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
在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11在CDA(Certified Data Analyst)数据分析师的实操体系中,统计基本概念是不可或缺的核心根基,更是连接原始数据与业务洞察的关 ...
2026-02-11在数字经济飞速发展的今天,数据已成为核心生产要素,渗透到企业运营、民生服务、科技研发等各个领域。从个人手机里的浏览记录、 ...
2026-02-10在数据分析、实验研究中,我们经常会遇到小样本配对数据的差异检验场景——比如同一组受试者用药前后的指标对比、配对分组的两组 ...
2026-02-10在结构化数据分析领域,透视分析(Pivot Analysis)是CDA(Certified Data Analyst)数据分析师最常用、最高效的核心实操方法之 ...
2026-02-10在SQL数据库实操中,字段类型的合理设置是保证数据运算、统计准确性的基础。日常开发或数据分析时,我们常会遇到这样的问题:数 ...
2026-02-09在日常办公数据分析中,Excel数据透视表是最常用的高效工具之一——它能快速对海量数据进行分类汇总、分组统计,将杂乱无章的数 ...
2026-02-09表结构数据作为结构化数据的核心载体,其“获取-加工-使用”全流程,是CDA(Certified Data Analyst)数据分析师开展专业工作的 ...
2026-02-09在互联网产品运营、用户增长的实战场景中,很多从业者都会陷入一个误区:盲目投入资源做推广、拉新,却忽视了“拉新后的用户激活 ...
2026-02-06在机器学习建模过程中,特征选择是决定模型性能的关键环节——面对动辄几十、上百个特征的数据(如用户画像的几十项维度、企业经 ...
2026-02-06在CDA(Certified Data Analyst)数据分析师的日常实操中,表格结构数据是贯穿全流程的核心载体,而对表格数据类型的精准识别、 ...
2026-02-06在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04