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 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18