介化,就是沉淀的海量数据形式。这和传统的物理中介当然是两个不同的概念,只不过互联网时代,很多传统的物理中介都受到了虚拟中介的冲击。本质上,这只是中介身份的一种转换,而不是物理中介被消灭了。
例如,银行、证券、交易所等金融机构都是物理中介,其业务所积累起来的数据非常可观,当这些数据被海量的搬到线上的时候,我们并不能简单的认为这些金融机构被消灭了,而应该认识到,这些金融机构的身份,是以搬到了线上的海量数据为新的虚拟中介形式的,物理中介反而成了虚拟中介的生产源。这些生产源的本质属性是不变的,例如,金融方面,其股权、债券、信托等金融核心功能不变,其所涵盖的契约也是不变的,所面临的金融风险、所面对的监管的基础都是不变的,这种本质属性的固定,并没有在互联网时代因互联网的迅猛发展而发生改变。当我们在分析互联网对传统行业的冲击时,往往用去中介化来描述互联网对传统行业的冲撞,但是我们应该认识到,这种去中介化,并不是消灭了物理中介,而是摆脱了物理中介,实现了和以大数据为依托所形成的虚拟中介的联姻。
所以,大数据的形式其实是一种互联网时代的虚拟中介,它是从传统的物理中介中衍生出来的,从此,市场的生态环境发生了变化:一种线上的虚拟中介,一种线下的物理中介。整个市场被重新构造起来,线上线下两种生态共同支撑着当前的互联网时代走向一个较为繁荣的阶段。
迈尔·舍恩伯格(《大数据时代》一书的作者)认为,大数据的一个重要特点,就是事物之间具有相关性,而因果性倒是处于其次。
其实,这种观点也不新鲜,因为在统计学上,要证明两个事物之间具有因果性,前提条件是这两种事物要具有一定的关联性,即,事物之间的关联性是求证它们因果性的必要条件。所以在某种程度上,舍恩伯格这种观点是将事物之间的相关性和因果性分开看了。从前面的分析我们可以得知,海量的数据并不会无缘无故的产生,线上的大数据中介是传统的物理中介衍生出来的,可以说没有线下的物理中介经过产业链的整合,从而将这些数据整合到线上,那么线上的虚拟中介是不会产生的,所以,数据之间绝对不仅仅是只有联系性那么简单,数据之间的因果性才最终指导着企业如何经营的极为重要的因素。
大数据的形式作为新型的中介形式,本质上还是伴随着互联网的迅猛发展而产生的,这是一种有别于传统中介形式的新型中介,并不能独立于实体经济而孤立存在,没有实体经济的最终繁荣,互联网只能呈现出较为繁荣的假象,而最终会变成没有根基的浮萍,所以,只有线上线下生态同步发展,或才是一个市场较为成熟的表现。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09