京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据把我们带向何方
据统计,人类历史上90%的数据,都在过去的两年中产生;今天,数据世界已经增至4.4亿万亿字节,如果将这些庞大的信息量存储在苹果iPad平板电脑中,叠加起来的iPad平板电脑,其厚度相当于地球到月球距离的2/3,这或可意味着人类已进入大数据时代。
蒸汽机的发明,使煤、石油成为推动工业革命的重要原材料;现在,计算机的发明和联网,将使大数据成为推动信息革命的重要原材料。美国作者史蒂夫·洛尔在《大数据主义》一书中,解释了大数据技术将如何引发一场新的革命,并告诉我们:大数据将在哪些领域大放异彩,又在哪些领域需要保持警惕,以及大数据将把我们带向何方?
让大数据大放异彩的领域
大数据应用于很多领域、行业,同时,它还会改变人类的决策方式。大数据主义者认为,所有决策,都应当逐渐摒弃经验与直觉,并且加大对数据分析的倚重。
让我们来看一下美国的药品销售企业麦克森公司的案例:在经营活动中,麦克森公司产生了庞大的数据,IBM公司利用这些数据,为麦克森公司建立了决策模拟模型。借助这个模型,麦克森公司可以完成更精准的预测和更高明的决策。麦克森公司经营的一些药品如抗癌药品和专用抗生素等,价格极高,需求极不稳定,麦克森公司以前的做法是:靠“猜测法”在几个分销中心都储备这类药品,再根据需要调货。通过IBM建立的决策模拟模型得知,尽管空运成本是卡车运送成本的10倍,但如果把这些药品全部储存在孟菲斯郊区的中心仓库,再空运给客户,这些昂贵药品的库存会降低1/2,节省的成本,用于支付高昂的空运费还有结余,并且这些药品的按时送达率,会由以前的80%上升到99%。最终,麦克森公司通过对大数据的应用,将库存成本降低了10亿美元,效率提高了约13%。
大数据在商品零售业也有光明的前景。世界零售业巨头沃尔玛,通过大数据统计与分析,发现男性顾客在购买婴儿尿片时,常常会顺便买上几瓶啤酒,于是,他们推出将啤酒和尿片捆绑销售的促销活动,非常有效地提高了啤酒销量。另外,沃尔玛在挖掘历史采购数据时发现,在预报有飓风通过的地区,消费者购买草莓果酱馅饼的数量是平时的7倍,而飓风到来之前,最畅销的商品是啤酒。于是,他们在飓风警报到来时,已经储备下足够的草莓果酱馅饼和啤酒,这样既充分满足了顾客需要,又获得了较好的销售业绩。
《大数据主义》一书中诸多案例告诉我们,现在及将来,那些价格越来越低廉的电脑与软件,再加上越来越开放、高效的网络,将意味着更多的企业参与到应用大数据的方法中来,提高效益或制定战略。
大数据的“黑洞”
当然,大数据在带给人们便利的同时,也隐藏着一个巨大的“黑洞”——安全问题。例如,美国最大的数据代理商,是总部位于阿肯色州小石城的安客诚公司,该公司已搜集了数亿名消费者的数据。该公司宣称,他们通过官方档案、购物数据、网上浏览习惯等渠道,归纳了消费者的大量信息,从而得出大多数美国成年人的相关数据,比如人们的年龄、种族、性别、党派、对度假的期望等,其深入细致程度是美国政府和其他互联网企业所无法比拟的。安客诚是向企业提供消费者信息的杰出供应商,也同时成为隐私权倡导者们最讨厌的对象之一。通过技术获取最大利益的同时,如何保护好人们的隐私权?怎样找到合适的平衡点?这是需要人类认真思考的重大问题。
到目前为止,“怎样才能将隐私方面的风险降至最低?”还没有明确的答案,但已形成了两个泾渭分明的阵营。一个自称“开明商业群体”的阵营认为:数据是一种资产,是信息经济的流通货币,因此数据像钱一样,只有自由流通才能创造最大的价值;他们主张,在制定保护隐私的规则时,关注点应该是“数据的使用”,而不是“数据的收集”。但是,“消费者与隐私权倡导者”阵营对仅通过限制数据使用来保护隐私权,表示怀疑和反对。
阿莱克斯·彭特兰,是麻省理工学院媒体实验室的一个团队负责人,目前,他的团队正在开展隐私权项目的研究和实验。他竭力主张“新型数据交易”,其中包含三个基本原则:“你有权拥有你自己的数据,有权管控这些数据的使用,有权选择你认为合适的方式销毁或发布这些数据。”2014年,奥巴马政府的大数据报告也再次呼吁,应当按照彭特兰提议的原则,加强对消费者数据的管控。与此同时,开发应用于数据管理的隐私保护工具,也成为一个重大的商机。
该书作者还从更宏大的视角,来观察大数据。他深刻地指出:如同宇宙大爆炸般飞速扩张的“数据世界”,不仅日益成为外在客观物质的“镜像”,而且正越来越多地包含人类自身行为的追踪和记录,成为人类观察和认识自我的一面“大镜子”。在大数据的帮助下,我们将会越来越清晰地看到这个世界的本来面目,也会越来越清晰地认识人类自身。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22