京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据?我们可能只是在努力实现两百年前拉普拉斯的预言
似乎早在 2000 年伊始,数字革命的发展史就已经可以想见:计算机功能越来越强大,直至实现人工智能;电子通讯的部署越来越发达,直至连接全体人类。而对于经济的影响似乎也是可以预料得到:去物质化、去中介化、可交互性……
然后就有了几项重大的创新:传感器技术的加速发展使各种各样的现实体验得以被测量,而成本则越来越小;智能手机手机崛起,把超级复杂的采集设备在了千千万万人的口袋里,也让人们可以通过一个熟悉的界面去连接操作千千万万的事物;机器学习方面的发展让我们能理解那些目前还不能模型化的现象;大数据预的测功能变得强大。
于是在 2010 年的转折点上,数字革命的中心发起了一场新革命 : 数据革命。而大方向可以从几个简单的趋势里识辨出来:
- 产生数据的成本大大降低了。不管是因为采集器成本的降低,因为人们自发地提供数据,还是因为我们无意中留下了记录。现在整个现实都可以用原始数据来描述,动作也好,直觉印象也好。大体上说,我们看着现实在我们眼前面按下了一个数字指纹,而且这个指纹越来越完整,越来越精确。
- 技术成本的降低助推了技术的普及。十年前,我们手机的计算能力相当于阿波罗 10 号;今天我们手机的计算能力相当于一台 Cray-2,尤其是在组织、房屋、日常品中内置的计算机,倍数级地增长了我们每个人的活动能力。
- 数据相关的基本工具和方法得到了发展,让我们有了新的利用数据的形式:贡献经济、大系统之间的同步、预测分析、反馈经济、实时决策等等。
我们甚至可以打个不太妥当的比方,这场数据革命对我们的作用就像是用生化学改造了生物学一样。过去所有的现象都会有新的意义,另一些现象也会继而引起我们的注意,促使我们去寻求进一步的解释。在我们的生活里出现了新的行为方式、新的道德伦理上的问题。这会是一个全新的时代。
但在我们思考创新的时候,我们总是倾向去贴着我们熟知的东西去思考,所以就常常陷在过去的套路里。在 “大数据” 这个故事的本质,几乎原封不动的还是拉普拉斯(注)宿命论式的畅想:
(注:拉普拉斯是生于 18 世纪末的法国学者,在数学、统计学、物理学、天文学领域均有卓著贡献。)
“有一种智能,在任一瞬间里都能识别所有在移动的力,以及力与力相互之间的状况。最好是能得到足够巨量的数据来分析,用同一种程序既能分析宇宙中最大的天体的运动,也可以分析最轻的院子的运动。没什么是不能确定的,对于这种分析程序来说,未来就像过去一样看得清清楚楚。”
从长远来看,数据革命就像是回归到了这一派的设想里去。关于大数据铺天盖地的报道,背后似乎藏着个看着你的老大哥。但是数据革命的理念不该局限于此,这也是 “量化自我” 的现象对我们来说有意思的原因之一。互联网不再只是个媒介,而是个可以称之为 “动联网” 的空间,让人们来传播内容和服务。作为我们的另一个居住空间,记录和利用我们的生活痕迹。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19