京公网安备 11010802034615号
经营许可证编号:京B2-20210330
女人与大数据:大数据时代就是女性的时代
大数据时代,就是女性的时代,女性在基因里就会计算大数据。
很多男性和孩子,其实一直奇怪女性这种特殊的能力。比如小时候你刚进家门,妈妈就以狐疑的语气马上说:“刘志军,你今天是不是没考好?”。比如你刚看一眼手机,老婆就笑:“是不是又是隔壁二狗约你打游戏?”。再比如你刚刚关起门打电话,女朋友一会儿就哭了:“你是不是又背我出去找小三?”。
她们有的时候猜对了,有的时候猜错了。但是总体,正确率高于随机水平。她们错的时候,男人就撇撇嘴,你们女人就爱胡思乱想;她们对的时候,男人就说,女人就是一种敏感的动物,可能感觉器官就敏锐一些。
不管怎么说,这些瞎猜,总体正确率高于随机水平这点,也让男人非常害怕。为了适应这点,男性也形成了相当强的反侦察技能。
有一些研究指出,女性大脑的白质(用于连接各种区域的解剖组织)高于男性。所以把事物连接在一起想象的能力强。也有最近研究表明,女性对“日期”记忆能力强于男性,所以能记住所有生日,纪念日,甚至不重要朋友的一些重大日子。
不管这些结果的真实性,我觉得,这都不是女性最卓越的能力。女人最卓越的能力是长期追踪一些看似不重要的数据,形成自己的“基准线”和“模式”。一旦这些数据点的模式,显著不同于她所熟悉的基准线,她就知道反常。女人在日常生活中不考虑什么因果关系和相关性的区别,俺们信奉的原理就是:“事出反常必有妖”。
讲大数据的人经常讲林彪的例子。林彪打完一场战役,就认真记录一些非常细节不重要的数据,比如缴获枪支,长枪和短枪的比例,战俘的年龄层次,缴获的粮食是高粱还是小米等等,都事无巨细记在本子上面。别人都笑他。但是后来,他就用这些数据来判断哪个地方是敌军指挥部。
女人的干的事情,基本雷同。一个女孩A暗恋男孩B,但通常不直接联系,过了两天我问她要不要叫他一起吃饭,她说,他正在打球。我说你怎么知道?
她说,男孩B平时是早上8点在Gmail邮箱上线,8点半呈现Away状态,这是他出去买咖啡早饭了。9点再次上线后Busy,这是在工作,12点半再次Away就是午餐,晚上一直在线,可能是读文章或打游戏。其哥们C,早上十点上线,全天在线,然后夜里2点还在线上,这是一个晚睡晚起的男生。其另一个哥们D,全天Busy,但是大多数时间都在。但是重要的模式是,每星期有2-3天,他们一起离线或者Away 3-4个小时。结论:他们在一起打球。
我听了以后跪服。我说,你真太棒了,这就是大数据。有人说,真是闲的无聊,难道不能直接问?生活里的小事,随便问问当然无所谓,但是在社交场合不合适问的事情,用大数据能得到答案,难道不是一种卓越能力吗?
最近出了几篇论文,通过数据挖掘人在社交网络上点赞的规律,来预测人的智商,兴趣,等等。其实这种事情,女性经常干。哪个女生敢说,自己没在party之前把所有宾客都Google了个底朝天?在刚开始谈恋爱的时候,把对方的博客,微薄,Facebook,亲朋好友的博客,微薄,Facebook翻了个底掉?
反正我干过:)。信息时代嘛,我干这种事情毫无羞耻心并且认为丝毫不是浪费时间。交朋友,谈恋爱,是比买车买房更重要的事情,产生更深远的影响,所以做背景调查相当重要,对于陌生人尤其重要。
话扯远了,最后扯回到,妈妈当初是怎么看出你考试没考好的,老婆是怎么看出你要出去打游戏,女友怎么怀疑你找了小三的。她们每天都用眼睛观察你眼睛的注视,看了什么,盯了几秒,你洗脸刷牙需要多长时间,多长时间刮一次胡子,你把拖鞋放在哪里,在饭桌上说多少话。
如果你哪天,盯着手机的时间比以往长,牙膏突然挤到水池边,没到重大节日突然刮胡子,拖鞋突然放得很整齐,在饭桌上一句话没有,饭后很快很轻很轻地进了另一间屋子,又很轻很轻把门关上。
这些模式集合在一起,就是“事出反常必有妖”。小时候当你有鬼心思,你妈妈总是第一次猜到,她总是得意的说:“你是我生的,你怎么想我还不知道?”。实际真正的trick并不是她生了你。
是因为她爱着你,她一直细致入微地观察着你,精神上记录着你的各种生物信号,才能达到如此神乎其神的程度。
没有任何传感器和算法能达到母亲的程度,但希望未来能有传感器和算法近似于母亲的贴心,达到数据时代为人带来的真正便利。
我脑子真的不行了,马上要去睡觉。说两句总结,
第一,女性要相信自己入微的观察和大数据能力,并且把这种能力用在更高水平的地方,一定能在这个时代有更强大竞争力。
第二,妈妈,我爱你。
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在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23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