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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 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 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 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 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24