京公网安备 11010802034615号
经营许可证编号:京B2-20210330
为何大数据比不上好直觉
大数据是一笔大生意。感应器、GPS跟踪、数学建模和人工智能给企业带来了大规模的实时市场洞察力,为监控、定位、衡量员工和顾客开辟了史无前例的新方法。分析公司高德纳(Gartner)预计,采用大数据技术的公司将“在所有可测的财务指标上超过竞争者20%。”
大数据可能是“新的石油”,但我要提醒大家,不要把它当作一个新的信仰来崇拜。身处数据洪流之中,我们不仅失去了对商业的大局观,还失去了部分人性。如果我们认为更好的生活就等同于更好的算法,还能留下多少创新空间?
我不是有数据恐惧症,我担忧的是纯粹依靠数据。我不反对定量的测量方法,但我质疑它们作为商业表现、社会繁荣和生活意义等重要指标的共识性。

大数据有许多好处,不过我们还需要用“大直觉”来完善它。以下是六大理由:
大数据=老大哥?《纽约时报》(New York
Times)的史蒂夫?洛尔把大数据看作美国管理学家泰勒的“科学管理”的传承。泰勒主义的核心是业绩表现,而如今我们开始衡量快乐感和幸福感、消费偏好、社交关系、体育活动、态度、情绪、情感、行为和身体机能——换句话说,我们在评测自己的生活。
当然,某种程度上说,“量化自身”的应用程序能让人们更好地控制自己的决定。然而,如此一来,我们就在自我改善这一想法的驱使下,把曾经私密的领域开放给了商业世界。
大数据不具有社会性。人类是社会动物。研究显示,人与人之间的关系,尤其是友谊与婚姻,是快乐和自我实现的关键因素。我们的大脑有着关心的本能,我们的心脏和思想有着领会同类并与他们产生共鸣的惊人能力。我们能表现出同情,感受到情绪波动,察觉到非语言的细微暗示,容忍或拥抱,接受与拒绝,爱与痛,体会到我们所有的感受,做出不合理的举动,丧失自制力。这些人性的关键特质受到了里昂?维瑟提尔所称的“主观数字化”的威胁。
最近的社会基因研究显示,数字过载不仅降低了我们的生产力,还削弱了我们进化出的与他人交流的能力。
大数据造成小世界。道德感通过共鸣而增强。矛盾的是,在这个高度连接的时代,我们越来越需要面对一个挑战:与想法、价值观、信仰、信念和文化相异的人们交流。数字技术可以根据我们的偏好,为我们定制线上和线下的社交活动,我们越来越沉浸在自己的世界中——正如艾利?帕雷瑟所说的“过滤泡泡”。它通过智能算法,向我们提供熟悉的内容、文化和同伴,同时把这些东西直接砸入我们的舒适地带。我们不“赞”与我们不同的人和事物,陷入了社会和文化上狭隘的恶性循环。
大数据让我们更智能,而不是更有智慧。我们这个数据驱动的世界不仅变得更小,还变得更快。信息的实时传递促使我们不断地立刻做出回应。道格拉斯?洛西科夫打趣阿尔文?托夫勒1970年的着作《未来冲击》(Future
Shock)的书名,将我们现在的状态称为“现时冲击”(Present
Shock),他哀叹,“一切不是发生在当下的事情日益遭到漠视,而一切被认为是发生在当下的事情又让人应接不暇。”
数据可以迅速为我们提供信息,不过要快速做出意义深远的决定,直觉是更好的工具。普拉萨德?凯帕和纳威?拉裘在最近的一本书中力劝商界领袖进行“从智能到智慧”的转变。他们的意见很中肯。拥有智能的公司和领袖依靠持续的反馈成长起来。智能很快,智慧却很慢。拥有智慧的公司和领袖需要时间来实现转变。
大数据(过于)明显。“你只能管理你所测量到的”——真的吗?金融危机已经证明我们对于所测量的事物管理得很失败。失败的兼并、失败的产品发布、信誉危机、社交媒体的灾难,这一切都证明,我们需要更好地管理那些我们无法测量的事物。
正如设计界的思想家罗杰?马丁所言,领袖需要“兼听则明”。评价21世纪的商界领袖,不再看他/她能排除多少不确定性,而要看他/她能忍受多少不确定性。
大数据不敌直觉力。数据也许能预测新问题,也许能找到已知问题的新解决办法,不过只有人类的直觉和巧妙心思才能提出开创性的新想法。这是独一无二的人类天赋——它远远超过解决一个问题,超过满足某个功能需求的层次。
同样的,如果我们量化所有的人际关系,就无法给人类的判断力留下任何回旋余地。因为我们常常把对人们的感觉和他们的行为混合在一起,我们的判断力比二进制数字更加复杂。它意味着我们可以对双重行为有着更细微的评估和反应,我们可以选择将失败视为创新的先决条件。很难想象,如果我们丧失原谅的能力,如何还能朝着任何目标前进。
让我们抵抗冲向数据的欲望,花时间沉住气,必要时再加快步伐。让我们允许自己不时从数据中解脱出来,去思考什么才是真正重要的东西。让我们用数据来讲述自己故事,但不要让数据成为我们唯一的故事。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21