京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在一个将由数据说了算的商业世界,数据大还是人大?
大数据时代到底还需要人做些什么呢?工业互联网这个概念到底是什么?且看笔者翻译的——MIT的MacAfee教授和Ideas Lab的一段对话。
生动认识工业互联网
Ideas Lab:您是怎么定义工业互联网的?
Andy McAfee:请让我用消费世界的一个例子来定义它:下一代温控器,它能在感知你想要什么上面做的更好,更加程序化,它能比老一代更加有效率地加热和冷却这栋房子。
它让我明白了工业互联网的下一个发展趋势。我们能做的大约是三件事,这三件事放在一起看真的很重要。
第一件:给我们的东西添加更多的传感器,因为它们现在越来越便宜,下一代温控器会更多地依赖于它们,例如,它能感知到我们何时在房间里。我们的智能手机有很多传感器。它们以前很贵很笨重,但是现在它们越来越小越来越便宜以至于你可以开始用它们制作一次性物品。
第二,温控器里装有非常强大的微芯片。它有大脑,它是一件相当聪明的设备。我们正在使我们的工业设备比之前更加聪明。
第三,我们把它们放在互联网上。它有一个WiFi客户端能够连接到你的家庭网络中,所以突然间所有这些设备都连接上一个全球网络。
这意味着它们可以为这些数据源提供它们的数据,这意味着我们可以给设备装上大脑,以此前未有的方式和它们互动。
例如,有一个针对温控器的智能手机应用,使得你无论何时何地都可以通过它来设置温度并了解你的房子的状况。这意味着,这些设备和所有的数据都对这个世界和数不胜数的创新方式开放。
我们把这些东西放在网络上,我们也让这些东西和人们保持联系,我们还让它们能够融合新点子从而变成一个令人难以置信的强大组合。我本不能想象下一代温控器会是怎么样,但是现在我们发现这样的创新正在一次次发生。而这些在快速便宜和强大的电脑及全球互联网出现前都是不可能的。
Ideas Lab: GE在本周发布的工业互联网白皮书里做的推荐之一便是一个真正稳健的网络安全系统。它是怎么工作的?
Andy McAfee: 我还不清楚它是怎么工作的。我们不希望坏人控制我们的工厂,攻入工厂的系统。我们在过去已经看到了很多这样的教训。这确实是一个威胁。我不是一个安全专家,但是我认为将要发生的事情是像 GE这样的公司正在联合起来合作制定一些安全标准。我不认为这会很快或是很容易,但是我对工业互联网的安全性能很有信心。
数据与电脑占上风的未来20年
Ideas Lab: 接下来10-20 年间,商业将会发生什么变化?
Andy McAfee:展望未来10-20 年让我很兴奋。
五年前iPhone诞生,虽然它只有5年的历史,但是想想它现在是多么的不可缺少,是多大地改变了我们生活的方式。任何自认为懂得数据世界在未来 20年会怎么发展的人其实都是在自欺欺人。我坐过谷歌汽车,那真的是一个非常棒的体验——它运作地很好。我们人类在未来几十年里正在将很多东西交给电脑控制,仅仅因为它们比我们能做得更好。
Ideas Lab:雇佣成本变得更加低?这会引发一些紧张态势。
Andy McAfee:长期来看,是的。我是一个数据乐观主义者。我们的这个世界将变得更加开放,有更多的人能享受更多的服务——我是指健康护理,信息和娱乐休闲以及所有我们珍视的东西。我们将要进入一个物质非常富余的世界。那真的是太棒了,我们生活将获得巨大提升。我所能见到的最大挑战就是我们将会面对一个非常生机勃勃令人吃惊但不需要像现在这么多劳动者的经济。我们要怎么解决就业问题确实是未来20年的一个巨大挑战。
Ideas Lab:关于大数据最大的误解是什么?
Andy McAfee:最大的误解就是它摆脱了人们的控制。基于一些原因,我并不是很喜欢这种看法。你还是需要人去决定他们想要用数据干什么,他们想要回答什么样的问题,他们想要探讨什么样的假设,他们要怎么使用这些资源。这种人类的智慧和直觉仍是我们所需要的。我也认为大数据给今天的专家们带来了很多挑战,他们需要作出艰难的努力。我认为大数据对专家们并不友好,因为真相将越来越多出自于大数据,好的预测也将出自于好的分析而非专家。对应的一个例子就是对选举的预测。当我思考这个商业世界时,如果你拍拍脑袋做出差劲的决定,那么你会被竞争淘汰。
不需要那么多工人,这将构成就业率的挑战
Ideas Lab: 人们要如何更新他们的技能来适应这个新时代?
Andy McAfee: 一部技术的历史就是一部从低技能转向高技能的历史。我认为这将持续下去。当我和那些公司的人聊天,他们说“我找不到足够的拥有定量分析能力的人,找不到能够阅读设备图表的人,我不需要能够干重活的人或者是连续 8小时每15 分钟做重复事情的人。”这需要一种和今天工作场合所要求的截然不同的技能。
重新学习技能和重新培训是一个大问题,对于尚在学校里将要进入劳动力市场的人和那些正在尝试在职业生涯中期重新开始工作的人,问题的解决方式是不一样的。我认为技术正在成为解决方案的一个主要部分,因为我们看到海量的网络开放课程正在出现——对所有人都是免费的,试着去传授相当高级的知识。这一切的初期成果非常令人鼓舞。人们可以不用在旧式的教室里掌握技能。
Ideas Lab: 这对美国的工作机会增长意味着什么?
Andy McAfee:这是一个很明显的趋势。在美国制造业里,我们炒掉了更多的人。但这真的不是一个外包的故事,因为中国也在发生同样的事。工业趋势非常明显。这是一个挑战,我认为它会影响经济的更多方面。因此处理就业问题是一个巨大挑战。这并不是说电脑明天或者下个月就会抢走所有的工作,但是长期来讲,我们最好开始为这种新经济做好准备。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12