京公网安备 11010802034615号
经营许可证编号:京B2-20210330
公民聚众从此拥有巨量资料,足以撼动政府的判断
到目前为止,所有的「大数据」书籍都在告诉我们大数据对人类的负面影响,大数据会侵犯我们的隐私。但本书一反这样的立场,改从教育、天气、公民意识、犯罪预防、亲密关系、公共安全等不同的领域着手,探究在遥测个人化的未来,大数据可以为个人带来什么样的利益。
我们已经踏入「遥测个人化」的未来世界门槛。我们已经具有能力,可以用以往想像不到的准确度,预测未来生活的大小事。未来十年间,以电脑辅助的未来预测将是职场、人生裡的主流,不单是能够预知地震、疾病,甚至连个人的行为也在掌握之内。
此时你所拥有的各项智慧型装置装置,陆续已能利用你的手机所透露的位置、讯息、你的朋友发出的推文或脸书讯息,预测出与你切身相关的事。例如,市内发生了紧急灾变,你该往哪条路走?哪裡还有物资?你是救灾人员的话,进入现场前能否预先看见现场的实际情况?
脸书如何把你变成广告
如果二○一○年八月十四日到十月四日间你有在用脸书,或许你也成了实验的一员。脸书把二亿五千叁百万名用户变成感染效应研究的实验受试者。所谓的感染效应,不是说脸书创办人马克.祖克柏(Mark Zuckerberg)放出一堆病毒到自来水裡(他还没)。脸书资料科学团队正在监看的感染事件和资讯有关,那就是URL以及它们如何透过人们传开来。
实验是这样做的:你被随机分派到两群人裡的一群。如果你被放到第一群,则当某位朋友发表一则故事时,你在动态消息看到它的状况一如往常。如果你在第二群,那个故事在动态消息裡被排更下面的地方,使它更不容易被看见。实验目的是检验用户在不知道有人已分享过的状况下,分享新闻、影片、或连结的可能性。脸书对资讯传染性的兴趣不只出于好奇。顾客的朋友的脸书动态,是顾客有多可能抛弃某个公司或品牌、或养成一个新习惯(以及其他事)的指标。
脸书这个实验的主持人是艾坦. 巴克希(EytanBakshy),是资料科学团队的明星成员。巴克希本人非常年轻,就拥有这样令人称羡的工作,能拥有数亿用户供他实验。他身上带着电视人物「伦纳德」的特质—这个人物是电视喜剧《宅男行不行》(The Big Bang Theory)中,强尼.格莱奇(Johnny Galecki)饰演的实验物理学家。但巴克希看起来更严肃一点…也更聪明一点。
脸书团队知道,如果他们能证明使用者在没有朋友分享过某样东西时分享它的可能性,也就证明了使用者从朋友那裡看到连结再分享的可能性多了多少。促使人们在越来越大的社交网中分享资讯,就是脸书的价值所在。能够证明脸书动态消息以及其中分享的资讯能造成行为改变,是脸书商业模式极重要的一个功用。巴克希和他的团队发现,你分享一篇朋友所分享文章的可能性,是没有社交提示时分享它的七.叁七倍。这个实验也让脸书看出,一个更困难的问题有个更有赚头的答案:你和不同人的关係,如何影响你喜欢他们所喜欢东西的可能性。
由于所谓的同质相吸(homophily)现象,也就是类似的人展现出类似行为的倾向,了解购买行为中谁正在影响谁,是个模煳的问题。如果你和我都上人文学院,都有同样收入,工作性质类似,又都有一些重叠的人口统计特性,我们就很可能会各自独立地转贴一篇《纽约时报》裡的大报导在脸书上。如果这篇文章出现在你的动态之前就出现在我的动态,就不清楚是否我影响了你去转贴它。你可能只是刚好在我转贴之后看到那篇文章。资料科学团队的实验提供公式来判断社交网中谁启发谁分享什么。但该研究最令人惊讶的发现是,跟你最亲近的人对你在网路上行为的影响力,不一定大于那些名义上的朋友、那些跟你在真实世界顶多只泛泛之交的人。本文来源:CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 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 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10