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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25