京公网安备 11010802034615号
经营许可证编号:京B2-20210330
穿戴式设备与大数据:秋水共长天
2014年8月31日,由百度新闻、百度百家联合主办的第三期“BigTalk”交流活动在798恒通创新中心举办,本期所探讨的话题是“大数据开启大时代”,核心对话人物是MIT媒体实验室的负责人Alex Pentland(阿莱克斯.彭特兰),参会人员包括了百度百家核心作者,以及一线媒体记者。
整个交流过程耗时3个多小时,Alex Pentland用他来自大洋彼岸的见解和眼光,向中国市场上的用户讲述了他对于大数据的应用价值、市场挑战,穿戴式设备发展的看法,以及交流了大数据在相关领域的应用案例。
作为业界知名的“穿戴式之父”,Alex Pentland的很多观点和解说别具风格,其中就大数据与穿戴式设备的发展关系方面,Alex Pentland指出大数据对于穿戴摄设备确实有一定的辅助作用,但大数据和穿戴摄设备的应用、市场价值等各具不同。
大数据价值:催生互联网变革
Alex Pentland教授认为,大数据作为调配、分析数据的新型商业应用,对于整个社会和当前时代都有着不可估量的价值,比如普通用户通过佩戴穿戴摄设备之后,可通过大数据的海量数据分析结果,检测出自身的身体健康因素,进而进行有效的科学分析。因此从医学、健康等领域来说,大数据辅助穿戴式设备实现更便利的生活方式,目前已经是不争的事实。
但是Alex Pentland教授也认为,大数据本身是一种新型商业模式,但其并不能完全实现解决目前市场上的所有解决方案需求,这方面的问题,交流现场播放了数款穿戴式设备测试但数据均不准确的视频之后,Alex Pentland教授的这一观点得到普遍认可。
在Alex Pentland教授看来,大数据的更切实价值在于催生互联网发生变革,让互联网改变新的存在方式,继而变得更加为用户服务。这方面,Alex Pentland教授的一个学生——Googl glass眼镜的发明者的案例,正好可以在这方面给予强有力的说明。
因此,对于大数据来说,在当前的时代让其为生产力发生相应的变革,使得普通用户的生活变得更美好,这是当前大数据最基本的核心作用。作为一种新型商业现象,大数据虽然是信息技术发展的必然,但是在实际应用方面,不可对其进行过于神话的应用,是客观人士大数据的基础。
穿戴式设备:解决需求大于共体需求
在回答主持人主持的交流话题的时候,Alex Pentland再次重申了大数据在未来时代的应用价值,其表示大数据不仅可以广泛应用在商业中,在政府统计、产品开发等领域里,大数据同样具有举足轻重的作用。但是,对于当前的生产发展来说,大数据最重要的前提是解决需求问题的能力。
这正如目前市场上已经广泛存在的各种智能手环,虽然各家在功能、设计和参数等方面都在超前,但如果其不能解决用户最终的计数精确问题,便会成为让市场笑话的产物。因此,大数据对于需求而言,首先应该在于解决问题,而非创造问题。
对于应用大数据的平台或厂商而言,在如何保护用户隐私、行为痕迹等方面的问题也是目前亟须认真对待的一个问题,大数据作为收集、整理、分析海量数据的信息技术模式,其背后能否有效保护好用户隐私,这也是目前困扰和挑战现有商业规则是否健全的标准之一。
Alex Pentland在回答媒体记者提问的时候,就这个问题进行了再次说明。在其与记者的对话过程中,笔者能很明显地感觉到,Alex Pentland认为诸如iWatch之类的穿戴式设备虽然在未来会是一个发展方向,但随着未来的信息竞争,iWatch这样的产品也会面临严峻的用户信息安全问题。
大数据未来:方兴未艾的前途锦绣
在长达3个多小时的演讲中,Alex Pentland丝毫没有提及他个人的成就和影响,反而是和善地向在座的观众阐述了他的见解和观念,特别在涉及主持人问他作为一个穿戴式设备之父有没有使用穿戴式设备的时候,他的回答是没有,其原因就是其认为当前的各种穿戴式设备并不酷。
在涉及大数据本身话题方面,Alex Pentland在肯定大数据的商业价值的同时,也为大数据在市场挑战、应用门槛等方面的问题进行了概括和阐述。不过,Alex Pentland也认为,这些问题虽然也是客观存在的,但随着未来大数据在新的商业环境下的应用,这种问题将越来越不复存在。
至于目前正在全力进军穿戴式设备的平台和厂商,Alex Pentland认为,这是一种非常不错的开始,希望未来的穿戴式设备和大数据得到更深入结合后,一切可以变得更好。
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