
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
在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19