京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11