京公网安备 11010802034615号
经营许可证编号:京B2-20210330
闲暇的时候,我最喜欢去书店“游览”。书的内容姑且不说,光是花花绿绿的封面,就常引我流连忘返。这一次,两本书的封面格外吸引我的眼球。
一个封面的图案是一只跳舞的大象,前腿腾空,竖直向上的长鼻子冒出五颜六色的电线(导线),书名是《大数据——一场即将改变我们生活、工作和思维方式的革命》。另一个封面的图案是英国画家约瑟夫·怀特画于1766年的一幅油画,画面内容是一位哲学家正在讲解太阳系,讲解人严肃认真,听众神情专注,代替太阳的烛光将两名求知儿童的脸庞照得亮堂堂,书名是《启蒙思想——为什么它依然重要》。
《大数据》的封面构图是说,数字化时代的数据非常大,大得就像动物世界的一头大象。而大象却要翩翩起舞,预示着一场数据化革命即将到来。《启蒙思想》的封面通俗易懂,日心说推翻了地心说,启蒙思想恰似普照大地的阳光,引导人们走向光明。
2008年世界经济危机爆发后,全球经济时好时坏,蹒跚跌撞地折腾到现在。有人说,5年来,世界经济犹如在黑暗中跋涉,偶现曙光却转瞬即逝。全世界人民都很焦急,盼望新经济模式助推经济发展。现在,大数据喧嚣登场了,似乎可以将世界经济引出黑暗。
什么是大数据?《大数据》一书未能给出确切定义。我以为,从本质上讲,大数据首先指的是数据的数量大(VOLUME)。2013年,世界存储的数字化数据将达1.2泽字节。这么大的数据究竟有多大?形象一点说,如果把这些数据印成书,一本挨一本平铺,可覆盖52个美国;若刻成光盘且将之垒成5堆,那么,5根光盘“通天柱”可直达月球。
大数据的第二个特点,是数据的增长速度快(VELOCITY)。德国发明家古登堡1439年发明铅字印刷后,欧洲第一次出现了信息爆炸。美国历史学家伊丽莎白·爱森斯坦研究发现,1453年-1503年的50年间,欧洲约印刷了800万本书,超过了之前欧洲所有手抄书的总和。也就是说,欧洲的信息储量用50年翻了1倍。而现在,美国信息专家马丁·希尔伯特说,数字数据储量每3年就会翻1倍。人类存储信息的速度比世界经济的增长速度快4倍。
当然,大数据还具备如下3个容易理解的特点:种类多(VARIETY)、准确(VERACITY)和价值(VALUE)。
在世界经济苦难挣扎之时,许多聪明的商家把目光瞄上了具备上述“5V”特征的大数据。他们认为,世界储存的数据虽然庞大,但其已被利用的价值只有一小部分。如果转变思维方法,将这些数据重新组合和处理,其潜在价值之大难以估量。
比如说,美国社交网站脸书(FACEBOOK)有10亿用户,网站对这些用户信息进行分析分类后,广告商可根据分析结果精准投放广告。因此,对广告商而言,脸书10亿用户的数据信息值1000亿美元。
另有分析显示,2012年,运用大数据的世界贸易额已达60亿美元。2016年,这个数字预计将达200亿美元。
既然重新处理数据能赚钱,一些具有用户信息优势的公司,如谷歌、微软等,都会尽其所能搜集其需要的信息。这样,至少有两个问题已凸显了出来。一个是如何保护个人隐私问题。奥美公关公司最近公布的一份调查报告显示,75%的人不希望企业存储自己的个人信息,90%的人反对企业收集自己上网浏览网页的记录。另一个是如何防止信息垄断问题。由于谷歌、微软等公司用户数量上的绝对优势,它们占有的用户信息也就占有绝对优势,再加上这些公司还有信息储存、传输和分析技术上的优势,它们也就很容易垄断数据贸易市场。
近年来,欧盟一直在调查微软和谷歌在侵犯个人隐私和信息垄断方面的问题。如果指控被证实,这两家公司将面临重罚。其他国家也应向欧盟学习,提前从速立法,以规范可能日益繁荣的数据贸易。
从经济角度讲,大数据及其产业链到底能带来多大效益,现在还不好估量。但有一点可以肯定,即使大数据可以引领某个行业暂时繁荣,也可以成就许多亿万富翁,但却不能从根本上扭转目前世界经济的颓势。因为,从根儿上讲,大数据充其量是一次如何充分利用现有数据的思维转换,而非彻底改变经济模式的“大思想”。
什么是“大思想”?我以为,凡是构成某一行业从无到有之基础的思想,就是“大思想”。比如说,德国启蒙思想家莱布尼茨曾写过《1与0,一切数字的神奇渊源》一文,从而发明了二进制。没有二进制,很难想象会出现现在的计算机和数字化;没有计算机和数字化,又怎能出现IT行业和大数据呢?
再比如,英国启蒙思想家亚当·斯密1776年发表《国富论》一书。可以说,没有斯密倡导的“看不见的手”,很难想象会有现代自由市场经济;没有自由市场经济,人类的物质生活水平就很难发展到目前的富裕程度。英国史学家巴克勒在《文明史》一书中说:“从人类财富创造的角度看,斯密超过了所有政治家。”
要想医治当前世界经济的病态,大数据之类的思维变换或许在治标上能起一定作用。但要治本,还需催生科技创新的“大思想”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31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