京公网安备 11010802034615号
经营许可证编号:京B2-20210330
美国大数据治理背后的“理性乌托邦”
人类决策中最宝贵的是人类能看到环境和理解环境,这些洞察力并不能完全由参数来描述。海量信息并非灵丹妙药,除了大数据外,社会仍需辩论核心原则,意识形态产生的差异仍将持续,学界、商界和政界过分关注技术分析,可能忽视创新思维和思辨分析,是对其他方法论的压抑。
近日美媒报道,奥巴马是最重视数字和大数据分析的美国领导人,白宫更是充分运用“大数据民意”。报道称,奥巴马从选举到治国都依据数据行事。2014年1月,奥巴马要求总统行政办公室用90天的时间,研究大数据如何改变人们的生活与工作形态,政府与民间、企业与消费者之间的关系。可以说,奥巴马本身就是诞生于“大数据”中。就在击败对手罗姆尼、再赢美国总统选举的当天,《时代》杂志撰写了一篇文章,描述了奥巴马总统选举获胜背后的秘密——数据挖掘。奥巴马团队拥有“核代码”,数据是能击败罗姆尼的最根本优势。在平时的治国政策上,律师出身的奥巴马高度重视数据与网络反映的社会现状,白宫有专责人员处理网络信息与社交媒体策略,外交、经济与社会政策,必须经多层次民意与舆论数据分析后方能推动,共和党在这方面起步较晚。
奥巴马政府密集地使用大数据制定政策,使得依赖大数据分析成了美国各行各业的趋势。大数据是否全面反映社会现实?国家政策是否该依赖网络信息?大数据是否应对所有危机、解决现实社会问题的灵丹妙药?其实,大数据治国背后,是西方工具理性思维的“升级换代”。结合大数据这样的信息时代的新武器,这种认知世界和处理问题的方式容易陷入一种“理性乌托邦”,即认为数据表面上的理性客观,能使得由其导出的结论和决策也必然理性客观。事实上,大数据分析有其限制,仅是一种分析模型和认知方法,是政府、产业与公民社会做决定的一种参考。
首先,根据“混沌理论”的解释,汇集100倍数据量都无法解决某些问题。总会有一些东西不在模型参数的覆盖范围内,2008年金融危机就是过分依赖预测风险模型酿成灾难的例证。由于完全剥离了数据所处的具体环境,数据缺乏可理解性和适用性。大数据研究有可能“敏锐地”发现问题,却无法给出问题合理的解释,也无法给出有针对性的对策,限制了其应用范围。
其次,“大数据”很容易变成“数据大”,对于数据分析的过度推崇,很容易把大数据分析变成最好甚至是唯一的分析工具,让数据一家独大。人类决策中最宝贵的是人类能看到环境和理解环境,这些洞察力并不能完全由参数来描述。海量信息并非灵丹妙药,除了大数据外,社会仍需辩论核心原则,意识形态产生的差异仍将持续,学界、商界和政界过分关注技术分析,可能忽视创新思维和思辨分析,是对其他方法论的压抑。
最后,大数据红火背后,是现代西方文明诞生以来对理性的推崇和自满。对大数据过分推崇和依赖就是这种“理性乌托邦”的最新演绎。这种思想假定不确定的世界里有已知的风险,而大数据计算为一个不确定的事件产生了精确数字,所以必然客观、理性、正确。
上述虚假的确定性,本身就是一种陷阱。奥巴马政府的大数据治国理念,显然也不是“万灵丹”,无论是医疗改革、中产阶级衰落还是经济泥潭,美国社会的复杂现实问题还远远没有解决,也不仅仅是数据就可以描述、解决和指导的。毕竟,误用大数据比没有数据衍生的问题来得严重,而只推崇和依赖一种方法论将带来更严重的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26