
大数据的未来–个人信息/情报/认知服务的思考
1.未来大数据的一切都都关于人
不论述
2.大数据收集困难和高风险
现在的大数据的来源,都是通过自有平台收集用户数据的,对于没有平台的企业很难有机制和渠道获取稳定的数据来源。
有说通过法律和制度来,规范关于人的大数据使用,在这之前,唯一可行的方向是,把用户大数据使用,做成服务的必选功能,要使用服务,必须接受隐私风险。
3.对大数据的利用方式
现在的大数据 都是由各种数据聚合出一类关于人的结论 然后拿给企业使用。
我想大数据应用还有另一类。
利用网上的大数据,告诉某类人、甚至某个人,世界发生着什么,未来要发生什么。
4.科幻大片
如果从网上下载一个专属的虚拟人物(虚拟机器人/虚拟助理/终生人工智能伴侣)到手机。
刚开始这个角色需要你教导(配置,类似早期的语音识别控制的学习阶段)才能帮你在互联网上你做一些简单的事情。
随着你教导的更多更好(对你的习惯,兴趣爱好,思维模式,接收度等信息的收集) 和基于大数据的挖掘和分析能力的增加,它的智力越来越高,能做一些更复杂的任务(作为入口,代表你在互联网活动)。
直到很多年后,它的智力超过你,它能告诉你,世界发生着什么,未来要发生什么,它了解你的年龄,了解的行为习惯,了解你的经济能力,了解你缺点,时刻为你服务,扩展你的人生,使你的人生不局限于经验(网上有),思维(网上有),能更好的生活下去(帮你发现机会)。
类似的东西,后来才发现微软小冰二代已经在着手做了,可能愿景和目的不一样,但轮廓有了。
5.认知需求
我们成长的时候,家长常常说你懂点事吧,但如何懂事没有人能教给我们,也没有告诉我们如何去做(去阅读书籍,去体验生活,经历人生);
我们毕业了,工作了,在社会上依然遇到,各种成功学大师,各种领域专家,各种百家讲坛老师,各种转世神棍,大行其道;
这一切都是因为,人有认知的需求。
6.认知培训
基于这个需求,认知服务即使做不到自动,就算做人工服务,也能在现在的教育市场(学校,兴趣培训,英语培训,等技能培训)杀出一条出路。
7.认知模式与三分的认知世界
莱考夫(George Lakoff)在 [女人、火和危险的事物]([Women fire and dangerous things])一书中,认为理念化的认知模式(idealized cognitive models 简称ICMs)是结构复杂的感知整体,是对世界的整体表征,它的价值在于对输入信息进行重组。ICMs并不客观存在的,而是人类实践和经验的高度概括和总 结,并且可以为以后的实践提供参考。根据lakoff的论述,IMCs有四种:命题模式,意向图式模式,隐喻模式和转喻模式,它们的关系如下:
命题模式是出发点和归宿,意象图式模式是基础,转喻模式和隐喻模式是建立在命题模式和意象图式模式上的认知事物的过程和方式,并且二者相互作用。
任一认知主体的认知世界整体可以划分为三个部分:信念世界、怀疑世界和无知世界。我们用Wb表示信念世界,Wd表示怀疑世界,Wu表示 无知世界。Wb、Wd、Wu是三个命题集合,他们的元素是相应的认知命题。简单地说,信念世界是由认知主体相信的命题构成,这些命题构成认知主体的信念; 怀疑世界里的所有命题是认知世界说怀疑的,认知主体认为这些命题是假的或不可能的,这些命题可称为疑点;认知主体从来没有考虑过的命题构 成无知世界的内容,这些命题(以及它们的负命题)或者仍没有进入认知主体的视野之中,或者虽然进入了认知主体的视野之中但认知主体不知道其意义,此时,认 知主体对之既不相信又不怀疑,这些命题可称之为盲点。
8.认知互联网世界进而认知现实世界
互联网世界一直是互联网世界的映射,越来越多的现实世界事物在互联网世界建立了数字化的映射"
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04