
你信步走进一家赌场。在赌场门口,你能领到一张电子磁卡。这张电子磁卡会记录下你的一些基本信息,比如你是男性还是女性、多大年纪、什么种族。它还能记录下你每一次赌博的输赢。
赌徒和赌徒千差万别。有的人进到赌场,输了10块钱就开始痛不欲生,有的输掉100万都面不改色心不跳。但是,不管是谁,都会有一个“痛苦点”。过了这个“痛苦点”,你就再也不愿意回到这家赌场,因为这里是你的伤心地啊。
其实,在你一脚踏进赌场的时候,赌场老板就已经根据他掌握的数据库和你的基本信息,算出了你的“痛苦点”。比如说,像你这种35岁的华人男性“土豪”,“痛苦点”是8000美元。对赌场老板来说,什么是最优的选择?最优的选择就是在你快要达到“痛苦点”的那一刻,让你住手。
于是,神奇的事情发生了。当你输到7900美元的时候,身边会突然出现一个年轻貌美的公共经理。她会跟你说:“先生,玩得很累了吧。我们赌场刚刚请到一位法国大厨,会做最拿手的法国菜。恭喜您,您是我们今天的幸运顾客。我们邀请您带上家人,一起来享用免费的法国大餐”。
这就是伊恩·艾瑞斯(Ian Ayres)在《超级数字天才》(Super Crunchers)一书中讲的故事。艾瑞斯教授是耶鲁大学的一位计量经济学家,也是大数据的推崇者。和其他的大数据推崇者一样,他在书中讲了很多“超级数字天才”战胜各路专家的励志故事。
过去,球探们靠一场场地看比赛,靠自己多年积累下来的经验,挑选潜在的棒球明星。但就有一个球队的经理不信邪,他请了个经济学家,帮他用数学模型来选球员。结果,他们球队赢了(这个故事可参看获奖电影《点球成金》)。
品酒师也是个高度依靠经验和天赋的行业,但偏偏杀进一匹黑马,一个普林斯顿的经济学家声称他不用品尝葡萄酒,只要看看一连串降雨、气温的数据,就能预测出某一年葡萄酒的品质。
结果,他的预测居然是对的。有个病人得了一种怪病,一群医生围着她束手无策。病人自己说,我可能得的是某某病。结果,她说的是对的。医生们奇怪地问她:“你是怎么知道的?”她说:“很简单,我在Google里输入自己的主要症状,结果就自动出来了”。
伊恩·艾瑞斯情不自禁地引用《圣经》赞美大数据:
“耶和华啊,你已经鉴察我,认识我。
我坐下,我起来,你都晓得;
你从远处知道我的意念。
我行路,我躺卧,你都细察;
你也深知我一切所行的。”(《诗篇139》)
但对你我这些并非“超级数字天才”的凡人来说,大数据的到来,到底是福是祸?
当然,大数据会给我们带来很多便利,如同过去的一切技术进步一样。大数据能够打破信息不对称的壁垒,那些装模作样、自己都不知道自己在说什么却又能发号施令的“专家”们,以后可要小心了。
我们可能会拿着电脑上打印下来的资料,质问医生为什么这么给我们开药。我们也可以要求政府公开更多的数据,以便公众的参与和监督。
但是,真的会是这样吗?在一个信息已经爆炸的年代,更多的数据很可能只会使你越来越糊涂。数据分析师纳特·西尔弗(Nate Silver)在《信号与噪音》(The Signal and the noise)一书中就讲到,信息增长的速度远远快于真理增长的速度,一个自然的推论是,在日益增长的信息中,噪音的比重会越来越高。
别忘了,在大多数情况下,你不会想到怎么用大数据去“掘金”,你只是一个普普通通的消费者。在大数据的时代,当你收到“超级数字天才”送来的礼物时,你会怎么想呢?
如果你是一个赌徒,当你的身边突然出现了一个漂亮的公共经理,那很可能意味着,你的最后一分钱已经被别人榨干了。传统的经济学教科书告诉我们,商家很难对不同的消费者搞价格歧视。有精明的消费者,也有懒惰的消费者。
精明的消费者会为了买到一条最便宜的牛仔裤把全城的商场都逛一遍,懒惰的消费者随便找一家商场买了就走。但是,懒惰的消费者会搭精明消费者的便车,他只要知道精明的消费者去哪家商场购物,跟着进去就行。结果,商家不得不对所有的消费者统一定价。
但是,在大数据时代,“超级数字天才”们会比你自己更了解你的行为。你以为自己与众不同,其实你和别人一样。他一眼就能看出来,像你这样的人,能买得起多少钱的衣服、一年会旅游几次、什么时候你会想起来健身、什么时候你可能会生病。
商家可以精准地根据每个人的心理底价报价。“超级数字天才”们能干得事情更多,他根据Visa卡的消费记录,就能预测你未来五年的离婚概率。他甚至能知道,像你这样的人,犯罪的概率是多少。
有一天,会不会出现斯皮尔伯格导演的电影《少数派报告》中的一幕:一个人还没有出门就被逮捕,因为根据预防犯罪系统,他出门杀人的概率是99%。会不会有一辆汽车在东四环就被截下来,因为它到天安门爆炸的概率是88%?
为什么“超级数字天才”能如此准确地预知你的行为?因为你把个人信息拱手送给了他们。你从大数据时代得到的便利越多,能守住的隐私权就越少。而且,以后你很可能再也要不回来这些隐私权了。
福布斯中文网上曾经刊登了一篇文章,讲到美国当下最红的资本寡头们不是东部的华尔街巨头,而是西部的科技精英。美国前十家科技公司中有七家都座落在西海岸。诸如亚马逊、苹果、Facebook和谷歌这样的西海岸科技寡头们过去一直对政治很淡漠,但现在也开始积极影响政治。他们会要什么?
首先,许多科技企业赚钱赚得很多,交税却交得很少。他们很可能会强烈地要求保留自己的优惠特权。其次,他们很可能会努力促使网民隐私变得更加难以得到保护,因为他们的大量利润依赖于掌握并出售用户的个人信息。
美丽的大数据、神奇的大数据已经降临。问题是,你是否已经准备好了,像信主一样去信仰大数据?
“我往哪里去躲避你的灵?
我往哪里逃,躲避你的面?”(《诗篇139》)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23CDA 一级:开启数据分析师职业大门的钥匙 在数字化浪潮席卷全球的今天,数据已成为企业发展和决策的核心驱动力,数据分析师 ...
2025-06-23透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20统计学模型:解锁数据背后的规律与奥秘 在数据驱动决策的时代,统计学模型作为挖掘数据价值的核心工具,发挥着至关重要的作 ...
2025-06-20Logic 模型特征与选择应用:构建项目规划与评估的逻辑框架 在项目管理、政策制定以及社会服务等领域,Logic 模型(逻辑模型 ...
2025-06-19SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的利器 在数据分析的众多方法中,Mann-Kendall(MK)检验凭借其对数据分 ...
2025-06-19CDA 数据分析能力与 AI 的一体化发展关系:重塑数据驱动未来 在数字化浪潮奔涌的当下,数据已然成为企业乃至整个社会发展进 ...
2025-06-19CDA 干货分享:统计学的应用 在数据驱动业务发展的时代浪潮中,统计学作为数据分析的核心基石,发挥着无可替代的关键作用。 ...
2025-06-18CDA 精益业务数据分析:解锁企业增长新密码 在数字化浪潮席卷全球的当下,数据已然成为企业最具价值的资产之一。如何精准地 ...
2025-06-18