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
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在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11