
新华社伦敦10月31日电(记者刘石磊)从新药开发到金融交易,从预判犯罪到超市营销,大数据正悄无声息地重塑各领域的业态与人们的生活方式。那么,我们应该赋予这个新时代怎样的特性?英国大数据专家舍恩伯格指出,“负责任”是其中应有之义。
维克托·迈尔-舍恩伯格是研究数据科学十余年的牛津大学教授,《大数据时代》一书作者。这本书被许多人认为是大数据研究的开先河之作,而舍恩伯格则被誉为“大数据商业应用第一人”。
舍恩伯格在演讲时总是活力十足、手势多变,喜欢举的例子也都“很酷很科幻”。不过,在牛津大学一间办公室里,舍恩伯格与新华社记者谈到他所期望的大数据未来,提到最多的,却是“责任”二字。
“大数据是一种工具,一种十分强大的工具。与其他科技工具一样,它可以被用于改善人们的生活,但也有被用以作恶的风险。”舍恩伯格说,也正因如此,在大数据时代,必须更加强调责任,对这一新技术进行“负责任的”开发和使用。
在海量数据的采集和分析中,是否会泄露被调查者或用户的隐私,走向数据高于人的“数据独裁”,是许多人担心的事情。对此,舍恩伯格认为,首先要建立各方之间的信任关系,没有信任,大数据的采集和应用不可持续。
为确立和保障这种信任关系,各参与方都需要采取行动。舍恩伯格说:“对于政府来说,最关键的是要进一步立法保护隐私,保护知识产权。”他认为,大数据发展快速,即便在欧洲、北美这类法律较健全、更新较快的地区,相关法律也已经过时,必须尽快完善以适应大数据时代。
而在有针对性的法律法规出台之前,政府或第三方监督也是必要选择。比如大数据的优势之一就是“一次采集、多次使用”,但如何保障这些数据的再利用符合数据采集初衷、符合规范,就需要有人来严格监督整个过程。
此外,舍恩伯格还强调,业界自律同样十分重要,“利用大数据技术创造利润的人必须明白,只有负责任地采集和使用数据,才有可能可持续地开发大数据价值,这一产业也才能持久发展”。
对于大数据发展面临的专业人才稀缺问题,这位牛津大学教授认为,教育领域需要适应大数据时代,培养具有大数据思维、掌握基本数据技术的学生。他说:“在未来,数据收集和处理将是一项基本技能。无论学习哪个专业、从业于何种领域,都将有必要掌握这一技能。”
舍恩伯格最后说,不管期待还是担忧,大数据时代都在向我们走来,“最重要的是,这个新时代还处于初始阶段,我们可以努力塑造其未来,把握其发展方向,让大数据真正为人们带来福利”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04