大数据重要,直觉也不可或缺。这是本月早些时候在麻省理工学院召开的一次业界会议的主题。
麻省理工学院数字商业中心首席科学家安德鲁麦卡菲(Andrew McAfee)称,大数据将成为人类商业历史上新的篇章。该中心另一名教授埃里克布林约尔森(Erik Brynjolfsson)称,大数据将取代想法、范例、组织以及人们思考世界的方式。
这些前卫的预测的前提是:Web浏览记录、传感器信号、GPS跟踪和社交网络信息等数据能够以前所未有的程度面向衡量和监控人类及设备的行为敞开大门。通过计算机算法,可以预测出人类的许多事情,如购物、约会或投票等。
业内专家预计,最终的结果就是:世界变得越来越智能,企业的工作效率越来越高,消费者获得的服务质量越来越高,人们所做出的决定也越来越合理。
我之前写过不少关于大数据的文章,但在2012年底这个特殊的时刻,我想应该是反思、 提问和质疑大数据的时刻。
从商业评估中挖掘实用启示并非新鲜事物。100多年前,弗雷德里克温斯洛泰勒(Frederick Winslow Taylor)的名著《科学管理原理》就是大数据的前身。泰勒的评估工具是秒表,为员工的每一个行动进行定时和监测。泰勒及其助手利用这种时间和动作研究模式来重新设计最有效的工作方式。
但如果这种方法被过度夸大,就成为了卓别林《摩登时代》(Modern Times)所讽刺的对象。此后,人们对于这种量化方法的热情也开始跌宕起伏。
通常,互联网被大数据倡导者作为成功的数据业务的范例,这其中以谷歌为代表。而如今,许多大数据技术,如数学模型、预测算法和人工智能软件等已被华尔街所广泛应用。
在本月的麻省理工学院大会上,当被问及大数据领域一些重大失败案例时,几乎没有人能够说出这样的失败案例。后来,麻省理工学院斯隆管理学院(Sloan School of Management)教授罗伯特莱格伯恩(Roberto Rigobon)称,金融危机毫无疑问影响了数据业务。他说:对冲基金在全球都是失败的。
问题是,数学模型是一种简化。这种模型源自自然科学,根据物理定律,流体中的粒子行为是可以预测的。
在如此众多的大数据应用中,一个数学模型通常附带关于人类行为、兴趣和偏好的精确数据。这种方法在金融等领域的危险性也是有目共睹,美国哥伦亚亚大学金融工程学系主任曼纽尔德曼(Emanuel Derman)在他的书中《Models. Behaving. Badly》中就详细阐述了其危险性。
纽约创业公司Media6Degrees首席科学家克劳迪娅珀利彻(Claudia Perlich)称:你可以用数据来欺骗自己,我担心大数据出现泡沫。珀利彻担心许多人将自己称为数据科学家,但并未做足功课,反而给该领域抹黑。
珀利彻认为,大数据似乎将面临劳动力瓶颈。她说:我们的技能提升速度还远不够。麦肯锡全球学会(McKinsey Global Institute)去年发布的一份报告显示,美国需要14万名至19万名具有深度分析经验的工作者,以及150万名更加精通数据的经理人,无论是已退休人士还是已受聘人士。
哈佛商学研客座教授托马斯达文波特(Thomas H. Davenport)正在写一本名为《Keeping Up With the Quants》的新书,旨在帮助经理人来应对大数据挑战。达文波特认为,管理大数据项目的一个重要部分是要问正确的问题:如何定义问题?你需要哪些数据?来自哪里?等等。
谷歌调研(Google Research)高级统计师雷切尔查特(Rachel Schutt)称,如果建模人员能够思考伦理维度(ethical dimensions)等问题,那就会更好地服务于社会。查特说:模型不仅仅是预测,它们还可以让事情真正发生。
模型能够创建数据科学家所谓的行为循环(behavioral loop),如果一个人被提供足够的数据,都能对自己的行为进行指导。
以Facebook为例,将个人数据上传到自己的Facebook页面,Facebook的软件就会跟踪你的点击和搜索。通过算法来评估这些数据,然后再提供好友的建议。
但这种通过软件跟踪用户的行为却引发了隐私担忧,难道大数据将迎来数字监控的到来?
我个人最大的担忧是,当前确定我们个人数字世界的算法过于简单,不够智能。这也是艾利帕里瑟(Eli Pariser)所著《The Filter Bubble: What the Internet Is Hiding From You》所探讨的问题之一。
令人鼓舞的是,像珀利彻和查特这些有思想的数据科学家意识到了大数据技术的局限和不足。他们认为,听取数据是重要的,但经验和直觉同样重要。
在麻省理工学院大会上,查特被问及如何才能成为一名优秀的数据科学家,她说,需要计算机科学和数学技能,拥有好奇心,具有创新意识,以数据和经验为行动准则。她说:我不会把机器神化。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14