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
在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16