京公网安备 11010802034615号
经营许可证编号:京B2-20210330
公民聚众从此拥有巨量资料,足以撼动政府的判断
到目前为止,所有的「大数据」书籍都在告诉我们大数据对人类的负面影响,大数据会侵犯我们的隐私。但本书一反这样的立场,改从教育、天气、公民意识、犯罪预防、亲密关系、公共安全等不同的领域着手,探究在遥测个人化的未来,大数据可以为个人带来什么样的利益。
我们已经踏入「遥测个人化」的未来世界门槛。我们已经具有能力,可以用以往想像不到的准确度,预测未来生活的大小事。未来十年间,以电脑辅助的未来预测将是职场、人生裡的主流,不单是能够预知地震、疾病,甚至连个人的行为也在掌握之内。
此时你所拥有的各项智慧型装置装置,陆续已能利用你的手机所透露的位置、讯息、你的朋友发出的推文或脸书讯息,预测出与你切身相关的事。例如,市内发生了紧急灾变,你该往哪条路走?哪裡还有物资?你是救灾人员的话,进入现场前能否预先看见现场的实际情况?
脸书如何把你变成广告
如果二○一○年八月十四日到十月四日间你有在用脸书,或许你也成了实验的一员。脸书把二亿五千叁百万名用户变成感染效应研究的实验受试者。所谓的感染效应,不是说脸书创办人马克.祖克柏(Mark Zuckerberg)放出一堆病毒到自来水裡(他还没)。脸书资料科学团队正在监看的感染事件和资讯有关,那就是URL以及它们如何透过人们传开来。
实验是这样做的:你被随机分派到两群人裡的一群。如果你被放到第一群,则当某位朋友发表一则故事时,你在动态消息看到它的状况一如往常。如果你在第二群,那个故事在动态消息裡被排更下面的地方,使它更不容易被看见。实验目的是检验用户在不知道有人已分享过的状况下,分享新闻、影片、或连结的可能性。脸书对资讯传染性的兴趣不只出于好奇。顾客的朋友的脸书动态,是顾客有多可能抛弃某个公司或品牌、或养成一个新习惯(以及其他事)的指标。
脸书这个实验的主持人是艾坦. 巴克希(EytanBakshy),是资料科学团队的明星成员。巴克希本人非常年轻,就拥有这样令人称羡的工作,能拥有数亿用户供他实验。他身上带着电视人物「伦纳德」的特质—这个人物是电视喜剧《宅男行不行》(The Big Bang Theory)中,强尼.格莱奇(Johnny Galecki)饰演的实验物理学家。但巴克希看起来更严肃一点…也更聪明一点。
脸书团队知道,如果他们能证明使用者在没有朋友分享过某样东西时分享它的可能性,也就证明了使用者从朋友那裡看到连结再分享的可能性多了多少。促使人们在越来越大的社交网中分享资讯,就是脸书的价值所在。能够证明脸书动态消息以及其中分享的资讯能造成行为改变,是脸书商业模式极重要的一个功用。巴克希和他的团队发现,你分享一篇朋友所分享文章的可能性,是没有社交提示时分享它的七.叁七倍。这个实验也让脸书看出,一个更困难的问题有个更有赚头的答案:你和不同人的关係,如何影响你喜欢他们所喜欢东西的可能性。
由于所谓的同质相吸(homophily)现象,也就是类似的人展现出类似行为的倾向,了解购买行为中谁正在影响谁,是个模煳的问题。如果你和我都上人文学院,都有同样收入,工作性质类似,又都有一些重叠的人口统计特性,我们就很可能会各自独立地转贴一篇《纽约时报》裡的大报导在脸书上。如果这篇文章出现在你的动态之前就出现在我的动态,就不清楚是否我影响了你去转贴它。你可能只是刚好在我转贴之后看到那篇文章。资料科学团队的实验提供公式来判断社交网中谁启发谁分享什么。但该研究最令人惊讶的发现是,跟你最亲近的人对你在网路上行为的影响力,不一定大于那些名义上的朋友、那些跟你在真实世界顶多只泛泛之交的人。本文来源:CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10