
英专家:大数据时代“责任”为先
从新药开发到金融交易,从预判犯罪到超市营销,大数据正悄无声息地重塑各领域的业态与人们的生活方式。那么,我们应该赋予这个新时代怎样的特性?英国大数据专家舍恩伯格指出,“负责任”是其中应有之义。
维克托·迈尔-舍恩伯格是研究数据科学十余年的牛津大学教授,《大数据时代》一书作者。这本书被许多人认为是大数据研究的开先河之作,而舍恩伯格则被誉为“大数据商业应用第一人”。
舍恩伯格在演讲时总是活力十足、手势多变,喜欢举的例子也都“很酷很科幻”。不过,在牛津大学一间办公室里,舍恩伯格与新华社记者谈到他所期望的大数据未来,提到最多的,却是“责任”二字。
“大数据是一种工具,一种十分强大的工具。与其他科技工具一样,它可以被用于改善人们的生活,但也有被用以作恶的风险。”舍恩伯格说,也正因如此,在大数据时代,必须更加强调责任,对这一新技术进行“负责任的”开发和使用。
在海量数据的采集和分析中,是否会泄露被调查者或用户的隐私,走向数据高于人的“数据独裁”,是许多人担心的事情。对此,舍恩伯格认为,首先要建立各方之间的信任关系,没有信任,大数据的采集和应用不可持续。
为确立和保障这种信任关系,各参与方都需要采取行动。舍恩伯格说:“对于政府来说,最关键的是要进一步立法保护隐私,保护知识产权。”他认为,大数据发展快速,即便在欧洲、北美这类法律较健全、更新较快的地区,相关法律也已经过时,必须尽快完善以适应大数据时代。
而在有针对性的法律法规出台之前,政府或第三方监督也是必要选择。比如大数据的优势之一就是“一次采集、多次使用”,但如何保障这些数据的再利用符合数据采集初衷、符合规范,就需要有人来严格监督整个过程。
此外,舍恩伯格还强调,业界自律同样十分重要,“利用大数据技术创造利润的人必须明白,只有负责任地采集和使用数据,才有可能可持续地开发大数据价值,这一产业也才能持久发展”。
对于大数据发展面临的专业人才稀缺问题,这位牛津大学教授认为,教育领域需要适应大数据时代,培养具有大数据思维、掌握基本数据技术的学生。他说:“在未来,数据收集和处理将是一项基本技能。无论学习哪个专业、从业于何种领域,都将有必要掌握这一技能。”
舍恩伯格最后说,不管期待还是担忧,大数据时代都在向我们走来,“最重要的是,这个新时代还处于初始阶段,我们可以努力塑造其未来,把握其发展方向,让大数据真正为人们带来福利”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 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) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23