
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04