京公网安备 11010802034615号
经营许可证编号:京B2-20210330
[一切的结果都是取舍的结果。]
这两天粗读大数据。发现了一个问题,提出了一个疑问。
发现的问题是:大数据与大脑有相关性。大数据在日常生活中已经开始应用广泛,它的本质不是传统的数据统计带来的简单的因果关系,而是数据的相关关系。在相关关系分析法基础上的预测才是大数据的核心。这让人自然会想到大脑的功能,每个人的思维就是一个大数据处理体系,如果有的人擅长去寻找不同事件之间发生的因果关系,那么这个叫做因果错觉,因果错觉容易发生在女性身上,因为女性因性格敏感等特点,会不自觉的将事情发生的结果,采用自己主观判断来归因,但事实上,事情之间的相关关系才是真正的关系。人的思维体系中,相关关系更加重要,相关关系代表调取大脑中的既往相关经验,来处理眼前的事情,更加客观。
大数据将开启一次重大的时代转型。信息广速度快,是很好,可是这不是最重要的,最重要的是不要让数据无处不在。大脑就像数据仓库,在数据充满我们的大脑、生活、生命中时,如果不去清理,不去遗忘,很容易一脑子浆糊,身心不舒畅。任何环境下我们都需要在纷繁的情况里简化问题。
我的疑问是:怎么删除。在这个信息碎片化的时代,如何做一个自我的搜索和过滤器,最好做成一个芯片,安放在我的手腕处皮肤下,这样,我就可以快速的找到我想看到的东西,忽视噪音,更加直接的去感受和了解自己。因为路径缩短,我便可以将时间放长,慢慢的去体会和感受,就好像小女孩慢慢的舔一个棒棒糖,而不是猪八戒吞一个人参果。这才是我要的密度和质量。
芯片是个玩笑, 出色的信息提取能力能够促进一个人的决策,一个人的一念一息及多年慢慢形成的价值观才是做选择的依据。你是不是有和我一样的经历,上千张照片中,删还是不删是个问题。怎么确定保留哪张,根据什么原则,每个人都有不同的原则,有的人认为,人最全的一定要留,有的人认为背景全的一定要留,有的人认为留表情最好的,有人认为留姿势最美的,甚至有的认为没对好焦距的朦胧的才是最有意境的。而我应该最清楚我怎么筛选,艺术家罗丹说,雕像就在那块石料里,我只是将那些不要的东西去掉了。但是要知道雕像到底是什么,只有我自己才明白我自己到底要雕什么。看书也是一样,书籍能使一个人瞥见这个世界的一角。是你自己选择去瞥见哪一角。
对于大数据中垃圾数据的删除和遗忘处理,早已有人考虑过这个大课题并书写出来警醒大家。
对于个人生活中的删除,我没有找到特别好的方法,只能试试这样考虑:取和舍。一切的结果都是取舍的结果。拿处理碎片化信息举例,如何在微信圈中过度的被动文字中进行选择,而不是失掉独立思考的能力被一条又一条自动跳出来的新闻头条,推送提醒,对话提示等所左右:1)减少重复阅读的数量;2)选择激发自己的动力和能量的内容阅读;3)筛选过滤,超过10条都不会看的公众号可以删掉了,这代表你试错成功,那原本就是你不需要的信息;4)限定时间,可以常规,但必须节制,减少刷新次数;5)尝试每周至少有一天不看微信,将清净归还自己,不要让一个功能控制了你,更不允许左右你的心情。弹性调整是对自我的一种负责。也是对自我是否足够认知的衡量,越是了解自己越是容易根据内心变化和外在影响来及时调整状态。
日本可能因为资源集中而紧缺,一直很倡导简生活,最近很流行的一位日本女士所著的一本书《断舍离》,将人身边的外物采用各种方式进行清理,代表对内心的一种扫除力,从而保持一种简约清爽的生活态度。还有很多其他方式对生活进行删减,试试断食(辟谷),试试冥想训练,看网上写过一个训练,基本要求为整天不语,不带手机,不带手表,抛开时间和事件和想法的概念,体会真正的当下,自己面对自己。
从心理学的角度,做出选择-同时意味着舍弃其他的可能性-是一件异常困难的事情。造成这个困难的无非是利弊两个字,但因利弊两个字背后掺杂了太多的心理变量,因此难倒了古往今来多少英雄好汉。为了有能力更好的进行抽象的思考和决策,挑战自我,尝试一下删删删删的效果吧。
《互联网周刊》主编姜奇平为《删除》那本书写了序言,头一次想用截图的方式给人看,生怕破坏对人家思想的精妙之处,一个序言可以写成这个样子,这让人情何以堪。
参考书目
1、[英]维克托-迈尔-舍恩伯格著 盛杨燕 周涛 译 《大数据时代:生活、工作与思维的大变革》 浙江人民出版社
2、[英]维克托-迈尔-舍恩伯格著 袁杰 译《删除:大数据取舍之道》 浙江人民出版社
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python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