京公网安备 11010802034615号
经营许可证编号:京B2-20210330
对大数据毫无贡献的人群 该何去何从
人类日常生活的数据信息,主宰着越来越多的商业决策。那么对大数据毫无贡献的人群,又该何去何从?
大数据时代,不少人担心自己的私人生活受到形形色色的监控、追踪,进而简化为数据点,经过一番运算,用于见不得人的政府或企业勾当。
另一方面,相对脱离数字世界的人群却可能面临完全相反的问题,根据《斯坦福法律评论》(StanfordLawReview)最近刊载的一篇文章表明,该群体缺乏关注。
“大数据对没有被它吞噬的群体也构成一定风险,这个群体的信息没有得到定期的收集、整理或提取。”美国国务院法律顾问乔纳斯?勒曼(JonasLerman)写道。
曾几何时,日益膨胀的大众数字资料大部分被商家所用,作为提供个性化广告和优惠券信息的参考,谁管你需不需要这个信息?
然而今时今日,“大数据”分析渐渐影响着各种重大决策,决定着人类的生活方式和机遇。通过背靠数据预测未来,零售商确定了新店地点和商品价格,企业设计出了新产品,政治家制定投票率策略,分析家研究出疾病传播方式与恐怖分子的动向。甚至是白宫也发起一项价值2亿美元的计划,旨在帮助决策机构从大数据中“获取、整理并推断出结论。”
对勒曼来说,组织这些数据力量是为了给“大数据边缘”人群创造全新形式的无声主义,将显着放大现有的地理、经济及社会阶层的不平等现象,并将影响数据集结果,使其偏向大多数群体。
“这可能重组社会架构,将来唯一事关紧要的人群、唯一有数据价值的人群,是会定期为正确的数据流做出贡献的人群。”
勒曼列举两个假设个体,作为例子:
01:一位居住在曼哈顿的30岁白领。她使用Facebook、谷歌、网飞(Netflix)和亚马逊,拥有借记卡、信用卡、购物卡、公交卡、以及在汽车仪表板上电子支付通行费的快易通(EZpass)。智能手机里和车载的GPS导航系统引导她走天下。
02:一名散工,居住在美国最穷城市—新泽西州卡姆登市,距离曼哈顿2个小时的车程。他的工作酬劳以现金私下结算,没有手机、有线电视和电脑。他坐公车付现金,家里没有车,偶尔在图书馆上网。
勒曼指出,今天很多大数据工具都经过校准,专门针对“足迹遍布数字世界的”曼哈顿人。“大数据所塑造的世界会考虑曼哈顿人的习惯和偏好,会慢慢演变成属于她的世界。但目前,大数据忽略了我们卡姆登的兄弟们。”他认为,随着大数据进一步重整政府与市场秩序,卡姆登等地区的居民将被逐出机遇之门,甚至连民主参与也无福消受。
解决方案还是有的。他提出,方案一是确保决策者在设计新的公众安全项目时,能够在大数据途径之外考虑到未能深入数字世界的群体。最终,联邦政府甚至可能通过与2008年《反基因歧视法》(由布什总统签署,禁止人寿保险公司以某人具有对某种疾病的易感基因为由,取消、拒绝对他进行保险或提高保险费用,禁止雇主以遗传信息为依据进行雇佣、解聘、升职、加薪,或做出任何与雇佣行为有关的决定)类似的新民权法案。
他最后强调,“要确保大数据革命是一场公平的革命,其益处能够得到广泛、合理的分配,我们可能还需要保证少数群体不被遗忘、不被排斥的权利。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14