京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“大数据之父”:数据是创新的驱动力
“有时候不一定是理念驱动世界的变化,可能是实实在在的数据,在数据的基础上产生理念,新的理念是创造性破坏的核心,而数据则是创新的驱动力。”“大数据之父”维克托·迈尔-舍恩伯格26日下午广州中山大学[微博]黄埔论坛上作《大数据时代的变革与创新》主题演讲时说。
作为牛津大学网络学院互联网治理与监管专业教授,舍恩伯格是开大数据系统研究先河的学者,《经济学人》曾评论说,在大数据领域,他是最受人尊敬的权威发言人。他有多达一百多篇论文发表在《科学》《自然》等著名学术期刊上,是《大数据时代》和《删除:大数据取舍之道》等畅销书的作者。
在当天的演讲中,舍恩伯格指出,我们尽其所能去观察这个世界,而这个观察的过程实际上就是一个搜集数据的过程。通过搜集数据,我们进一步理解数据,通过理解数据我们理解了世界。
搜集数据、分析数据需要花费大量的时间、精力、财力,舍恩伯格进一步说道:“我们是否可以搜集最有必要的数据,然后对这些数据进行挤压,从大量的数据中挤出最精华的东西来,然后在此基础之上进行意义的构建?也就是说,我们从大数据中可以提取小数据,数据对我们来说成为了一种可以应用的、有价值的资产。”
今天的世界变得如此广阔,其中所包含的信息海量的,过去20年中,我们数据的量翻了100倍,而且现在还在不断地增长,在短短的4年内世界已经从一个模拟化的世界变成了数字化的世界。
舍恩伯格表示,这一变化意味着我们要理解我们的生活方式,就必须从过去小数据的世界走入真正的大数据时代。我们要思考数据搜集的方法和机制,要从最需要的数据中来。对所搜集到的数据进行转化,成为了我们做出决策的一种最好方式。
他认为,数据的价值在于它可以循环使用、多次使用。“过去,人们对数据的使用只是冰山一角,只是有了问题才去搜集数据,然后分析数据,回答问题,然后把数据扔掉。”他指出,事实上,冰山下的那一块才是数据更大的价值所在,也是我们能够推动更多创新的地方。
他以特斯拉[微博]汽车、打车软件Uber以及谷歌[微博]曾经斥巨资收购的NEST等为例指出,这些产品取得巨大成功,不仅仅是因为他们产品本身,更在于他们都是一个数据收集平台,“这意味着你只要能够充分的使用信息,你就可以用数据来进行创新,进行突破,而且创造出一个新的环境。”
大数据给人们带来了一个全新的社会,大家都在使用大数据提高决策能力,然而,舍恩伯格也提醒人们,在分析数据、解释数据的时候,必须了解它的局限性,要非常小心,避免滥用数据。“问题不在数据本身,问题在我们对数据的使用上。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04