京公网安备 11010802034615号
经营许可证编号:京B2-20210330
对话《大数据时代》作者维克托·迈尔·舍恩伯格
大数据时代高歌猛进,年轻创业者机会几何?对话《大数据时代》作者维克托迈尔舍恩伯格
大数据时代,年轻创业者的机会在哪里?大数据发展的瓶颈是什么?如何化解企业数据共享难题?如何加强用户 隐私保护和知识产权保护?正在上海举行的2014浦江创新论坛上,大数据系统研究领域的先河之作《大数据时代:生活、工作与思维的大变革》一书作者维 克托迈尔舍恩伯格接受了新华社记者采访。
创业成本降低
记者:大数据时代,年轻创业者的机会在哪里?
维克托:大数据时代一个最为显著的变化是创业门槛和创业成本大幅降低。100年前,创业需要大规模投资兴建工厂;10到15年前,互联网创业需要投资购买 大量昂贵的服务器。现在,创业只要花费几万美金租用云服务和带宽。大数据时代,数据捕获、数据存储技术的云端化为广大中小企业以及年轻人的创业带来了 无限可能,公司规模、服务器体量、资金规模不再视作绝对优势,决胜的关键在于数据分析的技能和创新思维的运用。
汽车有望成为大数据源头
记者:当前,大数据发展的瓶颈是什么?
维克托:坦率说,时下大数据发展面临着不同层面的瓶颈。首先,在技术层面,目前我们使用的大部分数据分析和统计工具还都是诞生于小数据时代,我认为, 它们已很难适应大数据时代的技术需求,因此,我们应尽早着手开发适合处理海量数据的多样化工具。其次,在观念层面,大数据思维模式的普遍缺乏依然严 峻。数据的隐藏价值还远未得到很好的重复利用。我们要继续加强思维模式的教育,尝试从大数据专家的视角去思考世界。例如,今后,汽车将是产生数据的源头, 基于这些数据,能对人的行为作出分析和预测,汽车制造商能为人提供更好的服务,这样也就不难理解谷歌为什么要开发无人驾驶的汽车了。
小公司也有掘金机会
记者:大数据时代,小公司常常会因数据量不足而陷入无米入炊的窘境,而拥有海量数据的大公司却又往往不愿意分享自己拥有的数据,对此,您认为我们应如何化解企业间的数据共享难题?
维克托:基于市场竞争和商业机密的考虑,大公司不愿意共享自己的数据是可以理解的,我认为,这恰恰为中小公司提供了难得的机会。例如,小公司可以作为第三 方公司承担起整合行业数据的工作,条件非常简单,小公司需向大公司承诺,不会将其数据提供给它的竞争对手。在这种情况下,不仅大公司可以享受到小公司提供 的数据分析和预测服务,而且小公司也拥有了属于自己的利益空间。他举例说,预测不同时段飞机票价的美国公司Faircast就是这样一家成功掘金的小 企业。
没有信任就没有大数据
记者:在大数据时代,我们应如何加强用户隐私保护和知识产权保护?
维克托:建立用户、数据收集方和利用方三者之间的信任感非常关键。可以说,没有信任就没有大数据。在用户隐私保护和知识产权保护方面,我认为,政府需要承 担其相应的职能,包括制订数据使用的法规、明确数据使用的场合和目的等。目前,世界上现有的数据保护法和隐私保护法,都已不再适应大数据发展的现状,我们 要抓紧研究针对大数据运用的立法。北美和欧洲现已启动了这方面的工作,而我也有幸成为了这100位调研专家中的一员。
政府当激发新价值
记者:在鼓励企业参与大数据竞争的过程中,您对政府的角色扮演和职能发挥有何建议?
维克托:开放数据,对政府来说是开展大数据工作的首要职责。它不仅能促进这个社会具备做出更好决策的能力,而且能刺激经济的发展,促进企业家精神和创业企 业的培育。我对上海市政府逐步开放公共数据的举措非常赞赏,因为这可以极大刺激大数据应用、大数据企业和大数据经济的发展。事实上,美国、英国和部分其他 国家的政府部门,均已逐步开放公共数据,只是效果还不足够显著。未来,我认为,政府需要创造一种经济环境,不断激发企业有足够的兴趣去分析和深挖数据,不 单纯为了盈利,更要为了通过利用、分析和可视化公共数据创造新价值、发现新问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 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 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10