京公网安备 11010802034615号
经营许可证编号:京B2-20210330
为何大数据比不上好直觉
大数据是一笔大生意。感应器、GPS跟踪、数学建模和人工智能给企业带来了大规模的实时市场洞察力,为监控、定位、衡量员工和顾客开辟了史无前例的新方法。分析公司高德纳(Gartner)预计,采用大数据技术的公司将“在所有可测的财务指标上超过竞争者20%。”
大数据可能是“新的石油”,但我要提醒大家,不要把它当作一个新的信仰来崇拜。身处数据洪流之中,我们不仅失去了对商业的大局观,还失去了部分人性。如果我们认为更好的生活就等同于更好的算法,还能留下多少创新空间?
我不是有数据恐惧症,我担忧的是纯粹依靠数据。我不反对定量的测量方法,但我质疑它们作为商业表现、社会繁荣和生活意义等重要指标的共识性。

大数据有许多好处,不过我们还需要用“大直觉”来完善它。以下是六大理由:
大数据=老大哥?《纽约时报》(New York
Times)的史蒂夫?洛尔把大数据看作美国管理学家泰勒的“科学管理”的传承。泰勒主义的核心是业绩表现,而如今我们开始衡量快乐感和幸福感、消费偏好、社交关系、体育活动、态度、情绪、情感、行为和身体机能——换句话说,我们在评测自己的生活。
当然,某种程度上说,“量化自身”的应用程序能让人们更好地控制自己的决定。然而,如此一来,我们就在自我改善这一想法的驱使下,把曾经私密的领域开放给了商业世界。
大数据不具有社会性。人类是社会动物。研究显示,人与人之间的关系,尤其是友谊与婚姻,是快乐和自我实现的关键因素。我们的大脑有着关心的本能,我们的心脏和思想有着领会同类并与他们产生共鸣的惊人能力。我们能表现出同情,感受到情绪波动,察觉到非语言的细微暗示,容忍或拥抱,接受与拒绝,爱与痛,体会到我们所有的感受,做出不合理的举动,丧失自制力。这些人性的关键特质受到了里昂?维瑟提尔所称的“主观数字化”的威胁。
最近的社会基因研究显示,数字过载不仅降低了我们的生产力,还削弱了我们进化出的与他人交流的能力。
大数据造成小世界。道德感通过共鸣而增强。矛盾的是,在这个高度连接的时代,我们越来越需要面对一个挑战:与想法、价值观、信仰、信念和文化相异的人们交流。数字技术可以根据我们的偏好,为我们定制线上和线下的社交活动,我们越来越沉浸在自己的世界中——正如艾利?帕雷瑟所说的“过滤泡泡”。它通过智能算法,向我们提供熟悉的内容、文化和同伴,同时把这些东西直接砸入我们的舒适地带。我们不“赞”与我们不同的人和事物,陷入了社会和文化上狭隘的恶性循环。
大数据让我们更智能,而不是更有智慧。我们这个数据驱动的世界不仅变得更小,还变得更快。信息的实时传递促使我们不断地立刻做出回应。道格拉斯?洛西科夫打趣阿尔文?托夫勒1970年的着作《未来冲击》(Future
Shock)的书名,将我们现在的状态称为“现时冲击”(Present
Shock),他哀叹,“一切不是发生在当下的事情日益遭到漠视,而一切被认为是发生在当下的事情又让人应接不暇。”
数据可以迅速为我们提供信息,不过要快速做出意义深远的决定,直觉是更好的工具。普拉萨德?凯帕和纳威?拉裘在最近的一本书中力劝商界领袖进行“从智能到智慧”的转变。他们的意见很中肯。拥有智能的公司和领袖依靠持续的反馈成长起来。智能很快,智慧却很慢。拥有智慧的公司和领袖需要时间来实现转变。
大数据(过于)明显。“你只能管理你所测量到的”——真的吗?金融危机已经证明我们对于所测量的事物管理得很失败。失败的兼并、失败的产品发布、信誉危机、社交媒体的灾难,这一切都证明,我们需要更好地管理那些我们无法测量的事物。
正如设计界的思想家罗杰?马丁所言,领袖需要“兼听则明”。评价21世纪的商界领袖,不再看他/她能排除多少不确定性,而要看他/她能忍受多少不确定性。
大数据不敌直觉力。数据也许能预测新问题,也许能找到已知问题的新解决办法,不过只有人类的直觉和巧妙心思才能提出开创性的新想法。这是独一无二的人类天赋——它远远超过解决一个问题,超过满足某个功能需求的层次。
同样的,如果我们量化所有的人际关系,就无法给人类的判断力留下任何回旋余地。因为我们常常把对人们的感觉和他们的行为混合在一起,我们的判断力比二进制数字更加复杂。它意味着我们可以对双重行为有着更细微的评估和反应,我们可以选择将失败视为创新的先决条件。很难想象,如果我们丧失原谅的能力,如何还能朝着任何目标前进。
让我们抵抗冲向数据的欲望,花时间沉住气,必要时再加快步伐。让我们允许自己不时从数据中解脱出来,去思考什么才是真正重要的东西。让我们用数据来讲述自己故事,但不要让数据成为我们唯一的故事。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31