
“这是一个数据的时代,什么都要靠数据说话,数据是必须的。”
C.与专家对话“大数据”
为了对大数据有一个更全面和准确的理解,记者找到了嘉兴学院计算机系主任何丰教授,他眼里的“大数据”扮演的是怎么样的角色?
记者:什么是大数据?
何丰:我们的生活中,时时刻刻在产生数据,只是我们平常没有留意到而已。国际数据公司(IDC)的研究结果表明,2008年全球产生的数据量为0.49ZB(泽字节,等于270字节),2009年的数据量为0.8ZB,2010年增长为1.2ZB,2011年的数量更是高达1.82ZB,相当于全球每人产生200GB以上的数据。而到2012年为止,人类生产的所有印刷材料的数据量是200PB(拍字节,等于250字节),全人类历史上说过的所有话的数据量大约是5EB(艾字节,等于260字节)。IBM的研究称,整个人类文明所获得的全部数据中,有90%是过去两年内产生的。而到了2020年,全世界所产生的数据规模将达到今天的44倍。
大数据就是需要人们通过对数据的采集、分析、管理等手段,让原本淹没在数据海洋中的信息浮出水面,为生活提供信息和知识。
大数据并不是一个现成的数据库,而是个人在不同的网上操作后留下数据,这些数据经过分析整合后,能形成对个人特性的描述。简单来说,例如一个人既上了淘宝,又浏览了新闻,发了微博,还与朋友发了邮件,这种种的网上行为,都是数据,将它们整合起来,就能获取此人的喜好、所在地、近况等种种信息。
记者:大数据的作用具体有哪些?
何丰:大数据为人们提供的,是一种工具,目的是方便生活,其本质是追求更好的服务。
例如我们在网购时,页面下方常常会跳出来“看了该宝贝的人还看了”、“买了该宝贝的人还买了”这些选项,这其实是调用了别人的数据;而第二天我们就会发现,在浏览别的网页时,“Google提供的广告”中,会出现我们前一天想要购买的东西,这其实是我们自己的数据被记录和运用了。
电商或网站能根据用户的喜好、行为规律来提供特定的服务。用户喜欢什么,它就推送什么,达到精准营销。
记者:数据的取得者们是通过何种渠道获取数据的?
何丰:一是通过电脑,二是手机。在我国,电脑方面的大数据处理较手机成熟,手机大多仍停留在位置服务层面。
比如团购网站,就会根据用户所在的位置,为其提供附近的餐饮、娱乐等信息,这些信息也极有可能是针对该用户个性化细分的,因为他平时的搜索项数据都已被记录下来。而社交网站上,常有“附近的人”、“周边”等选项,也都是利用了手机的定位数据而为用户提供的服务。
记者:大数据时代会如何改变我们的生活?
何丰:如今,所有的活动都可以被数据化,相比过去,现在的数据在层次上、范围上都要深层、广泛得多。过去的信息是局部的、零散的,现在的信息则是全面的、准确的,这中间有一个整合提炼的过程。由于大数据的出现,使得服务的范围和对象都有所改变。
具体到生活中,这样的改变有很多。有人举例说:通过大数据,医疗机构能实时监测用户的身体健康状况;
教育机构有针对性的制定用户喜欢的教育培训计划;
社交网络能提供合适的交友对象,并为志同道合的人群组织各种聚会活动;
政府能在用户的心理健康出现问题时有效干预,防范自杀、刑事案件的发生;
金融机构能帮助用户进行有效的理财管理,为用户的资金提供更有效的使用建议和规划;
道路交通、汽车租赁及运输行业可以为用户提供更合适的出行线路和路途服务安排。
记者:是否存在隐私泄露的问题?应该如何最大程度保护自己的隐私?
何丰:的确会有隐私泄露的问题。因为只要有信息交互,就一定会有数据留下,所以一不注意,自己的信息就会散布各地。
因此针对用户来说,一定要培养自己的保密意识,不要在公共网络环境下留下个人信息,多选择可信的网络环境。
其次,服务的提供商要严格遵守相关规定,保证不泄露用户的个人隐私。许多网站是需要实名认证的,例如购买机票、火车票,而有的服务则是关系钱财的,如移动支付,这些针对特定服务提供的信息,若整合到一起,再被不法分子利用,那么后果不堪设想。
再次,相关部门也应该加强监管。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15