
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
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