
想必有很多 unwire.hk 的读者 Facebook 中有收到甚么年度回顾的名册吧,此功能让 FB 遭来许多用户炮轰!塬因是 Facebook 勾起用户的伤心事,表面上一则很易懂的新闻,但其背后藏有现今网络生态败坏前奏
步向电脑统冶
造成这次的炮轰,是因为大数据而起。其实这几年人们一直在说大数据的好处,例如早前活用大数据去预测世界盃亦引来全城热话。不过这一切的背后让天恩觉得现时的 internet ,也许是人类被科技统治的前奏,就算肉体上不是,精神上已被慢慢被入侵。以大数据为例,其实有两个部份,一是资料收集,二是分析。不过现时经常听到的是,如何比以往更能有效收集数据,例如 Google 从你 email 、 youtube、 plus 你每个点击及所写的文字去分析你的兴趣,然后派发你会感兴趣的广告。
成功必需配合人脑
其实要有一个成功準确预测的大数据,必需要加有一颗有智慧及经验丰富的人脑作分析。例如大数据预测这隻马今场胜利率有几多,很多时敌不过董标一句:「喂呢隻马今日睇佢呢,有d冷震喎唔係几妥」来得準确。天恩想说的是,发觉现今的 Internet 中开始慢慢抽离「人性」这个因子,一切都要依靠电脑分析去取代人类的智慧,可悲的是人类自己亦同时加入成为杀成自己的帮兇。
欠人性的计算会驱走良币
以 Facebook 为例,到底他们如何决定,那些是这年的重点事件呢 ?就是透过朋友的点击率及回应数目而决定,不过这一切的计算是不能分析到是那是件伤心或开心的事,这就是欠缺人性分析的后果。unwire.hk 的读者可能会觉得这是冰山一角,如果按数据比例上看是没错的,但如果从情感上看,你不会知道那件事被提起对用户的伤害程度有多深,带来甚么蝴蝶效应,这亦是一个单看数据不顾人性的后果。
数据派是不会理会这些在 percentage 上店少数的一群,他们会拿着这些所谓的大数据找商机赚钱,究竟「多人」的偏好是否等于好呢 ?多 Like 是否等于那是件好事 ?
天恩打个比较极端的例子, 数据显示开葯房最赚钱,社会上是否就全人类开葯房就是正确对社会最大贡献。
以前我们做生意,自己想些好点子去吸引客户,再靠口卑慢慢宣传做大,各有特式百花齐放,这才是健康的生态
现在模式是完全倒转过来,人们不再是「创业」而是「抄业」,一味看数据看金钱,贪图近利,活于数据及金钱下的奴隶。
数据是以往的经验累积, 当初 steve job 选择不相信没有人愿意付 500 美金一台智能电话的话的数据调查, iPhone 才会出现,但可惜他过份相信自己所谓 「3.5 寸是最好的手机尺寸」的统计数据,Samsung Galaxy Note 系列不会抬出头开来。
胡乱依赖大数据会造成恶性遁环 ,一些有心有的 idea 的产品可能因为这些错误理解大数据而胎死腹中。
一起结合才会进步
最后 unwire 的读者可能会觉得,其实是 FB 的分析 Model 不够聪明,如果可以加入一件关键字,例如"死了、哭、伤心.." 不就行了吗 ? 这只是比较进步的演算分析,亦不是完美。好像对刚失恋的朋友来说, FB 又再度提起年头时,一堆朋友祝福你跟旧情人的合照有多甜蜜,那又如何有方程式去分析呢 ?
要机器去分析人类实在是太复杂。亦可能 FB 团队太过「纯真」,以为人类主动分享的都是一些开心的事,错了。其实在网络世界中,有研究指出一些过于孤独的人,会经常利用 FB 分享自己伤心事,因为伤心事最容易得到朋友的关心及慰问,最感温暖。
大数据只是一个工具,各位 unwire 读者要紧记,必需要有一个好「用家」分析活动这些数据才能运行,大数据并不是一个「指引」,我们做事是要去创造一条新路出来,而不是去盲从数据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08