
为什么大数据会让你害怕
腾讯拿到民营银行的执照,互联网圈内同行议论纷纷的同时,最害怕的就是招商银行之类把客户服务根植在微信的金融机构了。在大数据时代,数据收集将是商业经营的起点,你会安心的把自己的数据交给自己的竞争对手吗?
不光是企业,其实每个人都要害怕大数据。亚当和夏娃在伊甸园吃了苹果之后,第一件事就是给私处遮上树叶。大数据时代,不小心拍得照片可以让你一夜成名,你的想法、行为、过去都被商家记录,你其实每天都生活在天体海滩。
现在小崔和方舟子还在争辩,转基因是世界人口爆炸的福音还是对人身体的伤害?这个辩论,时间会给出答案,但是大数据更是一个值得大家争辩的事情,因为大数据涉及了我们的生活习惯和社会法则。大数据带来的副作用,大大超过了以前人类发明的范畴。
商业的大数据就是通过电子化数据的收集,包括手机轨迹,通话,信息,上网行为,购买,旅游,金融,等全方位的数据收集,对你进行分类、判断,推销。
作为国内电商时代的开启者,淘宝上云集了数量惊人的数据:每一笔订单不仅包含顾客姓名、收货地址、下单时间等基本信息,甚至连顾客什么时候开始浏览某一件宝贝,跟售前客服讨价还价的过程,在几点几分下单成交,都有全部记录。通过这些信息记录,可以鉴别出你喜欢的东西,推断你的身份、收入、银行存款、家庭事业状况等等。
在互联网日益繁荣、BAT三巨头触角无所不达的今天,越来越多人的工作、生活、社交都逃不开百度、腾讯、阿里、360等大小互联网企业甚至个人的全方位数据监控。
有许多人认为掌握了越多的数据,越详细的数据,就有机会通过“大数据”分析法来获得一个金矿。但当这些网站比你妈还更了解你的时候,你感觉到的不是关怀,而是恐怖。
现在的大数据分析,缺乏取样标准,不代表真实的因果关系。
在传统的统计学里面,最重要是数据的采样。比如一种药物的有效性,需要两组对比人群,在严密的实验条件下,长期跟踪,才能都出结论。现在的大数据分析,往往是数据的堆积和简单的关联分析。
从严格的科学来讲,是一门伪科学。因为数据只是数据,只是过去,简单的数据积累不说明任何问题,不能真正判断一个人,预测一件事。
如果基于大数据武断营销,那就是真正的恐怖了。从以下几个方面,就可以看出为什么大数据会让你害怕:
在移动互联网时代,我们的朋友更多出现在网上。社交网络、QQ、微信、微博取代了面对面的人际交流,虚拟交流也在改变世界和人。基于大数据的应用流行之时,将有大量的人借用和盗用网络身份,达到个人目的。也许你从来没有离开老家,你的网络大数据却涉嫌犯罪。
在一切看数据说话的今天,每个人、每个企业和商家或多或少都在改变数据。因为各种利益关系错综复杂,报出来的数据往往都应景而异。大数据时代,有意的网络数据造假也能成为一个商业领域,用来帮助别有用心的人或商家制造数据。
比大数据更复杂的还是人。从心理学的角度,让人做出选择,就意味着要舍弃其他的可能性,这是一件异常困难的事情。人的认识和选择会应为各种原因,产生跳跃性的变化。如果按照数据分析,把人丢进一个箩筐终生定格,据此给他不光是特定类的商品,进而决定他能否从事某件事,限制他的网络视野,也是很不合理的。
例如,把大数据作为广告精准投放标准,虽说有一定合理性,但也并不绝对,这是由于人类的购买心理十分复杂。比如说有个消费者只是浏览了一辆汽车,跟着是汽车广告通过各种方式和渠道的狂轰滥炸,除了骚扰,并没有效果。
完全依赖大数据进行分析、对人进行分类,其实将触及社会不公和歧视。作为商家,考虑到经营成本、营销利润和效率,其实暗地里都会打着各种小九九,而不是表面上把各类消费者一视同仁。毋庸置疑,高端消费者是各类企业的最爱,而低端消费者却让企业皱眉。
但现在呢?每个人的消费记录和各种数据都被电子化的方式采集和收集着,一举一动逃不过大数据的记录。对保险公司营销员来说,你这个人的所有信息数据可以一览无余,不用你开口,他已经判断出是不是需要让你参保、保费标准等等;消费数据记录和售后服务记录,甚至都能让卖家挑选买家,把你列入顾客黑名单也不是不可能。
不可避免的,一旦成为数据穷人,那么就会面临歧视服务,所有消费者都是平等的这句话将成为历史。
目前的商业格局是:两方数据垄断势力正在形成,一方是国营企业,如电信、电力、医院等,一方是以BAT为中心的互联网大佬。特别是后者,在广泛收集数据之后,已经以大数据为依托,开始布局全行业的垄断性的经营,范围包括电子商务,教育,医疗,物流等。而这些垄断一旦形成,将大大降低中国企业的创新能力和竞争能力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13