京公网安备 11010802034615号
经营许可证编号:京B2-20210330
穿戴式设备与大数据:秋水共长天
2014年8月31日,由百度新闻、百度百家联合主办的第三期“BigTalk”交流活动在798恒通创新中心举办,本期所探讨的话题是“大数据开启大时代”,核心对话人物是MIT媒体实验室的负责人Alex Pentland(阿莱克斯.彭特兰),参会人员包括了百度百家核心作者,以及一线媒体记者。
整个交流过程耗时3个多小时,Alex Pentland用他来自大洋彼岸的见解和眼光,向中国市场上的用户讲述了他对于大数据的应用价值、市场挑战,穿戴式设备发展的看法,以及交流了大数据在相关领域的应用案例。
作为业界知名的“穿戴式之父”,Alex Pentland的很多观点和解说别具风格,其中就大数据与穿戴式设备的发展关系方面,Alex Pentland指出大数据对于穿戴摄设备确实有一定的辅助作用,但大数据和穿戴摄设备的应用、市场价值等各具不同。
大数据价值:催生互联网变革
Alex Pentland教授认为,大数据作为调配、分析数据的新型商业应用,对于整个社会和当前时代都有着不可估量的价值,比如普通用户通过佩戴穿戴摄设备之后,可通过大数据的海量数据分析结果,检测出自身的身体健康因素,进而进行有效的科学分析。因此从医学、健康等领域来说,大数据辅助穿戴式设备实现更便利的生活方式,目前已经是不争的事实。
但是Alex Pentland教授也认为,大数据本身是一种新型商业模式,但其并不能完全实现解决目前市场上的所有解决方案需求,这方面的问题,交流现场播放了数款穿戴式设备测试但数据均不准确的视频之后,Alex Pentland教授的这一观点得到普遍认可。
在Alex Pentland教授看来,大数据的更切实价值在于催生互联网发生变革,让互联网改变新的存在方式,继而变得更加为用户服务。这方面,Alex Pentland教授的一个学生——Googl glass眼镜的发明者的案例,正好可以在这方面给予强有力的说明。
因此,对于大数据来说,在当前的时代让其为生产力发生相应的变革,使得普通用户的生活变得更美好,这是当前大数据最基本的核心作用。作为一种新型商业现象,大数据虽然是信息技术发展的必然,但是在实际应用方面,不可对其进行过于神话的应用,是客观人士大数据的基础。
穿戴式设备:解决需求大于共体需求
在回答主持人主持的交流话题的时候,Alex Pentland再次重申了大数据在未来时代的应用价值,其表示大数据不仅可以广泛应用在商业中,在政府统计、产品开发等领域里,大数据同样具有举足轻重的作用。但是,对于当前的生产发展来说,大数据最重要的前提是解决需求问题的能力。
这正如目前市场上已经广泛存在的各种智能手环,虽然各家在功能、设计和参数等方面都在超前,但如果其不能解决用户最终的计数精确问题,便会成为让市场笑话的产物。因此,大数据对于需求而言,首先应该在于解决问题,而非创造问题。
对于应用大数据的平台或厂商而言,在如何保护用户隐私、行为痕迹等方面的问题也是目前亟须认真对待的一个问题,大数据作为收集、整理、分析海量数据的信息技术模式,其背后能否有效保护好用户隐私,这也是目前困扰和挑战现有商业规则是否健全的标准之一。
Alex Pentland在回答媒体记者提问的时候,就这个问题进行了再次说明。在其与记者的对话过程中,笔者能很明显地感觉到,Alex Pentland认为诸如iWatch之类的穿戴式设备虽然在未来会是一个发展方向,但随着未来的信息竞争,iWatch这样的产品也会面临严峻的用户信息安全问题。
大数据未来:方兴未艾的前途锦绣
在长达3个多小时的演讲中,Alex Pentland丝毫没有提及他个人的成就和影响,反而是和善地向在座的观众阐述了他的见解和观念,特别在涉及主持人问他作为一个穿戴式设备之父有没有使用穿戴式设备的时候,他的回答是没有,其原因就是其认为当前的各种穿戴式设备并不酷。
在涉及大数据本身话题方面,Alex Pentland在肯定大数据的商业价值的同时,也为大数据在市场挑战、应用门槛等方面的问题进行了概括和阐述。不过,Alex Pentland也认为,这些问题虽然也是客观存在的,但随着未来大数据在新的商业环境下的应用,这种问题将越来越不复存在。
至于目前正在全力进军穿戴式设备的平台和厂商,Alex Pentland认为,这是一种非常不错的开始,希望未来的穿戴式设备和大数据得到更深入结合后,一切可以变得更好。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09