京公网安备 11010802034615号
经营许可证编号:京B2-20210330
认清大数据四大误区:大数据终将消除经济自由是最大谬误
在互联网时代,大数据已充斥了我们生活和工作的方方面面。有了大数据,人们对于经济社会的认识与把握进入到一个全新的时代,即进入到一个较信息经济更高位阶的新阶段,也就是“数字经济”。数字经济时代,似乎“谁”“掌握”了大数据,就能够对经济活动乃至经济社会做到“全知”,进而能够“预知”经济社会的未来,甚或能够“全能性”地主宰经济社会,但其实这些都是关于“大数据”的认识误区。
误区一:大数据终将主宰经济社会,消除个体差异,成就一元化的经济体系。
网络经济时代,人们在经济社会中的诸种活动通过网络账户体系来实现,这些活动也就是所谓的网络账户活动,其基本内容更多地体现为账户间的关系。这些账户活动及其账户关系是由数字网络程序所设定的、驱动的,且被实时地记录下来。这就形成了所谓的“大数据”。因此,大数据来源于大量的网络账户的活动及其有效的记录,简言之,大数据是网络账户数据。
有人认为,大数据意味着“全知”,进而“全知”意味着“全能”,发展开去,大数据终将主宰经济社会,消除个体差异,成就一元化的经济体系。这是关乎大数据最大的谬误。
“大数据”是“经济自由”所投射下的数字影像,它无法反噬掉“经济自由”,成为经济社会的主宰。经济社会中的大数据,是经济活动的网络化、账户化、数字化的产物,是经济人自由意志的集合映射。换言之,没有高度的经济自由,没有充分而多样化的经济选择,就无所谓“大数据”。
大数据就是社会经济活动的一层“数据化的外衣”而已,不管它多么服帖、合体或随心,活动着的是里面的“身体”,且这个“身体活动”是自由意志所决定的。如果认为掌握了大数据就能影响乃至决定人们的经济决策,将自身的意志贯彻到别人的头上去,这就是本末倒置了。
误区二:大数据是全量数据,能够预知未来。
“大数据”并不能“全能性”地预设未来,但是能否“先知”般地预知未来?同样,做不到。因为,大数据在时间上是有约束条件的。依凭历史数据,能够预知未来吗?
大数据是全量数据,源于事实,也是事实,它并非既有经济理论变量性的函数分析,并不能在时间轴上理所应当地延展开去。在时间轴上,大数据终归是局部的,远非全量,它是实然的,是已发生的,即其性质上仍然是历史数据而已。
大数据本身不是先知,也没有谁能通过大数据成为先知。基于大数据并不能建构所谓的“历史规律”,更谈不上把同大数据有所谓“关系”的某人或某类人嵌入到这一所谓的历史规律中去,进而使其发挥主观能动性,担纲某种角色。历史数据对于未来有一定的作用,但是根本上讲,历史数据并不能决定未来。没人能够凭依大数据而可预知未来,成为先知。
误区三:大数据包揽一切信息。
数据的标准化与格式化,决定了大数据不是“全息”的。
全知是指在一定标准或口径下的全量数据,但并不意味着包揽所有信息。信息的完整性是一个抽象而复杂的问题。数据信息往往是静态的,是在一定时间点下的结论,其被有效地获取甚或表达出来,就意味着一部分信息是确定的、静态的,而另一部分则是不确定、动态的。这就好像猫的眼睛一样,当你用相机去拍摄它时,它便发生变化,也就是必然丢失掉或隐去一部分信息。所以,全知是就对象自身而言的,并非是与对象有关的全部信息而言的。
现实中,人们对于大数据的感受确是非常丰满有力、醒目而刺激的,这种情况一时间使人们感性上误以为这就是全息的。事实上,这种情形以往也反复出现过,有如第一次听到电话听筒里传来另一端亲友的话语,便以为那是真声音。
误区四:把“大数据”当作“小数据”用,分析采用部分局部数据。
经济社会中,如果取得的数据样本有限,就需要确立有效的分析框架,建立模型,确立函数关系,做回归分析。然而,如果样本不仅是充分的,而且是完整的,是全量的,那么数据分析就要摆脱既有的旧模式了。从全样本的大数据中,收窄样本数量,只选取部分样本用来分析,是一种缩量的方法,缩量样本分析后的结论又要适用于总量,这就是对大数据的“小用”。
举例来说,如果能够获得一个城镇全部机动车以及全部外埠入城车辆的运行状况,我们就可依所设议题来直接抓取数据,获得结论。抽样建模分析及其回归分析,就不仅累赘,而且极有可能铸成大错。简单来说,大数据,就是扳手指头数不过来的状况,交给机器与程序去“扳”,不仅数得过来,而且数出来了。大数据往往更多地可以直接抓取并使用,而非在数理化、模型化、函数化等“加工”后再使用。
大数据具有完整性和全局性的特质,如果采用部分局部数据,然后试图得出超出部分局部数据范围的结论,这种既有的思维惯性,并不适用于大数据的逻辑和现实。大数据不能当作小数据用,小数据终归拼不出完整的大数据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 多表进阶与 DDL/DML 连接 · 子查询 · 合并 · 建表与书写规范 ” 三、DQL 多表进阶:连 ...
2026-11-20 前面讲了怎么搭指标体系,但很多团队卡在最后一步:高层定了一个漂亮的目标,往下一层层写进周报,最后却落不到任何人的具体 ...
2026-11-20 很多团队做数据分析的现状是:老板要一个数就拉一个数,周报里堆满了 GMV、DAU、转化率,却没人说得清这些数之间是什么关系 ...
2026-11-20这周你大概又经历过一次:报表自己跑了,SQL 让 AI 写了,连周报初稿都不用自己动手。你一边松口气,一边心里发慌——那我还剩什 ...
2026-11-20 做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12