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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25