京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据会改变人类思维
一讲到大数据,通常都会提到4个V:量大(Volume),积累速度高(Velocity),数据的产生多源化(Variety),数据笼统噪音大(Voracity)。然而,这些只是对大数据在互联网时代超高速增长现象的描述。大数据真正的意义和价值是它改变了我们的思维方式。这就是大数据思维。
大数据思维能使我们在决策过程中超越原有思维框架的局限。每个人都是依据自己对现实的认识和判断而不是现实本身作出行动决策的。以数据为基础的智能决策有两个步骤。第一是对事物的理解和判断,第二是作出行动决策(不行动也是一种决策)。行动决策会受到决策者价值取向的影响。比如,二次大战末美国打到日本沿岸并调集了比攻打德国时诺曼地登陆更多的军舰云集太平洋准备对日本本土发起攻击。根据对攻占几个日本岛屿所造成伤亡数据的分析,美军预测攻占日本本土将要付出50万美军伤亡的代价。在这个判断的基础上,美国总统杜鲁门做出了向日本投原子弹的决定。结果是减少了美军的伤亡但造成了几十万日本平民的死亡和持续至今的辐射危害,其价值取向是很清楚的。
人们对事物的理解和判断会受制于自身思维框架的局限。一个物理学家在分析一件事物时,会很自然地应用物理定律来思考、理解和判断。所用的概念和语言也会有物理特征(时间、速度、场、重量、质量、作用力、反作用力等等)。一个社会科学家在分析一件事物时,脑子里出现的框架是人际关系、社会地位、历史背景、社会效益等等。所用的概念和语言带有社会人文特征。搞理论工作的和搞实际工作的思维框架也很不同,前者重视逻辑性、系统性,而后者更重视时间性和可行性。即使是同行业的人也会因年龄、经历、环境、学历不同而产生不同的思维框架。当同一现象和信息进入不同人的脑子里时,它会被不同的思维网路过滤、不同的思维方式处理,最后的结果是对同一现实产生不同解读。没有一个思维框架,我们无法理解和判断一件事物。但思维框架本身又对我们的认知产生了一个很难逾越的局限。
大数据思维不是从某个人的思维框架出发,而是让海量数据碰撞,寻找相关性,先看到结果再分析原因。这就冲破了原有思维框架的局限。比如,美国一家零售商在对海量的销售数据处理中发现每到星期五下午,啤酒和婴儿尿布的销量同时上升。通过观察发现星期五下班后很多青年男子要买啤酒度周末而这时妻子又常打电话提醒丈夫在回家路上为孩子买尿布。发现这个相关性后,这家零售商就把啤酒和尿布摆在一起,方便年轻的爸爸购物,大大提高了销售额。
大数据思维可以引发城市管理的新方法。自从美国大使馆每天公布PM2.5指数以后,城市空气污染的问题得到了中国各个城市政府和市民的重视。每天PM2.5检测数据的采集成为环境保护和管理的一个重要任务。如果一个统计学家按照原有思维框架来设计检测数据采集,他会从统计学原理出发在市区有代表性的不同地点定时采集和上报数据。其结果是数据量有限,费用高,检测覆盖率和准确率低。应用大数据思维,某市环保部门考虑将上万个手持检测仪发放给散居各处的市民检测并通过手机上传数据。通过手机定位,环保部门可以确定每个数据的测量地点和时间,大大提高数据采集的覆盖面和精确度。
大数据思维可以对历史数据的分析提供新思路。中国人讲究作学问要“读万卷书,行万里路”。用大数据思维,读万卷书在今天并非难事。美国的国会图书馆正在将藏书全部数码化。以后通过电脑“看书”搜索关键词,分析相关字条和数据将会非常容易,读万卷书可能只是几小时的“小任务”。美国匹兹堡大学公共卫生学院将记录在报纸、报告、微缩胶片上美国各地自1888年以来有关传染病发生和死亡的多元、碎片、海量的数据收集、整理并数码化。通过数据建模和分析,把一百多年的历史“死”数据变活,建立了1888至2010年美国50多种传染病电子数据档案库。用历史数据证明了免疫苗的发明和使用避免了一亿以上的美国人死于传染病。(见下图)
大数据思维能帮助开创新的商业模式。在美国出现的Uber打车服务和后来中国兴起的滴滴出行(原滴滴打车)是大数据思维产生的经典020(网上网下完美结合)新型商业模式。智能手机在移动互联网时代的普及使实时定位的数据传递和信息沟通成为可能。它为乘客和司机之间的商业交换提供了一个崭新的平台,改变了传统的电话叫车或路边招车,降低了沟通成本和空驶率,极大地节省了司机乘客双方的资源和时间。源源不断的乘车交易和时间地点的电子数据在高速地积累和储存。数据科学家们可以通过对海量数据的分析寻找规律以提高和改进乘客打车出行的体验,找到新的商机和推出新的服务。
大数据思维的核心是要意识到我们已经生活在一个互联网几乎无处不在的世界。互联网将各种信息仪器(手机、电脑、传感器、相机、摄像头、等等)联为一体(物联网),数码化的数据和信息在这个庞大的网上时时刻刻地传递、储存和积累。数码化数据可以被高速处理,而且已经成为新型的、甚至是最有价值的生产资料。矿物可以冶炼成金属、原油可以提炼出汽油,如何将数据加工成信息、产生智能、解决过去无法解决的老问题和开创新的管理和商业模式以产生新价值是对我们的挑战。而迎接这一挑战的第一步就是要懂得和理解大数据思维。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
一、为什么要区分这两种分布 在数据分析和统计学中,拿到一组数据后第一件事通常就是看它的分布形态。分布形态决定了你能用什么 ...
2026-10-15一、问题现象 在实际使用 Excel 透视表做数据分析时,经常会遇到这样的情况:数据源表格里明明新增了一行或一列金额数据,数据源 ...
2026-10-15核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-15一、什么是预测式发货 预测式发货(Anticipatory Shipping)是亚马逊于2013年12月获得授权的一项美国专利(专利号 US 8,615,473 ...
2026-10-14一、SQL在金融量化体系中的定位 量化投资的本质是用数据驱动决策,而数据处理贯穿量化研究的全生命周期。从原始行情数据清洗、因 ...
2026-10-14核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-14CDA数据分析师 出品 作者:李诗怡 四层结构 · 零件与房子 · 六大易错点 一、什么是指标体系 定义:指标体系是整套完整框架 ...
2026-10-13写在开头 先还原一个你大概率见过的场面。 立项会上有人说:我们得做用户画像。 于是团队关进会议室,白板写满便利贴,两小时后 ...
2026-10-13 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 ...
2026-10-13在统计学与数据分析研究中,相关性分析分为数值变量分析与分类变量分析两大类。针对身高、销量、分数等连续数值变量,通常采用皮 ...
2026-10-12在Power BI可视化分析体系中,常规表格仅能展示枯燥的数值数据,存在数据对比不直观、强弱规律不突出、维度交叉分析低效等问题。 ...
2026-10-12 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 ...
2026-10-12在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 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 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 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 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08