京公网安备 11010802034615号
经营许可证编号:京B2-20210330
[一切的结果都是取舍的结果。]
这两天粗读大数据。发现了一个问题,提出了一个疑问。
发现的问题是:大数据与大脑有相关性。大数据在日常生活中已经开始应用广泛,它的本质不是传统的数据统计带来的简单的因果关系,而是数据的相关关系。在相关关系分析法基础上的预测才是大数据的核心。这让人自然会想到大脑的功能,每个人的思维就是一个大数据处理体系,如果有的人擅长去寻找不同事件之间发生的因果关系,那么这个叫做因果错觉,因果错觉容易发生在女性身上,因为女性因性格敏感等特点,会不自觉的将事情发生的结果,采用自己主观判断来归因,但事实上,事情之间的相关关系才是真正的关系。人的思维体系中,相关关系更加重要,相关关系代表调取大脑中的既往相关经验,来处理眼前的事情,更加客观。
大数据将开启一次重大的时代转型。信息广速度快,是很好,可是这不是最重要的,最重要的是不要让数据无处不在。大脑就像数据仓库,在数据充满我们的大脑、生活、生命中时,如果不去清理,不去遗忘,很容易一脑子浆糊,身心不舒畅。任何环境下我们都需要在纷繁的情况里简化问题。
我的疑问是:怎么删除。在这个信息碎片化的时代,如何做一个自我的搜索和过滤器,最好做成一个芯片,安放在我的手腕处皮肤下,这样,我就可以快速的找到我想看到的东西,忽视噪音,更加直接的去感受和了解自己。因为路径缩短,我便可以将时间放长,慢慢的去体会和感受,就好像小女孩慢慢的舔一个棒棒糖,而不是猪八戒吞一个人参果。这才是我要的密度和质量。
芯片是个玩笑, 出色的信息提取能力能够促进一个人的决策,一个人的一念一息及多年慢慢形成的价值观才是做选择的依据。你是不是有和我一样的经历,上千张照片中,删还是不删是个问题。怎么确定保留哪张,根据什么原则,每个人都有不同的原则,有的人认为,人最全的一定要留,有的人认为背景全的一定要留,有的人认为留表情最好的,有人认为留姿势最美的,甚至有的认为没对好焦距的朦胧的才是最有意境的。而我应该最清楚我怎么筛选,艺术家罗丹说,雕像就在那块石料里,我只是将那些不要的东西去掉了。但是要知道雕像到底是什么,只有我自己才明白我自己到底要雕什么。看书也是一样,书籍能使一个人瞥见这个世界的一角。是你自己选择去瞥见哪一角。
对于大数据中垃圾数据的删除和遗忘处理,早已有人考虑过这个大课题并书写出来警醒大家。
对于个人生活中的删除,我没有找到特别好的方法,只能试试这样考虑:取和舍。一切的结果都是取舍的结果。拿处理碎片化信息举例,如何在微信圈中过度的被动文字中进行选择,而不是失掉独立思考的能力被一条又一条自动跳出来的新闻头条,推送提醒,对话提示等所左右:1)减少重复阅读的数量;2)选择激发自己的动力和能量的内容阅读;3)筛选过滤,超过10条都不会看的公众号可以删掉了,这代表你试错成功,那原本就是你不需要的信息;4)限定时间,可以常规,但必须节制,减少刷新次数;5)尝试每周至少有一天不看微信,将清净归还自己,不要让一个功能控制了你,更不允许左右你的心情。弹性调整是对自我的一种负责。也是对自我是否足够认知的衡量,越是了解自己越是容易根据内心变化和外在影响来及时调整状态。
日本可能因为资源集中而紧缺,一直很倡导简生活,最近很流行的一位日本女士所著的一本书《断舍离》,将人身边的外物采用各种方式进行清理,代表对内心的一种扫除力,从而保持一种简约清爽的生活态度。还有很多其他方式对生活进行删减,试试断食(辟谷),试试冥想训练,看网上写过一个训练,基本要求为整天不语,不带手机,不带手表,抛开时间和事件和想法的概念,体会真正的当下,自己面对自己。
从心理学的角度,做出选择-同时意味着舍弃其他的可能性-是一件异常困难的事情。造成这个困难的无非是利弊两个字,但因利弊两个字背后掺杂了太多的心理变量,因此难倒了古往今来多少英雄好汉。为了有能力更好的进行抽象的思考和决策,挑战自我,尝试一下删删删删的效果吧。
《互联网周刊》主编姜奇平为《删除》那本书写了序言,头一次想用截图的方式给人看,生怕破坏对人家思想的精妙之处,一个序言可以写成这个样子,这让人情何以堪。
参考书目
1、[英]维克托-迈尔-舍恩伯格著 盛杨燕 周涛 译 《大数据时代:生活、工作与思维的大变革》 浙江人民出版社
2、[英]维克托-迈尔-舍恩伯格著 袁杰 译《删除:大数据取舍之道》 浙江人民出版社
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-08-10在数字化市场调研体系中,大数据与小数据是两类核心调研数据形态,分别对应海量行为统计与精准样本深度调研。行业普遍存在认知误 ...
2026-08-07数据透视表是Excel、WPS中最核心的数据分析工具,凭借快速汇总、分组统计、动态筛选的优势,被广泛应用于销量统计、业绩复盘、数 ...
2026-08-07 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-08-07在商品销量、市场需求、营收规模等业务数据中,季节性波动是最普遍、最核心的数据特征。零售快消、食品餐饮、家电服饰、电商行业 ...
2026-08-06在流量红利消退、市场竞争白热化的商业环境中,传统依托经验、跟风投放、广撒网式的营销模式,逐渐暴露出成本高、精准度低、转化 ...
2026-08-06 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-08-06【核心关键词】知识、设备、工程师、数字化、建模、算法、工业大数据、数据分析、控制算法、机器学习、深度学习、业务目标、工 ...
2026-08-05增长率是数据分析、业务报表、可视化看板中最核心的指标之一,常用于衡量营收、销量、用户量、流量等业务数据的涨跌幅度与发展趋 ...
2026-08-05小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-08-05在机器学习建模、数据预处理、抽样划分、模型初始化训练的全流程中,随机种子是控制实验随机性、保证结果可复现、提升模型稳定性 ...
2026-08-04Python作为面向对象的主流编程语言,核心编程体系由变量、方法、类三大基础要素构成。三者层层递进、相互协作,支撑起所有基础代 ...
2026-08-04