京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据杀熟只是开始,未来算法还将成为法律
1,最近看到网上流传着大量滴滴打车,面对不同用户不同价格的截图,并在互联网上引发了大量的抨击,认为滴滴的这种价格歧视是损害消费者的行为。
同样类似的事情是来自于携程,去年10月,演员韩雪在微博炮轰携程机票销售捆绑,在用户不知情的情况下,对用户进行各种套餐的捆绑销售,极为流氓。
此外,细心的网友还发现,携程有着非常强大的人工智能系统,面对不同的用户,操作,时段,携程也会给出不同的机票价格,猫腻重重。
当然,这些事情在国外也其实屡见不鲜,早在2000年,亚马逊就开启了价格歧视的定价策略,被消费者发现举报后,贝索斯亲自出面道歉,不过这种事情并未好转,亚马逊继续我行我素。
像Airbnb、以及国内各个酒店APP,同样也在采用类似的动态定价方案,诸多酒店用户发现线下价格反而比线上优惠的价格还要便宜。
此外,UBER的动态定价也经常被爆出与滴滴类似的事情。
所以我们必须反过来思考这些“屡见不鲜”的事情,到底是为什么?
2,表面上看,一个非常容易得出的结论是,科技公司们是在寻求利益的最大化,在供求关系中,尽可能的榨干每一个人的钱包。
同时,对于消费者来说,其感受到的是一种被欺骗的损失,通过技术和垄断,科技公司以更高的价格让自己买到原本可以低价购买的产品,毫无公平而言。
绝大多数人都认为,科技公司不该如此大肆利用隐私数据,侵犯用户利益,应当将这种行为进行收敛。
不过,在这里我提出一些反对的想法。
这些行为有可能是科技进化的必然,并且未来,越来越多的利益权衡都将技术化,价格歧视将会是一个不可逆的趋势。
3,所有人都知道微观经济学中,有一个经典的供需关系图,横轴代表一个产品的需求量,纵轴代表一个产品的价格,而商家需要做的是找到一个价格的中间点,使得边际利润最大化。
只不过由于市场是模糊的,不确定的,需求量是难以衡量的,因此,商家需要不断调整定价策略,并且对所有用户进行价格一刀切的政策。
但是现在由于大平台已经垄断了几乎全部市场,市场不再是模糊的,而是可预测的,时间预测、用户消费能力预测、承受需求能力预测等等都被数据化。
同时,微观经济学的理论依然奏效,因此这时,企业不过是把对于大众的一刀切价格,更为精细的针对到了每一个人的供需上。
对于消费意愿更低的人群,其可能采取被迫降价甚至平台补贴的策略,为了逐渐培养起其消费习惯,而对于刚需人群而言,其自然可以抬高价格,获得最大的收益。
一个愿意买,一个愿意卖,并没有什么错。
只不过这里面还有一个问题。
4,问题在于一些巨头平台已经全面垄断,用户只能够选择是或者否,而很难获得其他第三方类似的优质服务,因此只能进行二选一是或否的选项。
普通人都进入到了无法选择的状态,这才是最让人感到愤怒与无奈的。
扎克伯格曾表示,要在2018年改写Facebook的信息流算法,因为希望给自己女而留下一个美好的遗产。
仔细想想,这里面的意思其实是,Facebook有能力让普通人看到任何东西,并对每个人施加影响与操控。
果不其然,今年爆出的Facebook“总统门”事件就显示,一家名为Cambridge Analytica的英国公司,通过盗取Facebook相关数据,最后成功显示了对全美5000万人的影响,最终帮助特朗普上台,该事件正在越演越烈,Facebook股价不断暴跌。
一个致命的问题是,全世界的人民都很难选择放弃Facebook,因为社交关联实在太强,其地位很难撼动,普通人只能接着用下去。
5,不过Facebook事件,也揭示了世界存在的另一个真相,技术的权力正在越来越大,其可以随意操纵任何人的情绪、意志、钱包,并且都在不知不觉中完成,所有人也都将乐在其中,这个世界正在越来越变成算法统治的世界。
任何拥有技术的平台,算法就必然会成为最终的统治者。
《未来简史》曾预言,未来的时代将会进入算法社会,这个社会的一切都将由算法定夺,由于技术掌握了你的数据,因此比你自己更了解你自己,因此通过数据就可以对人定制出一些更为合理的方案。
比如养老金的法律,通过算法,每个人都将获得不同的养老金分配方案。这样不仅可以为政府减轻更多的人力负担,更可以让一切更加简单。
换句话说,谁来定制这样的算法?在《未来简史》看来这样的人就是神人,他们有一切权力为每个人进行算法的裁决,但是又如何判定这些已经成为算法的法律有着笃定的公正?
滴滴们所暴露出的大数据杀熟,正在反映着这一问题,没有人相信这样的动态价格歧视是合理的,我们更愿意被“一刀切”,而不是被机器动态定义。
6,所以这个趋势,是矛盾的,但是又不得不承认它正在发生。
即算法正在成为每个人的统治者,如同神明一样,你做了什么事,它都会如实记录,并最终给你想要的回馈。
另一个问题是,设计算法的人,是否公众客观?他的目的又如何检验?
下一次美国竞选是否又会有Facebook的参与?
这一切都还没有答案。
或许,是时候成立算法伦理组织了。
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数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12