京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据到底有多大
人类日常生活的数据信息,主宰着越来越多的商业决策。那么对大数据毫无贡献的人群,又该何去何从?
大数据时代,不少人担心自己的私人生活受到形形色色的监控、追踪,进而简化为数据点,经过一番运算,用于见不得人的勾当。
另一方面,相对脱离数字世界的人群却可能面临完全相反的问题,根据《斯坦福法律评论》(Stanford Law Review)最近刊载的一篇文章表明,该群体缺乏关注。
“大数据对没有被它吞噬的群体也构成一定风险,这个群体的信息没有得到定期的收集、整理或提取。”美国国务院法律顾问乔纳斯?勒曼(Jonas Lerman)写道。
曾几何时,日益膨胀的大众数字资料大部分被商家所用,作为提供个性化广告和优惠券信息的参考,谁管你需不需要这个信息?
然而今时今日,“大数据”分析渐渐影响着各种重大决策,决定着人类的生活方式和机遇。通过背靠数据预测未来,零售商确定了新店地点和商品价格,企业设计出了新产品,政治家制定投票率策略,分析家研究出疾病传播方式与恐怖分子的动向。甚至是白宫也发起一项价值2亿美元的计划,旨在帮助决策机构从大数据中“获取、整理并推断出结论。”
对勒曼来说,组织这些数据力量是为了给“大数据边缘”人群创造全新形式的无声主义,将显着放大现有的地理、经济及社会阶层的不平等现象,并将影响数据集结果,使其偏向大多数群体。
“这可能重组社会架构,将来唯一事关紧要的人群、唯一有数据价值的人群,是会定期为正确的数据流做出贡献的人群。”
勒曼列举两个假设个体,作为例子:
01:一位居住在曼哈顿的30岁白领。她使用Facebook、谷歌、网飞(Netflix)和亚马逊,拥有借记卡、信用卡、购物卡、公交卡、以及在汽车仪表板上电子支付通行费的快易通(EZ pass)。智能手机里和车载的GPS导航系统引导她走天下。
02:一名散工,居住在美国最穷城市—新泽西州卡姆登市,距离曼哈顿2个小时的车程。他的工作酬劳以现金私下结算,没有手机、有线电视和电脑。他坐公车付现金,家里没有车,偶尔在图书馆上网。
勒曼指出,今天很多大数据工具都经过校准,专门针对“足迹遍布数字世界的”曼哈顿人。“大数据所塑造的世界会考虑曼哈顿人的习惯和偏好,会慢慢演变成属于她的世界。但目前,大数据忽略了我们卡姆登的兄弟们。”他认为,随着大数据进一步重整政府与市场秩序,卡姆登等地区的居民将被逐出机遇之门,甚至连民主参与也无福消受。
解决方案还是有的。他提出,方案一是确保决策者在设计新的公众安全项目时,能够在大数据途径之外考虑到未能深入数字世界的群体。最终,联邦政府甚至可能通过与2008年《反基因歧视法》(由布什总统签署,禁止人寿保险公司以某人具有对某种疾病的易感基因为由,取消、拒绝对他进行保险或提高保险费用,禁止雇主以遗传信息为依据进行雇佣、解聘、升职、加薪,或做出任何与雇佣行为有关的决定)类似的新民权法案。
他最后强调,“要确保大数据革命是一场公平的革命,其益处能够得到广泛、合理的分配,我们可能还需要保证少数群体不被遗忘、不被排斥的权利。”
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