京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据为何有识才慧眼
前几年,美国麻省理工学院的几位人类行为动力学家将多个传感器组合成一个综合识别器。最初的样子就像一个灰色的盒子,里面装配着一个红外线收发器,一个麦克风和两个加速度传感器。有平装书大小,可以挂在胸前。这个综合传感器,可以将一个人讲话的最重要的信号,例如讲话的时间、当时的情绪、身体的各种反应记录下来,由此可以预测未来行动之趋势、发展之结果。
研究人员把这个“魔盒”带到了电视台“5分钟相亲”节目。参与节目的女性坐成一排,男性则每5分钟换一次位置,与之相互交谈、认识。根据双方交谈,“魔盒”能够预测他们二者是否合得来,能否继续交往下去,以后是否会进一步约会。男女双方交谈的过程,无疑会释放出不少社交信号的。但是,研究人员并不关注双方的言谈内容,而是让“魔盒”记录下双方非常微弱而又微妙的变化:包括声调的微弱变化,眉毛是否突然上扬,语速快慢以及有无插话等。这些都是人们无意识的动作,但是却暴露出了谈话双方的真实思想与情感。
通过反复实验,科学家发现,无须知道双方谈话内容,只凭这些获取的数据,就可以预测双方未来的情感发展结果。准确率达到85%。
现在,这种传感器已经做成了一个徽章大小,可以佩戴在身上。徽章充电一次,可以持续40个小时搜集数据。徽章内置了数据分析算法。佩戴者一年的数据都可以存储在内,通过这个徽章,员工可以了解自己和组织的互动关系,管理者可以了解员工的举止言行,对员工工作进行指导。
计算机到底捕捉了什么
让我们再来看这样一幅画面——
某人打开视频网站,正在观看一则广告,禁不住流露出惊喜的表情。这时,计算机的摄像头提示灯忽然闪了闪,这是什么意思?原来计算机是在做这样的事:对准那个人的眼睛定位,寻找嘴部水平中心线,xyz轴建模,测量他的眼轮匝肌、皱眉肌、颧大肌各块肌肉的位移,数据传回,数据库表情匹配。
通过这样的面部识别技术,是对这个人进行观察判断,准确率可达到96.9%。对于更为复杂的复合情绪识别率能达到76.9%。有家美国公司就专门为顾客提供情绪反应数据。此方法还可以用来进行表情测谎。原理是:人们进行虚假或真实的感情表达时,使用的大脑映射不同,反映在面部肌肉动作上也有不同。人类很难区分的细微感情变化,计算机却很容易。
从面部特征识别到表情识别,再在到情绪识别,计算机利用大数据能够辨别真实与谎言。
上海有位大学生利用商场试衣间,对准“试衣镜”映照出来的各式各样的顾客表情和体势,开发了一个软件,能够帮助老板预判顾客喜欢不喜欢这件正在试穿的商品,以利导购员对顾客讲一些怎样的话,他或她就会愿意购买这件商品。
人类千分之一秒的表情,倏忽而过。但是,计算机却能够迅即捕捉,做出判断,帮助人们决策。
还有伯乐的本事呢
看完上面的案例,你可能会认为基于大数据的识人本领,讲白了就是“以微知著”,拿“千分之一秒”做文章。其实,大数据还有别的本事呢。现在就再举一例。
大家都知道,我们每个用人单位都保存着员工的人事档案。目前,档案里记录的不过是员工的一些自然信息、能力信息、履历信息等,比较简单。如果我们建立一个大数据平台,就可以以这些信息为基础,进一步扩大搜集范围,例如将员工留在社交平台、浏览网站上的数据撷取过来,那就能立刻使他的相关信息丰富起来。
在四川成都,有一位年轻的大数据科学家,建立了基于大数据的“人才雷达”,能够从九个不同的维度,把一个人的相关数据撷取过来,使之丰富化、形象化、个体化。例如,你的“学术水准”,大概是从你的学术论文发表数量与被引用指数那里获取的;你的“社会活跃程度”,大概是从你出席国内外论坛次数那里获得的;你的“阅读领域”,大概是从你的购书记录与浏览网页那里获得的:你的“交往对象”,大概是从你的朋友圈那里获得的;你的“发展潜力”,大概是从你近五年发表论文的影响力那里获得的:你的“生活习惯”,大概是从你的手机、计算机开关时间那里获得的……这样,大数据就能够从四面八方为你或其他任何人画出一幅形象逼真的“素描图”。据报道,现在有的电商已经掌握了每个顾客的一万多个“标签”,就是一万多个特征标志。只要法律允许,画出一张你自己也不知道的“素描图”,应该不是难事。
人们只能长叹一声:“大数据已经炼就了火眼金睛!”
由此不难理解,哪个部门或组织若要寻访人才,依靠大数据,是一个相当不错的渠道。
中国人推崇“伯乐相马”。在今天这个大数据时代,除了有才爱才的个体伯乐和强调公平的制度伯乐外,还有了身手不凡的“大数据伯乐”。三种伯乐各有各的长处,三方结合在一起,必能收“放大增强”之效。
有志于引才的部门与单位,大家何乐而不为呢!
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