京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代下:不要学“老子”
两千年前,老子在《道德经》中说过“小国寡民,老死不相往来”的道理,可是在信息无所不在的大数据时代下,“老子”的思想并不合适,那是因为我们每一个人都是公共领域和媒介空间中的一员,唯有做到共建共享,协商合作,互利互助,才能在“善治”和坚守中维系好我们共有的公共家园。
当前,网络化生活催生的信息消费习惯,正将个体的私域与公域无缝链接。从时政资讯到娱乐科技,从商业消费到政治参与,我们正按照自己的信息消费习惯、内容偏好和行动逻辑,在定制和消费大量文字、图片、视频、多媒体等信息数据的同时,正不断制造和推衍出一个个“数据王国”。实践表明,越是当我们频繁借助手机移动终端、社会化软件抑或是自媒体通讯工具,进行信息的浏览获取、信息的交互共享以及电子商务平台的资源整合应用等,我们越是在无形之中共同编绘起一张张“信息图谱”和“数据网络”。正因如此,大数据时代的预言家维克托迈尔-舍恩伯格在《大数据时代:生活、工作与思维的大变革》一书中指出:“大数据开启了一次重大的时代转型。就像望远镜让我们能够感受宇宙,显微镜让我们能够观测微生物一样,大数据正在改变我们的生活以及理解世界的方式,成为新发明和新服务的源泉,而更多的改变正蓄势待发。”
面对“万物皆联网、无处不计算”的大数据时代,我们似乎正从被动式的web2.0的“推时代”快速过渡到主动而为的web3.0的“拉时代”。我们知道,传统意义上的“推时代”,注重的是个体借助某个媒介讯息平台,以附属的参与性角色推动着信息的交互共享和频繁更迭。相反,进入“拉时代”的最显著特征在于,每个人都是信息的生产与再生产的关键中心,个体已从附属的参与性角色转化为主动而为的信息生产性角色。
随着个体信息中心的生成,每个人都可以借助手中的自媒体平台和社会化软件,自由开启手中信息的“核按钮”,成为信息的策源地和信息发射终端。于是,大数据时代我们总会看到这样的情形发生:一方面是大数据时代开启的自助式信息服务平台,快捷、海量、多样性、前沿性的信息资料渗透到我们生活的方方面面,为我们的知识获取、资源整合、现实转化与应用等带来极大的便利和效益;另一方面是面对碎片化、歧义化、复杂化、多元化的信息资料和数据流,各式各样的信息终端和发声管道,让我们很难辨识信息的真伪和虚实,各种谣言和人为故意扭曲的“小道消息”,充斥着虚拟公共领域和媒介网络,这些多点面、多中心、多渠道的不同信息“版本”和信息源,极有可能在瞬间颠覆公共秩序、挑战社会的伦理底线,进而引发连锁反应的公共危机。
以最近牵动着全球亿万颗心的马航MH370航班搜救事件为例,人们在为飞机上来自13个国家的239人的生命安全祈福接力的同时,也以善意的持续关注,摇身一变成为“福尔摩斯”,争先恐后地传递和报道着失联飞机的最新进展。有人说飞机已经安全着陆,也有人说飞机不幸坠海失事,还有的说飞机遭到“自杀式”恐怖袭击,各种渠道的流言和“小道消息”满天飞。面对即时的信息播报和数据传递,各种花样翻新的传闻和谣言一次次挑战人们的敏感神经和承受能力。有人慨叹,在科技和资讯如此发达的时代,纵使全球多个国家以史无前例的规模和力度参与到搜救行列中来,却依旧难以确定飞机的最终下落。
然而,当我们在为生命的脆弱感慨和焦虑的同时,似乎更应该理性地停下来思考:在这个高科技催生的四通八达的大数据时代,我们在享受快捷便利的信息和数据之余,是否更应该为在无意之中成为谣言的“二传手”而心生自责,抑或是“个体自发式”生成的随意数据表达和信息传递,是否也在无形之中给人类自身带来无尽的麻烦和灾难。很显然,马航搜救事件中信息混乱和谣言满天飞的局面,在给失联飞机上的乘客家属带来心灵伤害的同时,也给搜救行动带来了无形的麻烦和困扰。
“破窗效应”理论早就告诉我们:如果一栋建筑物上的一扇窗户的玻璃被人打碎了,但又没有及时得到修复,于是那些看到“破窗”的人们便可能在无形之中受到心理暗示和纵容,去继续打碎更多的窗户玻璃。长此以往,“破窗”的诱导性或暗示性影响,会给人们造成一种杂乱无章、无规则底线的心理错觉,从而诱发各种非理性的群体极端化行为,使社会秩序和伦理底线遭到彻底的破坏和挑战。同样的道理,大数据时代,个体自发式的、随意性的、非理性的媒介讯息传播行为习惯,如果得不到及时的规避和管控,那么,人们自娱自乐式的谣言编造、情绪宣泄、数据歪曲传递等,只会日益加剧虚拟公共领域的信任裂痕,那些突破常规和道义底线的恣意传播行为,只会更加加剧公共空间的戾气和不安,并最终导致“破窗效应”的连锁反应,从而危害到我们每个人的切身利益。
由此可见,大数据时代,确立共有的公共规则和行为底线,倡导理性化舆论公共空间和虚拟公共新秩序成为现实逻辑使然。正如维克托迈尔-舍恩伯格给予我们的忠告:“尽管大数据的力量是那么耀眼,但我们必须避免被它的光芒诱惑,并善于发现它固有的瑕疵。”今天,面对来势汹汹的大数据时代,为了每一个社会共同体成员能够共同享有大数据带给我们的快捷与便利、知识与财富,我们就必须大力倡导公共性价值建构,以促进公共领域的善为责任担当,以维系公共媒介空间的公共秩序为己任,以期在公共现实生活实践中养成公共理性的行为习惯。一方面,要强化公共精神的培育和形塑,通过知识教育和心智模式重构,以引导人们超越狭隘的个体私域和自我利益,通过规则意识、底线意识、独立人格意识和公德意识的培育和熏陶,从而提高人们利他的思想境界和公民素养。
另一方面,要建立和完善理性成熟的沟通对话和协商机制,通过打造反应灵敏、快捷高效、价值中立的多中心公共治理协商机构,以便第一时间对不合理的行为现象予以纠偏,以最大化地整合和凝聚社会共识。
此外,还要强化“在场意识”,无论是个体、媒介运营商抑或是公共信息媒介平台,都要强化公共责任意识,以在场的行为意识和专业、敬业的精神强化信息的整合与分析,在最大化考量信息用户最直接利益关联的情形下,强化信息和数据的权威发布。
大数据时代,人与人之间需要沟通,需要建立良好的沟通渠道,“老死不相往来”的道理已经不适用了,因此,大数据时代,不能学习“老子”,要与时俱进,根据时代特征,实现信息共享共建,从而构建美好家园。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21在实际业务数据分析中,单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表,想要挖掘“ ...
2026-01-21在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20定量报告的核心价值是传递数据洞察,但密密麻麻的表格、复杂的计算公式、晦涩的数值罗列,往往让读者望而却步,导致核心信息被淹 ...
2026-01-20在CDA(Certified Data Analyst)数据分析师的工作场景中,“精准分类与回归预测”是高频核心需求——比如预测用户是否流失、判 ...
2026-01-20在建筑工程造价工作中,清单汇总分类是核心环节之一,尤其是针对楼梯、楼梯间这类包含多个分项工程(如混凝土浇筑、钢筋制作、扶 ...
2026-01-19数据清洗是数据分析的“前置必修课”,其核心目标是剔除无效信息、修正错误数据,让原始数据具备准确性、一致性与可用性。在实际 ...
2026-01-19在CDA(Certified Data Analyst)数据分析师的日常工作中,常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量 ...
2026-01-19在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16