
对话《大数据时代》作者维克托·迈尔·舍恩伯格
大数据时代高歌猛进,年轻创业者机会几何?对话《大数据时代》作者维克托迈尔舍恩伯格
大数据时代,年轻创业者的机会在哪里?大数据发展的瓶颈是什么?如何化解企业数据共享难题?如何加强用户 隐私保护和知识产权保护?正在上海举行的2014浦江创新论坛上,大数据系统研究领域的先河之作《大数据时代:生活、工作与思维的大变革》一书作者维 克托迈尔舍恩伯格接受了新华社记者采访。
创业成本降低
记者:大数据时代,年轻创业者的机会在哪里?
维克托:大数据时代一个最为显著的变化是创业门槛和创业成本大幅降低。100年前,创业需要大规模投资兴建工厂;10到15年前,互联网创业需要投资购买 大量昂贵的服务器。现在,创业只要花费几万美金租用云服务和带宽。大数据时代,数据捕获、数据存储技术的云端化为广大中小企业以及年轻人的创业带来了 无限可能,公司规模、服务器体量、资金规模不再视作绝对优势,决胜的关键在于数据分析的技能和创新思维的运用。
汽车有望成为大数据源头
记者:当前,大数据发展的瓶颈是什么?
维克托:坦率说,时下大数据发展面临着不同层面的瓶颈。首先,在技术层面,目前我们使用的大部分数据分析和统计工具还都是诞生于小数据时代,我认为, 它们已很难适应大数据时代的技术需求,因此,我们应尽早着手开发适合处理海量数据的多样化工具。其次,在观念层面,大数据思维模式的普遍缺乏依然严 峻。数据的隐藏价值还远未得到很好的重复利用。我们要继续加强思维模式的教育,尝试从大数据专家的视角去思考世界。例如,今后,汽车将是产生数据的源头, 基于这些数据,能对人的行为作出分析和预测,汽车制造商能为人提供更好的服务,这样也就不难理解谷歌为什么要开发无人驾驶的汽车了。
小公司也有掘金机会
记者:大数据时代,小公司常常会因数据量不足而陷入无米入炊的窘境,而拥有海量数据的大公司却又往往不愿意分享自己拥有的数据,对此,您认为我们应如何化解企业间的数据共享难题?
维克托:基于市场竞争和商业机密的考虑,大公司不愿意共享自己的数据是可以理解的,我认为,这恰恰为中小公司提供了难得的机会。例如,小公司可以作为第三 方公司承担起整合行业数据的工作,条件非常简单,小公司需向大公司承诺,不会将其数据提供给它的竞争对手。在这种情况下,不仅大公司可以享受到小公司提供 的数据分析和预测服务,而且小公司也拥有了属于自己的利益空间。他举例说,预测不同时段飞机票价的美国公司Faircast就是这样一家成功掘金的小 企业。
没有信任就没有大数据
记者:在大数据时代,我们应如何加强用户隐私保护和知识产权保护?
维克托:建立用户、数据收集方和利用方三者之间的信任感非常关键。可以说,没有信任就没有大数据。在用户隐私保护和知识产权保护方面,我认为,政府需要承 担其相应的职能,包括制订数据使用的法规、明确数据使用的场合和目的等。目前,世界上现有的数据保护法和隐私保护法,都已不再适应大数据发展的现状,我们 要抓紧研究针对大数据运用的立法。北美和欧洲现已启动了这方面的工作,而我也有幸成为了这100位调研专家中的一员。
政府当激发新价值
记者:在鼓励企业参与大数据竞争的过程中,您对政府的角色扮演和职能发挥有何建议?
维克托:开放数据,对政府来说是开展大数据工作的首要职责。它不仅能促进这个社会具备做出更好决策的能力,而且能刺激经济的发展,促进企业家精神和创业企 业的培育。我对上海市政府逐步开放公共数据的举措非常赞赏,因为这可以极大刺激大数据应用、大数据企业和大数据经济的发展。事实上,美国、英国和部分其他 国家的政府部门,均已逐步开放公共数据,只是效果还不足够显著。未来,我认为,政府需要创造一种经济环境,不断激发企业有足够的兴趣去分析和深挖数据,不 单纯为了盈利,更要为了通过利用、分析和可视化公共数据创造新价值、发现新问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18