京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据大而无用
互联网的发展可以用数据来衡量,大数据被世界经济论坛称为是新的石油、新的资产类别,其革命性不亚于蒸汽机车、电网、钢铁、空调及无线电。
2005年 互联网的数据总量为 300 亿 GB,思科估计 2013年 的规模预计超过当年的 20 倍。1990年 代至 2005年 被视为是互联网的第一波浪潮,这波浪潮为我们带来了电子邮件、Web、网上搜索以及宽带。这第二波浪潮,就指望着大数据给经济提供动力了。
但有个小问题:尽管 Web 流量飙升,但经济正处于萧条期。得益于计算机和互联网的革命,自 1970年 代一直稳步增长且持续到 2000年 代的生产率,自 2005年 以来却出现下降,这正好是大数据冒出来的时间。
因此一些经济学家开始质疑,大数据是否具备第一波互联网浪潮的那种影响力,与几个世纪的工业革命更没法比。有一种理论认为,大数据业是通过调动现有企业为了客户进行竞争,从而让经济更加繁荣,而非创造新的根本性的机会。
当然,有些公司,如 Amazon 和 eBay 等的确是为客户而战。但其他的公司却在蚕食传统产业的市场,广告、媒体、音乐、零售等无一幸免。
明尼苏达大学的经济学家 Joel Waldfogel 认为,数字产业与实体界是此消彼长的关系,所以认为数字的崛起会给经济带来净增长是疯狂的。西北大学的经济学教授 Robert J. Gordon 则认为把大数据比作石油只是个噱头。上个世纪,石油让交通革命成为可能,如果有人认为个人数据堪比石油和汽车,那一定是没有体会到上个世纪的现实(汽车取代马匹,空运取代道路)。
但也有经济学家认为大数据的经济冲击只需几年就将到来—只要大学培养出相应的数据处理人才,并且数据驱动初创企业开始招兵买马。当然,衰退可能会以经济学家无法掌握的方式掩盖数据革命的影响。还有人甚至怀疑最终我们当前对大数据和 “云” 的理解框架可能只是一座海市蜃楼。
数据必须充分发挥经济潜力才有可能。当然,像营销、制药业现在每天都在大量应用数据。
masFlight 就是这样的公司。这家公司采用大量数据来帮助航空公司减少燃油消耗并改善总体性能。Josh Marks 是这家公司的 CEO,尽管他的第一个使命是帮助自己的客户与其他航空公司为了顾客而竞争,但他也相信像自己这类公司追求的效率最终应该能发展全球经济。
但他也承认,目前 Web 上大多数的裸数据流的经济价值有限:分析师手上掌握的,对特定行业有着深刻理解的专业数据有用得多。他认为现在对实时处理超大数据集能力的宣传有些言过其实。
有的经济学家认为,新技术的真正价值往往是很难评估的,大数据也许早已给经济带来好处了,只是没有算进官方的经济数据里。比方说,Hulu 上面的小猫视频和电视节目给网上冲浪者制造了欢乐,那么经济学家是不是应该想办法给此类无形活动评估一下价值啊?此类活动是不是推动了 GDP 的增长?
此外基础设施投资往往要花费数年才能回收。西北大学的经济学家 Shane Greenstein 说,1990年 的铺设高速互联网的投资也是在最近才开始获利。但是他也指出,相对于第一波浪潮对经济活动的影响,大数据革命带来的影响更难看清。这种影响有可能只是有延迟,也可能没有价值。
但是数字未来学家喜欢拿电网的崛起与之对比。其想法是无所不在的互联网让数据和 “云” 无所不在,就像插座让电无所不在一样。
数字的对比是诱人的。Harold L. Platt 在《The Electric City》一书中描述的 19 世纪末 20 世纪初芝加哥电力飙涨的情况令人马上联想到今天数据的增长。
但已经 68 岁的 Platt 并不同意这种简单的类比。他说电力给制造、家庭生活、交通、上层和底层社会带来的革命数据时代未必就能做到。
不过,在芝加哥那头通过手机接收采访的 Platt 发现自己也无法回避这股数据洪流。正打着电话的他收到了自己已成年的孩子发过来的短信。“我得短信回复他们,否则他们就不会回我。所以我也得随大流。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23