京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代轻易获取知识的利弊_大数据培训
长期以来,人们学习和掌握知识,要么是老师的言传身授,要么是阅读书籍报刊,尤其是来自经典书籍上的知识,很多人对此深信不疑。然而进入网络大数据时代之后,海量的知识顿时如潮水涌现在眼前,令人眼花缭乱。到底如何判断哪些是真知识,并且是有用的知识,现在成了一个难题。美国哈佛大学伯克曼互联网与社会中心的资深研究员戴维·温伯格新著《知识的边界》(中文版译者胡泳、高美,山西人民出版社出版),围绕大数据时代的知识等一系列问题展开了深层次的探讨和反思。
书籍报刊中的知识凝聚着专业人士的智慧,更具价值
本书中,温伯格对于大数据时代的知识进行了不同层面、不同维度的分析和梳理。他认为,印刷时代的知识是静态、单向度、线性的传播方式,而大数据时代的知识则恰恰相反。美国云计算之父马克·贝尼奥夫认为,大数据时代的知识具有社交性、流动性、开放性的特征。而温伯格则在书中一语中的:“大数据时代的知识没有边界、也没有形状。”
大数据时代的知识是非线性的,可以自由组合、切割,处于一种游离状态。有点“召之即来,来之可取”的意味。大数据时代的知识,如同一张无限扩展的大网,将人类所有知识“一网打尽”。从客观上看,大数据时代的知识学习,确实有其便捷性,这是不争的事实。在没有建立互联网数据库之前,学者们从事学术研究,必须到图书馆查阅一本本书刊资料,既费时又费力。现如今,有了一台连接网络学术数据库的电脑,只要输入关键词,无数近似文献就会“排队”以供遴选。对于作家而言,大数据时代的文学创作,再也不必手持放大镜,一页页地翻阅字号奇小无比的工具书,而在词海的数据库中轻松检索,轻而易举就能获取相近或相反的字、词、句。
另一方面,大数据时代的各种知识,在网站、博客、微博、微信等新媒体中四处传播。而有些知识,未必就是真正的知识,可能是精神中的杂音、噪音,污染知识环境,侵蚀着人们的心灵健康。反而书籍报刊中的知识传播,经过了层层把关,凝聚着无数专业人士的智慧,更具价值。由于大数据时代的知识真假难辨,有的人感到迷惘,乃至一口认定或否定其存在的价值。事实上,作为现代人,使用网络已经成为一种重要的学习和工作手段,刻意逃避不是明智之举。笔者认为,任何一个人在大数据新媒体平台发表文章、表达观点,都应具备高度的社会责任感,理性地阐发真知灼见。倘若只是个人情绪的偏激宣泄,大数据时代的知识在未来命运如何,谁都无法预料。
不管处于什么时代,知识需要花费苦功钻研
这里不得不提,大数据时代的知识便捷性只是相对而言。假如高度依赖网络数据进行学术研究或者文学创作,笔者有着隐隐的担忧:因为学者、作家使用数据库后,省略了在稿纸上的“各种比划”,思考中的各种揣摩、猜疑和最初的灵感火花,无法原汁原味地留存。众所周知,学术研究或者文学创作过程中那些潦草、凌乱的文稿笔迹,是知识的半成品,具备极高的研究价值。大数据时代将大脑思索的过程省略,轻而易举地抹掉,应该引起足够的关注。
大数据时代的知识仅仅是一种资源,好比家中存放成百上千的书籍,如果不去研读,知识和人依然无关。不管处于怎样的一种时代,知识需要人们花费苦功钻研,否则再多的知识也无意义。另外,现在不少人,凡是有不懂的问题,习惯性地上网搜索,不作任何甄别地将网上的知识和答案奉为宝典。长此以往,久而久之会使大脑变得懒惰,思维变得迟钝。大数据时代的知识,究竟是令人变得聪明还是愚笨?
《知识的边界》一书的魅力,在于它所呈现的思辨层面的丰富性,以及对知识本身的学习、生产、传播、知识内部要素以及知识的外部影响,进行层层深入、环环相扣的论述。在很多看上去不是问题的问题追问中,温伯格表现出深厚的知识思辨能力,这是极为难得的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23