
大数据时代对公有制发展的思考和讨论
5月底和朋友在我的群里就信息化和公有制这个话题展开了讨论。我有一些思想突破,所以就在这里稍作整理并分享给大家。
谈到中国的信息化发展,我们需要看到以下这样一个现象。
其实马云的发展让我们大家看到,当初他要资源,没有资源要人才,也没有人才,要政策也没有政策。
可后来他竟然发展壮大到现在这副模样。
虽然这和公有制没什么大的关系,但是这种发展给我们以较大的启发。
而当年的资产阶级的发展也是通过工业化革命才不断地掌握产业,最终,掌握了整个社会的生产资料。
在信息化的条件下,我们如何复制这种历史,并且进一步飞升,确实是一个大的学问。
我在文章中提到了水木然有一篇文章说,淘宝的模式让虚拟的店铺替代了真实的店铺因虚拟的店铺可无限复制,所以成本就非常低廉,突破了传统的生产资料界限了。
这就是信息化带来的巨大的一些变化,滴滴快车,甚至一些直播让个人成为生产者,公司不再是组织、生产者。
这就是信息化带来的经济所有制的变化,谷歌,免费发展模式也是如此。
信息化让服务器自动化服务几亿人,因此,也就带来了资源最佳利用的这样发展模式了。
过去我写了一篇文章,说的是夺走了土地夺不走财富这样一个话题。
确实,当这个社会数据化以后,数据化就是生产资料,而且它比土地还要珍贵。
所以我们抓住了大数据,也就抓住了生产资料了。
而且这种数据实际上是一种经验,知识的积累。
可以说把整个社会从过去的工业化财富转化成为信息化、大数据财富了。
既然【数据】是生产资料,就不得不改革社会所有制关系。
我说
所以这种各自为政就让他们无法玩这种大数据了,这也是信息化带给公有制发展的机会。就一如当年乔良所说,美国发明的互联网将终结美国的霸权一样,因为信息的公开透明就让权力的暗箱操作无法实现。同样,大数据需要一统才能充分发挥它的价值,这也是公有制存在的基础。
当整个社会,数据成为最主要的社会发展基础时候,实际上也一如当年的工业化一样了。
而且我们也注意到,这种大数据确实需要公有制配合才能发挥最大的效能。
而且我们也注意到因为这种数据化,它是一种信息流,而信息是能自由复制粘贴的。
所以这种生产资料具有以前的生产资料所没有的轻质化。
当然,背后需要整个社会一体化才能玩转这种大数据。
单一的公司是无法这样运转的。
确实,现在整个社会的发展因为大生产、信息化就把整个社会高度组织起来了,这样也就让我们看到这样一种发展是更符合公有制的。
这时候有个朋友就说
对抗性的社会生产关系。碎片化的社会市场体系,各自为阵的社会生产结构与运行体系:是没有共享的大数据滴。
我说
当然,决定发展的依然还是人。马克思说的好,生产关系和生产力是互为辩证法关系的。
我们现在看到的是一番生产力极其发达的景象,但是落后的生产关系确实会妨碍这种生产力的发展的。
我们再看到,这个社会正在不断被数据化了。这一如当年被工业化一样。
所以说来说去我们应该明白,我们要勇于担当、去发展才能和历史的这种发展吻合。
我们每一个人的行为现在都被像滕迅这样的公司给不断掌握、成为他们的数据资源、发展财富了。马化腾的公司为什么会市值这么高呢?关键就在于它的大数据太有价值了。
不管我们愿不愿意,但是我们在网上产生的一些数据就成为他们的财富了。
我们要让整个社会的财富数据化,只有努力去抓住它。那么因为信息化的这种发展和公有制这样的关系,所以我们会看到和得到这个时代带给我们实实在在的文明进步。
因为今天我们是就信息化和公有制这个话题和大家共同参与讨论的。所以,只要在这方面多有见识的都可以参与。
关键就是要能给大家带来思想启发。有所突破。
现在我们必须注重数据化和当年的工业化一样将同化整个社会财富这样一种发展趋势。
刚才我和大家谈了大数据在健康方面巨大的使用价值,其在安全方面也如此。
所以今后的发展不是你拥有多少土地或者房子就拥有了巨大财富,今后的发展我们可以看到,抓住数据才是发展的根本。
实际上,现在我为大家提供了一些思路,大家可以就这些思路进行更深入的思想。
而且我们也看到,可以充分利用信息化不断地让人和人之间人和物之间、事物之间建立起更加科学合理的关系。
过去我曾经有一篇关于如何建造网站的文章,主要的思想也是体现在这个方面上。
实际上也就是让数据更加的具有财富性。
利用大数据获得更多更有价值的发展,实际上现在也刚刚起步。
其中的发展空间很大,总之就是这样的一种发展方向。
我希望大家看到并参与进来。
这比起在网上夸夸其谈要好多了。
确实,有时候信息的孤立会很没有价值的,但是当数据集中起来的时候,它的价值就大了。
这样也让我们看到,集中统一因为信息化而来到世界了,而集中统一、计划,实际上就是社会主义性质的东西。
如何让这些数据充满价值,这其中的学问确实很大。
在符合现实的情况下,我们如何去做,这是考验我们大家的。
好在我们现在有了这样一种对口的思路,我们就能发挥集体智慧去不断把事情做好。
曾经跟大家说过,我们追求集体化的好处,但是我们大家不集体组织、团结起来,而是各自单干,那么根本不可能获得集体化好处的。
而且这种作为是合理合法的。
只要大家认为这是一种可行的路子,那么我们才会去做,才会寻找到好的思路和现实对接的好。
对,这就是我最近一段时间和大家讲的,我们要不断提高自己的思想维度。
确实,未来的数据化,它整个就是生产资料,就如同工业化一样,掌握工业化的商品也就掌握了真正的财富。
同样的,未来社会里我们掌握了数据,那我们就掌握了世界。
实际上一些具体的发展还需要更加具体对路的思路。
当这个社会真正彻底被信息化数据化消化的时候,那么工业化的历史就会再次重演。
实际上又有几个人认识到这种数据化、信息化对社会财富的这种控制性。
当然,这需要和现实不断对接。
这样一个发展机遇,我们一定要把握住。
而且这种数据化、信息化的发展和我过去的信息化思想高度结合起来,我认为是非常有益的。
我们无意之中看到了一座宝藏,但是我们还在门外面,我们需要大家齐心合力闯进去。
这其中,思路极其重要。能解决实际问题的能力相当重要。
其实越来越多的人认识到了这种信息化、数据化已经和社会财富紧密关联了,过去掌握农业、工业的已经无法和掌握数据的相比了。
@文华你说的很对,除了买卖方面的数据,还有安全、健康等等方面的数据。
也离不开一个科学的模型,需要不断的积累,知识和经验的积累才是数据化财富化的关键。
我们把方向集中在一块也能避免在其他方面因为思想不统一,理解的深度和广度不一样导致互相之间闹矛盾、不愉快而分散精力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10