京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在大数据时代,商业模式正发生大变革
大数据的“喧闹”已有几年,业界认为,现在是认真冷静下来思考一些关于大数据根本性问题的时候了。近日,国内专注于大数据应用产品的“据说研究院”负责人接受本报采访时表示,大数据的根本性价值是破解人类信息不对称的千年难题,未来或将有一种主流的商品,那就是数据应用商品。
大数据的根本性作用是什么?
人类长期所处的物理世界中,一直受制于时空限制,产生的数据极为有限,导致信息不对称的现象十分严重。信息不对称成为人类的根本性困局,人类不断地为这个困局而搏斗着。知情权权利声索、博弈论理论衍生、信息经济学创立等,都是人类与该根本性困局难题进行斗争的体现。随着信息技术的深入发展,地球上的任何人、任何事、任何物都可能时时刻刻产生大量数据,传统的物理世界将可以通过数据世界来展现,人类可以透过数据世界更加清晰真切地认识熟悉而陌生的物理世界,信息不对称的难题将因此获得破解。因此,应该说,大数据的根本性价值是破解人类信息不对称的千年难题。
对于大数据,普通大众最应该关注什么?
大数据包括的范围比较广泛,如果必须按照传统产业链的思维来划分,可以包括以技术为中心的平台层(并行构架和资源平台,即硬件层面)、系统层面(大数据存储管理和并行编程模型与计算框架)、算法层(基础算法和应用算法)和应用层(应用开发和行业应用),以及以数据规划、数据采集、数据清洗、数据标注、数据挖掘、数据分析和数据应用为基础的数据产品层面。当然,数据产品层面又包括数据交易、数据应用和数据服务等方面。事实上,数据产品层面,是大数据产业最具价值的环节,也是与我们普通大众比较接近的部分,普通大众关注这一环节就足矣。
大数据为何会改变人类思维?
几千年来,人类都是“因果性思维”,这是小数据时代的有限数据所致,面对数量有限的结构化数据,人类不仅能够知道“是什么”,也能够知道“为什么”,相关性思维仅仅留存于侦察思维和中医思维(《易经》)的狭小领域里。但是,当面对日益剧增的海量数据和绝大部分都是非结构化数据时,人类的因果性思维显得更加苍白无力,仅仅靠人脑,人类不仅不知道“是什么”,也不知道 “为什么”。因此,人类必须从几千年来 “因果性思维” 的桎梏中解脱出来,转变为“相关性思维”。同时,由于大数据时代的来临,企业间边界、产业间边界、线上和线下的边界等都正在快速消除,跨界融合正在成为主流,因此,人类也只有转变为“跨界”的相关性思维,才能够适应时代的变化。
怎么理解“数据驱动一切”?
“数是万物的本原”,事物的本质和规律隐藏在各种原始数据的相互关联之中。对同一个问题,不同的数据能提供互补信息,通过相关性思维,让不同“维度”的海量数据“关联”起来,从而实现对物理世界的真实认识。大数据通过“量化一切”而实现世界的数据化,并由此改变人类认知和理解世界的方式,同时带来全新的大数据世界观。因此,当地球上的一切将可能产生数据时,数据将成为未来重要的生产资源甚至战略资源,未来所有的行业都会是“大数据+”,人类必须适应“数据驱动一切”的改变, 并且,这个未来并不遥远。
大数据真能创造一个“多维世界”吗?
人类目前同时处于物理世界、网络世界和数据世界之中,只不过每一个人在不同世界的“存在感”不一样罢了,也正是三个世界将人类重新分割开来,有人仅仅能够理解物理世界的事情,难以理解网络世界和数据世界的事情;也有人仅仅能够理解物理世界和网络世界的事情,对于数据世界往往并不理解。当然,处于不同世界的人,其思维方式和行为方式都是有差异的,所导致的结果往往也是完全不一样的。很显然,既然三个世界是同时客观存在的,我们就应该真切拥抱这三个世界,不可偏废,更不可拒绝。我们应该在三个并行世界中游走、思维、管理、创新、构建商业模式和产业模式。
在大数据时代,商业模式为何都会发生变革?
传统的物理世界,因为时空限制信息是严重不对称的,我们以往所有的商业模式都是基于信息不对称的物理世界而建立的,很多商业模式都是因为赚取信息不对称的钱而存活,如电视台、报纸、网络等广告模式,再比如工厂以企业为中心生产各种商品出售,还有传统金融机构仅仅依赖于抵押贷款,以流量驱动下的传统电子商务等。当地球上的人、事、物都因为产生大量数据而构建起“关系”,让人类顷刻间获得了无限的信息对称,一切基于信息不对称的物理世界而建立的商业模式势必获得变革,这也是不得不面临的变革。未来,主流的商业模式将是以大数据为基础的产业互联网。主流的创新模式将是在物理世界、网络世界和数据世界中自由穿行的创新,未来会有一种主流的商品,那就是数据应用商品。
数据世界究竟离我们有多远?
应该说,数据世界就存在于我们面前,无论你“识”还是“不识”,它就在那里。这要根据每一个人在多维世界的“存在感”进行区别。认为数据世界很遥远的,是因为在数据世界的“存在感”较差;认为数据世界就在眼前的,是因为他就在数据世界中或者他正在构建数据世界的“施工现场”。
当然,数据世界并非自己就能够自动建立的,需要我们人类以往的思维方式、行为方式、决策方式、商业模式、产业模式和管理模式等发生变化,而这种变化是痛苦的。但是无论如何痛苦,历史不会因为某些人的痛苦而停下它不可阻挡的时代洪流。面对“数据世界”的建立,世界各国近乎站在同一个起跑线上,任何一个国家的怠慢和无知,都将为此付出十分沉重的代价。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 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 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 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 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 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 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 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。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23