京公网安备 11010802034615号
经营许可证编号:京B2-20210330
想必有很多 unwire.hk 的读者 Facebook 中有收到甚么年度回顾的名册吧,此功能让 FB 遭来许多用户炮轰!塬因是 Facebook 勾起用户的伤心事,表面上一则很易懂的新闻,但其背后藏有现今网络生态败坏前奏
步向电脑统冶
造成这次的炮轰,是因为大数据而起。其实这几年人们一直在说大数据的好处,例如早前活用大数据去预测世界盃亦引来全城热话。不过这一切的背后让天恩觉得现时的 internet ,也许是人类被科技统治的前奏,就算肉体上不是,精神上已被慢慢被入侵。以大数据为例,其实有两个部份,一是资料收集,二是分析。不过现时经常听到的是,如何比以往更能有效收集数据,例如 Google 从你 email 、 youtube、 plus 你每个点击及所写的文字去分析你的兴趣,然后派发你会感兴趣的广告。
成功必需配合人脑
其实要有一个成功準确预测的大数据,必需要加有一颗有智慧及经验丰富的人脑作分析。例如大数据预测这隻马今场胜利率有几多,很多时敌不过董标一句:「喂呢隻马今日睇佢呢,有d冷震喎唔係几妥」来得準确。天恩想说的是,发觉现今的 Internet 中开始慢慢抽离「人性」这个因子,一切都要依靠电脑分析去取代人类的智慧,可悲的是人类自己亦同时加入成为杀成自己的帮兇。
欠人性的计算会驱走良币
以 Facebook 为例,到底他们如何决定,那些是这年的重点事件呢 ?就是透过朋友的点击率及回应数目而决定,不过这一切的计算是不能分析到是那是件伤心或开心的事,这就是欠缺人性分析的后果。unwire.hk 的读者可能会觉得这是冰山一角,如果按数据比例上看是没错的,但如果从情感上看,你不会知道那件事被提起对用户的伤害程度有多深,带来甚么蝴蝶效应,这亦是一个单看数据不顾人性的后果。
数据派是不会理会这些在 percentage 上店少数的一群,他们会拿着这些所谓的大数据找商机赚钱,究竟「多人」的偏好是否等于好呢 ?多 Like 是否等于那是件好事 ?
天恩打个比较极端的例子, 数据显示开葯房最赚钱,社会上是否就全人类开葯房就是正确对社会最大贡献。
以前我们做生意,自己想些好点子去吸引客户,再靠口卑慢慢宣传做大,各有特式百花齐放,这才是健康的生态
现在模式是完全倒转过来,人们不再是「创业」而是「抄业」,一味看数据看金钱,贪图近利,活于数据及金钱下的奴隶。
数据是以往的经验累积, 当初 steve job 选择不相信没有人愿意付 500 美金一台智能电话的话的数据调查, iPhone 才会出现,但可惜他过份相信自己所谓 「3.5 寸是最好的手机尺寸」的统计数据,Samsung Galaxy Note 系列不会抬出头开来。
胡乱依赖大数据会造成恶性遁环 ,一些有心有的 idea 的产品可能因为这些错误理解大数据而胎死腹中。
一起结合才会进步
最后 unwire 的读者可能会觉得,其实是 FB 的分析 Model 不够聪明,如果可以加入一件关键字,例如"死了、哭、伤心.." 不就行了吗 ? 这只是比较进步的演算分析,亦不是完美。好像对刚失恋的朋友来说, FB 又再度提起年头时,一堆朋友祝福你跟旧情人的合照有多甜蜜,那又如何有方程式去分析呢 ?
要机器去分析人类实在是太复杂。亦可能 FB 团队太过「纯真」,以为人类主动分享的都是一些开心的事,错了。其实在网络世界中,有研究指出一些过于孤独的人,会经常利用 FB 分享自己伤心事,因为伤心事最容易得到朋友的关心及慰问,最感温暖。
大数据只是一个工具,各位 unwire 读者要紧记,必需要有一个好「用家」分析活动这些数据才能运行,大数据并不是一个「指引」,我们做事是要去创造一条新路出来,而不是去盲从数据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31