
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
在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 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) ...
2025-09-26