京公网安备 11010802034615号
经营许可证编号:京B2-20210330
联合国CIO:大数据有局限性_数据分析师
Atti Riazi是联合国的助理秘书长,同时也是联合国首席信息技术官,日前他在接受TechTarget采访时探讨了她对于大数据的思考。
Atefeh Riazi对于技术和政治的相交叉并不陌生。 在她年轻的时候,作为一个拥有工程学位的刚毕业的大学生, 她帮助实现了智能卡技术,这改变了纽约人使用公共交通的方式,在这一过程中,她也曾经承受过很多压力。随后在全球广告公司奥美工作了一段时间,然后她回到 公共部门工作,为纽约市房屋管理局构建技术战略,最终担任首席信息官,兼总经理。
2013年5月,她被联合国任命为首席信息技术官(CITO),兼任助理秘书长。在那里,她的职能跨越政策和IT的应用,服务于联合国的许多紧迫的问题。这项工作在很大程度上取决于分析大量的存储数据,并且不都是电子化的数据。
问:通常我们访问的企业都倾向于利用大数据来预测相关性,而不是寻找原因,利用大数据作为行动的方针。你是如何看待的?
Riazi: 在我之前的工作中,我们想要找出为什么我们有这么多员工的受伤案例。我们努力寻找原因。 因为我们的知识的局限性,我们开始从不同寻常的角度寻找原因,然后,我们寻找季节和意外之间的相关性,然后我们发现,当有棒球比赛时,意外的发生率很高。 我们继续深挖,然后发现并不是所有的棒球比赛,只有在纽约大都会队和扬基队比赛时,才会出现大量的工伤。这些工伤,主要是绊倒和摔倒,当人们在平地行走时 发生率会上升。他们并不是回家看比赛。其实他们是带着耳机听比赛的直播,然后没有集中注意力。这个原因的相关性是我们没有想到的,然后我就要做出决定:明 年大都会队和扬基队比赛的时候,我应该怎么做来阻止这些工伤?
问:将这种方法应用于联合国试图解决的问题, 你工作的一部分是培养公众以不同的方式去思考这些问题吧?
Riazi: 你说的很对,我们必须采取非常开明的态度,因为数据可以从根本上质疑我们的核心信念和判断——无论是企业,政府,还是社会。
问:作为联合国的首席信息官,你面对的最大挑战是什么? 你对其他CIO们有什么建议吗?
Riazi: 这是一个震撼人心的经历。你从一个完全不同的视角看待技术和创新。技术有着巨大的力量;它可以做的很多。技术也带来了巨大的风险,网络犯罪,网络恐怖主 义。如今,80%以上的贩卖儿童都是在网上完成的。网络对于我们国家的工业系统, 交通,水,电网的渗透所带来的影响——是一个巨大的风险。
我们创造了技术,这几乎已经成为了一种新的物种,而和其他被创造的生命形式完全不同。它给我们所带来的风险是难以管理的。在能够使用技术来改善人类的生活的同时,也要意识到风险,并能够解决这些问题则是一个巨大的责任。
在联合国的使命中,保护儿童,带来和平,技术在这其中扮演着重要角色。而我认为我们并没有真正的利用技术的力量来帮助减少或解决风险。 技术部门能够预防和阻止未来的网络战争吗? 我们并没有专注于此,我们做的不如私人部门的企业,也不如政府。我们如何利用技术来确保改善我们的人道主义反应,改善教育,或者,如何解决那些成千上万居 住在帐篷里的难民问题?这些都是很严重的问题,使我整夜无法入睡。我们必须负起足够的责任,利用技术的价值,来解决作为社会,国家,和政府我们所面对的巨 大风险。
问:关于大数据是如何改变人们的想法,你有什么观点?人们是否愿意放弃他们的想法,即使在事实面前证明是错误的?在联合国内,是否有一种开明的氛围,愿意让数据引导你们?
Riazi: 这 会涉及到几个问题。 第一,我们无法访问所有的数据。有很多数据是不准确的。 第二,我们不只是做出理性的决定,我们还要做出政治的决定。数据可能显示正确的做法,但政治决定可能完全相反。我们生活在一个政治的世界。所以你如何在一 个政治的环境中平衡理性思考,而这其中还涉及到除了数据以外的元素?
我认为通过使用技术,我们变得更加智慧,我也希望我们能做出更明 智的决定,但是人性是不会改变的。大数据可以帮助我们更好地预测会发生什么。但是更好地理解灾难是否能阻止我们制造这种灾难?不可能,因为我们的本性仍然 顽固不变。曾经有一个预测,飞机会带来和平。飞机有了,但是没有带来和平。大数据有助于做出更好的决定,但有很多其他的元素,会影响我们的理性思维。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07