
大数据在电力上的应用_数据分析师
越来越多的数据影响和改变着我们的生活,大数据世界到底是怎样的?它会给我们的生活、工作、学习带来什么?中国在这场变革中将扮演怎样的角色?现任牛津大学网络学院互联网研究所教授,被誉为“大数据时代的预言家”的维克托〃迈尔-舍恩伯格,最有资格回答上述问题。
在商界,他的咨询客户包括微软、惠普和IBM等全球顶级的企业;在政界,他是欧盟互联网官方政策的制定者和参与者之一,先后担任新加坡商务部高层、文莱国防部高层、科威特商务部高层、迪拜及中东政府高层的智囊;在传媒界,许多知名媒体给予他高度评价。《经济学人》说,在大数据领域,他是最受人尊敬的权威发言人之一;《科学》说,若要发起一场关于大数据问题的深入讨论,没有比他更好的发起者了。 近日,《亮报》记者专访了这位洞见大数据时代发展趋势的数据科学家、畅销书《大数据时代》作者维克托〃迈尔-舍恩伯格,让我们来听听他眼中的大数据是怎样的。
智能电网的理念,是通过获取更多的我们如何用电、怎样用电的信息,来优化电的生产、分配以及消耗。在本质上,智能电网是大数据在电力上的应用。同样,智慧城市的互联设备,也会依靠大数据来确保其工作的有效性。 大数据为我们带来全新的视角 《亮报》:您为什么会提出大数据这个概念?我们应该怎样理解大数据?
维克托:如今,很多人关注到了“大数据”这个概念,以大数据为主要内容的著作也不少。很多人认为,所谓大数据仅仅意味着我们生活、工作中存在着的许许多多的数字而已。这样未免以偏概全,就好像说我们坐着飞机去旅行,从飞机上往外看时,我们只能看到飞机的两翼。 实际上,“大数据”并不是很大或者很多数据。数字只是大数据概念的一个方面,并非大数据的本质。大数据给予我们的不仅是数字的简单叠加,它为我们提供了一种全新的理解和分析问题的方式。 我所著的《大数据时代》这本书,目的是讲述大数据给人类社会带来的基础性的变革,解释为什么商业、人群以及社会能够从大数据中获益。
我认为,大数据从思维、商业、管理三个维度会给人类带来变革和挑战。在大数据时代,处理数据理念上有三大转变:“不要随机样本,而是全体数据”“不是精确性,而是混杂性”“不是因果关系,而是相关关系”。 《亮报》:在实际应用上,大数据会对哪些行业产生影响,产生什么样的影响? 维克托:大数据开启了一次重大的时代转型,无论是商业、思维还是管理,都无时无刻不在受到数据的影响和改变。
由于有了大数据,我们能够从大量的数据中洞察到世界各行各业以及人类的行为规律。举个例子,通过大数据,我们能够预测到两个星期以后航空公司的机票价格,并且准确得令人惊讶。 还有很多重大的事件都是大数据能够预测到的,比如流感的扩散、通货膨胀率的增长等,我们可以在事情发生前就主动采取措施,而不是事情发生了几个星期或几个月后才去做。很多时候,数据是最权威的,它可能会有悖于常人的惯有思维和认识,但它却是最客观准确的。
大数据促使商业满足个性化需求 《亮报》:请您具体谈谈大数据在生活中的应用有哪些?对生活会产生怎样的改变?对于普通人来说,我们应该如何更好地应用大数据为我们带来便利? 维克托:生活中的各个方面都会因大数据发生变化。在医疗保健方面,与按照人类平均水平给予标准化的药物治疗相比,大数据可以针对个人所需给予针对性的药物治疗,以便改善身体状况。在教育方面,教师可以准确地知道一个学生需要什么样的帮助,什么方法对不同的孩子最有效,这样学习就能比现在获得更大的提高。 利用大数据,我们可以对汽车进行“预测性保养”,通过分析大数据,我们在发动机真正报废之前就能知道它什么时候可能要坏掉了,这样我们就可以采取一些预防措施。
对于我们普通人来说,在应用大数据上,我们自己不用做太多。爆炸式增长的商业机构会利用大数据为人们提供新兴的服务。我们需要做的,就是利用大数据为我们带来的一些新的可能性。 实际上,我们已经从大数据中获益了。举例来说,我们用搜索引擎搜索出结果,或者用垃圾邮件过滤器屏蔽垃圾邮件,这些都是大数据带来的好处。 《亮报》:大数据能解决所有问题吗?为什么? 维克托:大数据不能解决所有问题。现在,大数据已经成为很多人谈论的问题,这导致人们以为,大数据能解决所有问题,而当大数据无法解决某些问题的时候,人们就会认为大数据其实很无能,于是抛弃了大数据。
我要说的是,大数据能够帮助我们理解事务之间是如何相关且联系的,它能帮我们做出比现有结果更好的预测。这是一个巨大的进步。我们现在要做的是让大家知道大数据是什么,能起到怎样的作用以及我们应该如何利用大数据。
大数据并不是一个充斥着算法和机器的冰冷世界,人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案,只是参考答案,帮助是暂时的,而更好的方法和答案还在不久的将来。 中国是数据潜力大国 《亮报》:在大数据时代中,中国扮演着怎样的角色,会起到怎样的作用? 维克托:中国是具有巨大潜力的大国。无论是商业还是社会,无论是大事还是小事,大数据都会帮助决策者做出更好的、更准确的、更明智的决定。通过大数据,中国会发掘出更多潜力。 在《大数据时代》这本书中,我们也描述了大数据所带来的弊端,其中,对个人隐私的威胁便是其中之一。我建议,在大数据时代,应建立新的、能够更好地针对隐私信息的法律。西方现有的很多法律,只适用于小数据时代。
在大数据时代,法律需要调整和重建。比如,政府不能仅仅依靠一个笼统的管理政策,而是要制定更细、针对性更强的法律法规,使它能够覆盖所有应用数据的领域。在这方面,如果中国先行动起来,将会超越西方。 《亮报》:在智能电网、智慧城市以及电动汽车的发展中,大数据起到了怎样的作用? 维克托:智能电网的理念,是通过获取更多的我们如何用电、怎样用电的信息,来优化电的生产、分配以及消耗。在本质上,智能电网是大数据在电力上的应用。同样,智慧城市的互联设备,也会依靠大数据来确保其工作的有效性。 在电动汽车的应用上,IBM做过一项工作。
IBM曾与加利福尼亚的太平洋天然气与电气公司以及汽车制造商本田合作,收集了大量信息来回答关于电动汽车应在何时何地获取动力及其对电力供应的影响等基本问题。 基于大量的信息输入,如汽车的电池电量、汽车的位置、一天中的时间以及附近充电站的可用插槽等,IBM开发了一套复杂的预测模型。它将这些数据与电网的电流消耗及历史功率使用模式结合起来。通过分析来自多个数据源的巨大实时数据流和历史数据,能够确定司机为汽车电池充电的最佳时间和地点,并揭示充电站的最佳设置点。
最后,系统需要考虑附近充电站的价格差异,即使是天气预报,也要考虑到。例如,如果是晴天,附近的太阳能供电站会充满电,但如果预报未来一周都会下雨,那么太阳能电池板将会被闲置。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04