京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代对社会生活的影响
近来,大数据似乎在一夜之间闯入了任何一个关于互联网未来的讨论,成为一个炙手可热无所不包的概念。“大数据时代”的来临也已成为媒体关注的热门话题。无论人们对此持有何种观点,但下列结论是共同的:“大数据时代”的来临己成为不争的事实,大数据作为一种新的资源,将给并正在给我们的社会生活带来深远的影响。
一, 大数据的特点及价值
对于“大数据”(Big data)研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据具有4V特点:一是数据量巨大(Volume);二是数据类型多样化(Variety);三是密度低而价值大(Value);四是处理速度快(Velocity)。
从大数据的本质上来说,“大数据”所代表的是当今社会所独有的一种新型的能力,通过对海量数据进行分析,获得有巨大价值的产品和服务,获取更深刻的洞察力。在大数据时代,数据已经成为一种新的经济资产类别,就像货币或黄金一样。
二, 大数据给社会生活带来的巨大变革
(一)广告投放精准化
据报道美国Target连锁超市创建了一套女性购买行为在怀孕期间变化的模型,通过采集女性用户的购买行为数据并对其进行分析,
就能判断女性用户是否怀孕,并进一步向其推送所需的婴儿用品。不仅如此,如果用户从他们的店铺中购买了婴儿用品,Target在接下来的几年中会根据婴儿的生长周期情况定期给这些顾客推送相关产品,使这些客户形成长期的忠诚度。
同样,在国内,亚马逊和京东商城等购物网站通过数据挖掘技术对用户的行为习惯和喜好进行追踪分析,从大数据背后找到符合用户兴趣和习惯的产品和服务,并向顾客提供个性化的商品推荐。
(二)医疗卫生体系更加精密
通过分析大量用户的搜索记录,比如“咳嗽”、“发烧”等特定词条,谷歌公司能准确预测美国冬季流感传播趋势。和官方机构相比,谷歌能提前一两周预测流感爆发,预测结果与官方数据的相关性高达97%。
对于个人而言,大数据可以为个人提供个性化的医疗服务。过去我们去看病,医生只能对我们的当下身体情况做出判断,而在大数据的帮助下,将来的诊疗可以对一个患者的累计历史数据进行分析,并结合遗传变异、对特定疾病的易感性和对特殊药物的反应等关系,实现个性化的医疗。还可以在患者发生疾病症状前,提供早期的检测和诊断。早期发现和治疗可以显著降低肺癌给卫生系统造成的负担,因为早期的手术费用是后期治疗费用的一半。
(三)社会安全管理更为有序
在社会安全管理领域,通过对手机数据的挖掘,可以分析实时动态的流动人口来源、出行,实时交通客流信息及拥堵情况。利用短信、
微博、微信和搜索引擎,可以收集热点事件,挖掘舆情,还可以追踪造谣信息的源头。美国麻省理工学院通过对十万多人手机的通话、短信和空间位置等信息进行处理,提取人们行为的时空规律性,进行犯罪预测。
(四)带来新的就业市场
据盖特纳咨询公司预测,大数据将为全球带来440万个IT新岗位和上千万个非IT岗位。麦肯锡公司预测美国到2018年需要深度数据分析人才44万—49万,缺口14万—19万人;需要既熟悉本单位需求又了解大数据技术与应用的管理者150万,这方面的人才缺口更大。中国人口世界第一,不仅拥有巨大海量的大数据,而且是人才大国,但能理解与应用大数据的创新人才更是稀缺资源。
三,大数据带来的挑战
(一) 大数据将使地球上所有人的隐私权受到挑战
随着互联网、移动互联网快速发展和3G 手机的普及,我们每个 人几乎每时每刻都在产生数据,而这些数据不再私有、不再神秘。也 就是说只要我们上网和使用手机,我们的相关数据在毫无知晓的状 态下被一些大数据公司收集。当数据形成资源体现价值时,地球人所面临的共同问题是如何保护自己的隐私权这一棘手的问题,在具有强调集体轻个人的传统的中国,个人的隐私将会受到更大的威胁;即使是在具有完备法律保护隐私权的西方,面对大数据时代的到来,也颠覆了当下隐私权保护法以个人为中心的思想。特别是数据价值与作何用途,既使是收集者也无法事前告知,这是因为海量数据经过大数据
挖掘,就会产生许多意想不到的新用途。因此,如何完善隐私权的法律体系与提高保护个人隐私权的伦理道德水平,成为了在大数据时代下夯实保护人类尊严和个人自由的基石。
大数据是新一代信息技术的集中反映,是一个应用驱动性很强的服务领域,是具有无穷潜力的新兴产业领域;目前,其标准和产业格局尚未形成,这是我国实现跨越式发展的宝贵机会。我们要从战略上重视大数据的开发利用,将它作为转变经济增长方式的有效抓手。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14