京公网安备 11010802034615号
经营许可证编号:京B2-20210330
从大数据到深数据,在过去的10个月,我主持参与了麻省理工的“IDEAS中国”项目——一个由30多位中国商界领袖组成的,为期10个月的创新之旅。今年,该项目招收了中国一个主要国有银行的数位高管。这个团队的目标之一,是在大数据和其他相关的颠覆性技术到来时,仍可以重塑他们组织的未来,这也使我更多地接触了解了中国经济。正如阿里巴巴颇有远见的创始人马云所说,“五年后,我们预计人类纪元将由信息技术时代转变为大数据技术时代。”

但是,“数据技术”时代、“大数据”时代究竟意味着什么呢?现在,它往往意味着谷歌、亚马逊、Facebook和苹果这类大公司,这些我们曾经喜爱现在却越来越怀疑、不信任和恐惧的公司,会在你毫不知情时,收集你的数据,并转卖给其他公司,当你注意到出现在屏幕上的精准投放的网络广告时也就不足为怪了。有趣的是,最初人们对于美国的这些大数据帝国非常积极的看法现已转向欧洲及世界许多其他地方,包括北美。爱德华·斯诺登事件使我们大家都对大数据的误用更加敏感。但是,这只是表面问题,真正的问题更深层。
毫无疑问,大数据创造了许多全新的可能性, 但同时我认为我们应该明确地区分开浅层次的大数据与深层次数据。所谓浅层次数据,指的是有关别人的数据: 别人说了什么,做了什么。而这几乎正是目前所有大数据所包括的内容。
而深层次数据是帮助个人和社会来认识他们自己的。深层次数据就像一面镜子:它让你认识你自己—无论是作为个人还是作为社区一员。在我过去二十年的职业生涯中,许多团队和机构在我的帮助下进行了一些有重大意义的创新及革命性的变化。我从中所学习到的一点就是:产生革命性变化的关键就在于清楚地认识自己。这就是为什么深层次数据是很重要的。它对未来的机构,我们的社会以及整个世界都非常重要。
但是如今大数据的所作所为往往是相反的:大数据被用来操纵我们的行为,用我们从没想要的广告来对我们狂轰乱炸。表面上大数据用于将人类思维外包给算法,以降低习惯性思维边界内的意识水平。深数据,如果以正确的方式加以研发和成长,可以帮助我们提高认识水平,并将利益攸关方的意识体系转变过来,从对自我系统的认识(我自己的筒仓意识)转变到对生态系统的认识(整体意识)。
让我用两幅画面简单总结一下表面的大数据和深数据的区别:
从科学1.0到科学2.0的旅程是将科学观察这一笔直的望远镜掰回来到自我观察的过程——这个自我指的是我们的个人和集体的统一。
从本质上说,IDEAS的参与者都讲到了以下变化:
•思维:从单纯接受老模式,到创造性思维
在过去的这几个月,参加活动的这些高层领导们被分成四个小组,每个小组都试图尝试一些新的方法,来寻求未来的机会。令我吃惊的是,每个小组都开发出一种跨组织的合作平台原型,每个利益方都能通过这个平台用数据进行沟通。所有这些平台的建设原型都还在早期阶段,不过有一点是这四个小组都反复提到的,那就是大家思考问题要从“我”转到“我们”,从“自我”转到“整体”的重要性。
例如,今天我们用国民生产总值GDP来衡量经济进步。国民生产总值GDP是社会经济表面数据的一个很好的衡量。但是用什么等效的深数据工具来衡量一个社会真正的经济进步?我相信这样一个衡量系统应该植根于真实的社会发展成果(例如,预期寿命),以及个人和社区(如生活质量)的发展状况。去年Presencing研究所,GIZ全球领导学院(德国发展合作部)和位于Bhutan的国民幸福指数中心联合发起了全球福祉实验室(Global Wellbeing Lab),该实验室把世界各地来自政府,企业和民间社会的领导人联合在一起,来开拓寻找新的指标和深数据工具,帮助社区和社会生态系统观察自己,建立观测衡量社会运营的新模式。
今天你在哪里能看到这样的新的指标体系或深数据的工具在生根发芽?我们可以从这些早期例子中学到什么?深层数据对你自己意味着什么?在你自己的生活和工作中什么是快乐幸福的真实来源,哪些指标可以以更有意义的方式帮你看到和感觉到自己的发展?我们如何才能共同开拓,实现商业,社会及个人从大数据到深层数据的转变?这都是我们要思考的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26