京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10