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
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 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 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07