京公网安备 11010802034615号
经营许可证编号:京B2-20210330
11315企业征信:大数据来袭,你准备好了吗
“大数据”这个词近两年很火。但大数据到底是什么?它的价值又在哪里?很多人却并不太了解。
大数据的最大价值在于数据的再利用。数据如果发挥作用,首先要全面,其次要真实。如果大量全面而真实的数据汇集到一起,则会爆发出极大的价值。
比如,一家企业产品质量不合格,这数据本来只是停留在质检部门的网站上。但如果可以再利用,则会产生新的价值。征信机构可以通过依法采集企业的这类信息,去加工形成企业信用档案,供大众查询。目前,一些征信机构已经在这么做了,比如11315全国企业征信系统。
大数据具体到个人亦然。
前段时间在网上看了一篇文章。一名顾客打电话预订海鲜比萨,结果客服告诉他,海鲜比萨并不适合他,因为“根据您的医疗记录,你的血压和胆固醇都偏高。”客服为之推荐的是一种低脂健康比萨,因为顾客上星期一在中央图书馆借了一本《低脂健康食谱》。客服告知顾客,不可以刷卡,因为“您的信用卡已经刷爆了,您现在还欠银行4807元,而且还不包括房贷利息。”客服建议顾客直接带现金来店取比萨,因为根据定位系统,“您正在解放路东段华联商场右侧骑着一辆摩托车。”
故事虽然有些极端,但却道出了大数据的本质:数据的整合和再利用。
当然,这个故事目前还不太现实。目前我们的很多信息掌握在政府各级职能部门手中,虽然《政府信息公开条例》已于2008年正式实施,但目前离政府信息完全公开依然有很大的距离。此外,即使所有的信息都依法公开,这里面还涉及到个人隐私的问题。哪些应该公开?哪些不该公开?目前并无明确的法律规定。
此外,大数据所包含的内容要远甚于此。对于个人来讲,政府各级职能部门的信息及医院、移动通讯公司等企事业单位的信息还不足以展现大数据的价值。社交工具的价值也应得到体现。
试想一下,将来如果所有的信息均对外公开,并且经过处理和加工,形成了大数据效应,那生活会是怎样?
求职时被拒。因为“你之前所在的公司对你有负面评价,觉得你工作态度有问题。你在QQ空间和微信朋友圈里发布了很多针对前公司的负面评价,这些评价可能真实,但如此对待老东家,这样的品行我们不喜欢。”
处对象时被拒,因为“社交工具中发布的负面情绪过多,为人情绪化,不靠谱。同时医疗系统显示,你前段时间刚做了一个心脏搭桥手术,身体健康让人怀疑。此外,根据定位系统,你多次在三里屯和后海等地驻足,经常泡吧的人,我不喜欢。”
买车上保险时,被要求提高保费。因为“导航系统显示,你在开车时经常存在超速、急刹车和急转弯的情况。而且交警部门公示的信息显示,你曾因酒驾而被扣12分。”
去饭店就餐时,不再由自己点餐,而改由专职营养师推荐,因为你的医疗记录已经公开。营养师会根据你的身体情况为你推荐最适合你的菜品。
去超市买菜时,导购会直接将你引到你想要的蔬菜面前。因为你之前曾多次在这家超市买菜,他们分析了你的买菜记录后,已经得出了你的喜好。
在网上买东西时,系统会根据你之前的购买记录和浏览记录,自动地为你推荐商品(现在也有系统推荐,但做得还很不好)。通过短信或其它方式,发送到你的手机。你只需稍加回复,便可坐等产品上门,而不需要再次登录购物网站。
去医院看病时,医生会额外地给你开些补充维生素的药,因为社交工具上你发表图文的时间经常在凌点之后。
去一个陌生的地方出差,手机系统会自动提示你,你有一个高中同学正在这个城市,尽管你们已经有很多年没联系。系统还会告诉你该同学的上班地点和居住地点。因为定位系统显示你这个同学工作日每天早上都从一个地点出发,9点左右总会到达另一个相同的地点。在经过分析后,系统得知,之前的地点便是其居住地点,后来的地点便是其工作地点。系统会根据你所在酒店的位置,为你提供最佳的出行方案,打车还是坐公交,还有什么时候见面最合适。同时会将该同学的公司名称及工作岗位告知你,让你提前熟知,免得你俩见面聊天时尴尬。
……
也就是说,大数据的价值在于整合所有的数据,使之产生聚合效应。大数据有效打通了信息壁垒,让我们不再面对一个不熟悉的世界。
这是一个趋势。任何人无法躲避。我们所做的,就是迎接它。
将来,我们的隐私注定会频繁地与大数据产生碰撞。这也是大数据时代发展过程中注定也遭遇到的。如何解决这个问题,需要的不只是技术,更是法制。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23