
大数据并非新原油
在营销领域,这是一件激动人心的事。人们甚至用简单的等式来表示:大数据=大动力=大利润。这一寓意很好地描绘了那些不太好理解的东西。而在过去的两年里,我已经反反复复听到人们把大数据和原油相提并论。
不过,从生产层面来看,大数据和原油是毫无可比性。信息本质上是可再生资源,任何数据的存储并不仅仅存在于表面之下,而且它们还会日复一日地被大量创造出来。从数据中寻找价值更像是一种精耕细作的过程,而不仅仅是提取和精炼。这些都与原油的生产大相径庭。
但尽管如此,在某些情况下,这种类比却是有用的。
“大数据就像原油”这一想法也许能引发出一些亟需的危机感。人类在原油领域的经验是丰富的:财富的创造需要平衡资源日渐稀缺、唯利是图所造成的血腥冲突,以及严峻的气候危机等因素。而新的数据经济领域,正如同石油行业一样瞬息万变(也可能是危机四伏),如果我们真的要向这一领域迈出第一步,深谋远虑至关重要!事实上,我们已经看到了“数据泄露”的发生,大量私人数据由于疏忽被泄露出来。因此,我们距离危险的数据操作还会远吗?我们距离“数据污染”带来的长远影响还会远吗?
私人数据,是一个可以适用“数据-原油”模型的领域,但也是我们要谨慎前行的领域。如今,在数据世界中,大量利润是通过使用人工生成的信息得到的。人们的浏览习惯、聊天记录、移动轨迹以及地点定位——所有这些东西都被商业化了。这些都是极为私人化的数据,尽管通常情况下人们并不这样认为。在这里,或许我们可以将私人数据与化石燃料进行一种行之有效的比较:原油是从死去很久的微生物身体中压缩得来的,而私人数据则是通过对人们私人生活碎片的压榨而产生的。这些数据实际是人类经验的一个浓缩。
这种将数据重新嵌进人类生活的做法影响至深。我认为,使数据变得更加人性化可以带来更为长远的商业价值,这可以从以下三件事做起:
首先,人们要理解和体察数据所有权。当社会中的每个人都能够生成大量数据时,个体却很难意识到这一过程,或加以运用。当人们获得工具可以对自己的数据进行存储、可视化处理和研究的时候,就会理解这些信息的价值和作用。推而广之,在一个广泛的范围内,这种数据认知的提高,可以为每个人带来更好的决策——既可以减少数据被滥用的可能性,又可以用来解决诸如灾难应变、癌症诊断、疾病传播等重大问题。
其次,我们需要对数据及其行为准则进行更为公开的对话探讨。去年,许多新兴企业都让我为他们的私人数据投资提出建议,但却没有一家企业提到被提取数据的人们的权利。这是我们需要改变的。我推测,那些将自己定位为“数据人道主义”的公司会获得巨大利润,而且,由于消费者数据权力意识的提高,这种“数据人道主义”最终可能成为未来的商业标准。
最后,我们需要改变的是公众看待数据的方式,也就是说,数据并不是新原油,而是一种完完全全的新型资源。为了促成这种改变,我们要在社会上推行深层次的数据认知。巧的是,人类有一种针对此类广泛的文化变革的机制:人文学科。我们应鼓励艺术家、小说家、演员和诗人都发挥积极作用,促使我们朝着利润而前行、随着数据而进步。这样或许能够避免大数据时代发生类似过去原油所引发的错误。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03