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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24