
大数据将给百姓生活带来什么_数据分析师培训
汽车无人驾驶、挑选演员和剧本、计算机编辑新闻……大数据将无孔不入,改变生活的方方面面。请关注——
无人驾驶的汽车,提供符合学生个性化的教学辅导材料,计算机来编辑新闻……日前,在北京召开的“首届大数据时代创新与媒介变革研讨会”上,专家们提出,大数据将给我们生活带来颠覆性的影响。
从“无人驾驶”到“移动办公”
近日,一辆自动驾驶汽车刚刚完成横跨美国之旅。这辆蓝色的汽车从旧金山出发,花了9天时间,途经15个州,驶过3400英里,最终顺利抵达纽约。一路上,99%的驾驶都是由汽车自己完成,只有在城区道路上,才有人工干预。
保时捷汽车控股集团大众品牌总经理张久鹏对此并不感到惊讶。他在大数据时代研讨会上透露,保时捷在去年就成功实现了长距离的无人驾驶。现在汽车里装载了电脑、各种通讯设备,与联通合作,从“无人驾驶”到试验“移动办公”。
“未来办公不再局限于一地,而是移动一族了。”张久鹏说,从家出发到公司可能会堵车1小时或更久,很多司机因此非常烦躁。现在可设置预期目的地,然后让车无人驾驶。车里面放置各种可折叠的办公用品,人们就能在车里完成视频会议、文件审阅和会签等在办公室里做的事。
张久鹏表示,除“无人驾驶”和“移动办公”外,大数据还给汽车用户带来了其他便利。如给汽车做保养维修,需要把车开到4s店或维修场所,现在该方式已发生了质的改变。人们可在家里通过手机app或电话,找人上门来给车做保养;还可通过app,查看爱车行驶轨迹,包括驾驶员的相貌特征、车内使用环境以及汽车行驶过程中的耗时、油耗、功率、行驶时间、里程等相关数据。
从用户数据匹配到精准营销
“大数据正在成为未来媒体的最核心、最有价值的内容本身,它能帮助用户实现私人定制。”北京邮电大学教授王立新说,通过it技术进步,使供需双方信息实现成本接近于零的精准智能化匹配,从而把人类带入“自经济”时代。
王立新举例说,“一台冰箱生产成本约1200元人民币,最后利润仅38元。如果用大数据赚钱,我的口号是‘冰箱不要钱白送’。然后在冰箱里加两个功能。一是增加信息扫描系统,二是把路由器装在冰箱里,将所有消费数据都发送到企业云数据库里。”消费者买东西不用去商场,直接给企业打电话,有人给消费者送货上门,而且其商品价钱会更便宜。关于冰箱里食品的保质期,还能提供免费预报。
“比如你在这里开会,手机响了,信息提示‘主人,别讲了,我是你家冰箱里第四号酸奶,再过两小时你不喝掉就过保质期了。’”王立新说,通过采集到的大数据,家里买了什么食品、冰箱里牛奶等消耗掉多少都清清楚楚,然后可根据这个需求来通知饮料、乳品等生产企业,并通过协商来降低从这些企业进货的价格。
“这样的话,假设一个家庭一个月放在冰箱里的食品等花费两千元,通过大数据只赚其10%就是200元,6个月就可收回冰箱的制造成本。你想赚卖冰箱的38元纯利润,还是在未来十年赚到一到两万元的纯利润呢?关键就是采集数据、精准匹配、拼公司、平台化反向收费,永远代表用户的利益,让他们免费!”王立新说。
个性化教学、“机器人新闻”等
中文在线副总经理李林认为,大数据有利于个性化的教学支持。“通过数据分析、积累、挖掘,有利于教学和学习个性化、精准化。另外,可根据学生学习过程中出现的问题,随时诊断反馈,给学生提供符合其个性的教学辅导材料。”
中国青年政治学院新闻传播学院执行院长罗自文提出了“机器人新闻”,即随着大数据的普及,新闻产业已变成由机器来完成大部分工作,机器甚至可担任编辑工作。“数据新闻和传统新闻生产方式不一样。传统新闻生产通过记者、编辑进行报道整合。而现在我们很多新闻线索的获取、数据的挖掘、整合都是由计算机来做。有的计算机里有记者写好的模板,只要放进相应关键字词,就能产生不同的新闻。”
大数据还可帮助预测电影票房,以此为据来挑选剧本、演员等。
清华大学媒介调查实验室研究员李兆鹏说,“去年年终我们成立了一个新媒体事业部,主要针对即将上映或正在上映电影进行票房预测,帮助片方进行电影口碑和观众心理的细分。我们通过搜集数据进行分析对比,对电影制片方、发行方提供数据支持。”
小马奔腾董事、君舍文化总裁钟丽芳说,以前选一个电影题材的方式“特别简单粗暴”,就是导演、制片公司老板喜欢什么就拍什么。现在随着大数据时代的到来,更多是根据受众的偏好和需求,再结合创作者擅长,找出一平衡点来选出题材。“以前在组合影视作品时,包括创意团队、演员,是凭经验来判断选择,所有影视公司抢的都是几个一线大腕。但真正抢到的不一定是市场效果最好的,只有对观众偏好更清楚才行。通过大数据分析,我们现在演员搭配会比以前更科学。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24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 —— ...
2025-09-17