京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据大而无用
互联网的发展可以用数据来衡量,大数据被世界经济论坛称为是新的石油、新的资产类别,其革命性不亚于蒸汽机车、电网、钢铁、空调及无线电。
2005年 互联网的数据总量为 300 亿 GB,思科估计 2013年 的规模预计超过当年的 20 倍。1990年 代至 2005年 被视为是互联网的第一波浪潮,这波浪潮为我们带来了电子邮件、Web、网上搜索以及宽带。这第二波浪潮,就指望着大数据给经济提供动力了。
但有个小问题:尽管 Web 流量飙升,但经济正处于萧条期。得益于计算机和互联网的革命,自 1970年 代一直稳步增长且持续到 2000年 代的生产率,自 2005年 以来却出现下降,这正好是大数据冒出来的时间。
因此一些经济学家开始质疑,大数据是否具备第一波互联网浪潮的那种影响力,与几个世纪的工业革命更没法比。有一种理论认为,大数据业是通过调动现有企业为了客户进行竞争,从而让经济更加繁荣,而非创造新的根本性的机会。
当然,有些公司,如 Amazon 和 eBay 等的确是为客户而战。但其他的公司却在蚕食传统产业的市场,广告、媒体、音乐、零售等无一幸免。
明尼苏达大学的经济学家 Joel Waldfogel 认为,数字产业与实体界是此消彼长的关系,所以认为数字的崛起会给经济带来净增长是疯狂的。西北大学的经济学教授 Robert J. Gordon 则认为把大数据比作石油只是个噱头。上个世纪,石油让交通革命成为可能,如果有人认为个人数据堪比石油和汽车,那一定是没有体会到上个世纪的现实(汽车取代马匹,空运取代道路)。
但也有经济学家认为大数据的经济冲击只需几年就将到来—只要大学培养出相应的数据处理人才,并且数据驱动初创企业开始招兵买马。当然,衰退可能会以经济学家无法掌握的方式掩盖数据革命的影响。还有人甚至怀疑最终我们当前对大数据和 “云” 的理解框架可能只是一座海市蜃楼。
数据必须充分发挥经济潜力才有可能。当然,像营销、制药业现在每天都在大量应用数据。
masFlight 就是这样的公司。这家公司采用大量数据来帮助航空公司减少燃油消耗并改善总体性能。Josh Marks 是这家公司的 CEO,尽管他的第一个使命是帮助自己的客户与其他航空公司为了顾客而竞争,但他也相信像自己这类公司追求的效率最终应该能发展全球经济。
但他也承认,目前 Web 上大多数的裸数据流的经济价值有限:分析师手上掌握的,对特定行业有着深刻理解的专业数据有用得多。他认为现在对实时处理超大数据集能力的宣传有些言过其实。
有的经济学家认为,新技术的真正价值往往是很难评估的,大数据也许早已给经济带来好处了,只是没有算进官方的经济数据里。比方说,Hulu 上面的小猫视频和电视节目给网上冲浪者制造了欢乐,那么经济学家是不是应该想办法给此类无形活动评估一下价值啊?此类活动是不是推动了 GDP 的增长?
此外基础设施投资往往要花费数年才能回收。西北大学的经济学家 Shane Greenstein 说,1990年 的铺设高速互联网的投资也是在最近才开始获利。但是他也指出,相对于第一波浪潮对经济活动的影响,大数据革命带来的影响更难看清。这种影响有可能只是有延迟,也可能没有价值。
但是数字未来学家喜欢拿电网的崛起与之对比。其想法是无所不在的互联网让数据和 “云” 无所不在,就像插座让电无所不在一样。
数字的对比是诱人的。Harold L. Platt 在《The Electric City》一书中描述的 19 世纪末 20 世纪初芝加哥电力飙涨的情况令人马上联想到今天数据的增长。
但已经 68 岁的 Platt 并不同意这种简单的类比。他说电力给制造、家庭生活、交通、上层和底层社会带来的革命数据时代未必就能做到。
不过,在芝加哥那头通过手机接收采访的 Platt 发现自己也无法回避这股数据洪流。正打着电话的他收到了自己已成年的孩子发过来的短信。“我得短信回复他们,否则他们就不会回我。所以我也得随大流。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19