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