京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26