京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的特征和思维
随着信息技术的发展和应用, 人类进入了一个大数据时代。大数据时代和我们以前的时代有什么不同? 什么又是大数据时代的特征,和应具备的思维呢? 维克多·舍恩伯格在《大数据时代》一书中将大数据时代人类的思维革命总结成三个:不是随机样本,而是所有数据;不是精确性,而是混杂性;不是因果关系,而是相关关系。基于我个人的观察和思考, 我认为大数据时代有三大特征和需具备的思维。 它们分别是:万物皆数化特征与量化互联思维,数据价值化特征与价值思维,世界智能化特征与智慧思维。
万物皆数化特征与量化互联思维
“万物皆数”是毕达格拉斯学派2000多前的一句名言。在过去的2000多年里,人们尝试用数字来量化客观世界,并以此为基础探索并认知世界。 随着上世纪计算机的出现和随后信息化迅猛的发展, 尤其是互联网、移动互联网、物联网的深度普及和广泛应用,我们似乎真正进入了一个“万物皆数化” 的时代:从宏观到微观,从客观到主观,从具象到抽象,一切活动和动力,直接或间接,都在被全面、实时地记录,成为数字化的信息,“万物皆数化”成为大数据时代的第一个显著特征。
“要么数字化,要么死亡。”(孙正义前不久对日本企业界说) 数字信息已经成为时代发展的趋势和代表。数化特征带来的第一个思维就是量化思维,“量化”就是用一种共性的语言来描述,标识和解释世界。因此,需要充分应用最新的技术手段,对全领域、全过程的各种信息进行定量采集、定量分析挖掘、定量描述;共性的量化使得各种信息之间的互通成为可能,打通物与物之间、物与人之间、人与人之间、人与活动之间,活动与活动之间全领域、全过程的信息,协同并整合所有片段信息,形成多维的完整的数据链,这就是“互联思维”。在量化和互联的基础上,建立实用的分析方法和数据科学,才能更好实现有价值的数据应用。
数据价值化特征与价值思维
大数据时代第二个特征“数据价值化”。数据创造价值并非这几年才开始。从上世纪50年代开始的信用卡评分、到数据挖掘领域最经典的啤酒和尿布的故事,都曾经是企业利用数据创造价值的典型应用案例。在大数据时代,由于万物的量化及互联,数据已渗透到不同行业的各个维度,其多维性和完整性左右并影响了各维度的发展和决策,数据的重要性由此凸显,这就是数据的价值化特征。麦肯锡全球研究报告指出,“数据已经渗透到每一个行业和业务职能领域,逐渐成为重要的生产因素,人们对于海量数据的运用将预示着新一波生产率增长浪潮的到来。”基于数据价值化的特征,价值思维的运营被广泛应用。同时,数据的价值在大数据时代已然超越了提升生产效率的基础定位,上升成为战略资产、生产资料以及合作资源, 甚至成为国家竞争力的构成要素。在过去几年,很多企业都提供免费服务,尤其是互联网企业,它们的商业模式正是基于数据价值的思维,数据就是价值。但是随着数据的越来越普及,获取数据的渠道日益增多,数据的价值不仅仅只体现在数据的获取上,更体现在数据的深度认知,解析和运营上。数据价值的呈现将基于更多创造性的方式。
世界智能化特征与智慧(社会)思维
基于上述的特征,人类对各种物体以及现象的认知越来越深入,(包括人类自身的需要),基于大数据的各种应用出现了智能化的特征。从智能搜索,智能推荐营销,到各种智能服务如自动导航,自动驾驶,智能家居等大量应用,将使得基于数据的智能不断进化。智慧城市的推动,也是希望利用大数据对民生、环保、公共安全、城市服务、工商业活动等各种需求做出智能响应。我们相信,各种智能机器人也将在不久的将来大量出现,在各领域服务于人类。世界智能化将是大数据时代的第三个特征。
大数据的广泛应用在产生积极影响的同时,也产生了问题,如:隐私权、数据安全,数据所有权等。基于大数据不断发展的智能机器人也给世界带来不确定性,如何处理人和机器人之间的关系将是未来一个重要的命题。这些问题和不确定性,需要个人,企业和国家对大数据的应用有很好的意愿,规则,协同,利他共赢的智慧。智慧(社会)思维,是应用大数据在更好的服务人类的过程中,必须具备的一种社会思维。
简而言之,在大数据时代,智能和智慧化是目标和愿景, 价值化是手段, 数字化是基础。 而“大数据”实际上是一种思维和方法:它是一种基于数据量化和互联,通过数据分析,挖掘,应用, 以达到整个世界高度智能化甚至智慧化的思维和方法。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 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 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 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 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28