京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的本质是虚拟中介,和实体经济相生相伴
互联网发展的一个重要的特点,就是很多线下的业务被放在了线上,互联网本身具有去载体化的天然特性,正是因为有这样的特性,所以数据沉淀就显得特别重要,若是没有这个数据沉淀的优势,互联网去载体化就不可能实现。
以往传统的线下业务其实也沉淀了大量的数据,只不过这种数据的负载形式是物理的,传统的统计形式更多的依赖人工,所以这些沉淀的数据一直在沉睡而没有被唤醒,因为人工的方式根本没法做到。互联网充当了唤醒这座数据金矿的重要角色,使得人类第一次对数据的效用重视起来,所以大数据的概念风靡当下,不能不说这是互联网带来的意外之喜。
互联网将传统线下业务搬到了线上,于是这种大数据的形式就凸现出来,因为既然互联网具有去中介化的天然特性,那么这种中介化的价值信息就附着在海量的数据中——除了数据,互联网的价值链就显得没那么有价值了,所以从某种程度上说,互联网时代的中介化,就是沉淀的海量数据形式。这和传统的物理中介当然是两个不同的概念,只不过互联网时代,很多传统的物理中介都受到了虚拟中介的冲击。本质上,这只是中介身份的一种转换,而不是物理中介被消灭了。
例如,银行、证券、交易所等金融机构都是物理中介,其业务所积累起来的数据非常可观,当这些数据被海量的搬到线上的时候,我们并不能简单的认为这些金融机构被消灭了,而应该认识到,这些金融机构的身份,是以搬到了线上的海量数据为新的虚拟中介形式的,物理中介反而成了虚拟中介的生产源。这些生产源的本质属性是不变的,例如,金融方面,其股权、债券、信托等金融核心功能不变,其所涵盖的契约也是不变的,所面临的金融风险、所面对的监管的基础都是不变的,这种本质属性的固定,并没有在互联网时代因互联网的迅猛发展而发生改变。当我们在分析互联网对传统行业的冲击时,往往用去中介化来描述互联网对传统行业的冲撞,但是我们应该认识到,这种去中介化,并不是消灭了物理中介,而是摆脱了物理中介,实现了和以大数据为依托所形成的虚拟中介的联姻。
所以,大数据的形式其实是一种互联网时代的虚拟中介,它是从传统的物理中介中衍生出来的,从此,市场的生态环境发生了变化:一种线上的虚拟中介,一种线下的物理中介。整个市场被重新构造起来,线上线下两种生态共同支撑着当前的互联网时代走向一个较为繁荣的阶段。
迈尔·舍恩伯格(《大数据时代》一书的作者)认为,大数据的一个重要特点,就是事物之间具有相关性,而因果性倒是处于其次。
其实,这种观点也不新鲜,因为在统计学上,要证明两个事物之间具有因果性,前提条件是这两种事物要具有一定的关联性,即,事物之间的关联性是求证它们因果性的必要条件。所以在某种程度上,舍恩伯格这种观点是将事物之间的相关性和因果性分开看了。从前面的分析我们可以得知,海量的数据并不会无缘无故的产生,线上的大数据中介是传统的物理中介衍生出来的,可以说没有线下的物理中介经过产业链的整合,从而将这些数据整合到线上,那么线上的虚拟中介是不会产生的,所以,数据之间绝对不仅仅是只有联系性那么简单,数据之间的因果性才最终指导着企业如何经营的极为重要的因素。
大数据的形式作为新型的中介形式,本质上还是伴随着互联网的迅猛发展而产生的,这是一种有别于传统中介形式的新型中介,并不能独立于实体经济而孤立存在,没有实体经济的最终繁荣,互联网只能呈现出较为繁荣的假象,而最终会变成没有根基的浮萍,所以,只有线上线下生态同步发展,或才是一个市场较为成熟的表现。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23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