京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的未来–个人信息/情报/认知服务的思考
1.未来大数据的一切都都关于人
不论述
2.大数据收集困难和高风险
现在的大数据的来源,都是通过自有平台收集用户数据的,对于没有平台的企业很难有机制和渠道获取稳定的数据来源。
有说通过法律和制度来,规范关于人的大数据使用,在这之前,唯一可行的方向是,把用户大数据使用,做成服务的必选功能,要使用服务,必须接受隐私风险。
3.对大数据的利用方式
现在的大数据 都是由各种数据聚合出一类关于人的结论 然后拿给企业使用。
我想大数据应用还有另一类。
利用网上的大数据,告诉某类人、甚至某个人,世界发生着什么,未来要发生什么。
4.科幻大片
如果从网上下载一个专属的虚拟人物(虚拟机器人/虚拟助理/终生人工智能伴侣)到手机。
刚开始这个角色需要你教导(配置,类似早期的语音识别控制的学习阶段)才能帮你在互联网上你做一些简单的事情。
随着你教导的更多更好(对你的习惯,兴趣爱好,思维模式,接收度等信息的收集) 和基于大数据的挖掘和分析能力的增加,它的智力越来越高,能做一些更复杂的任务(作为入口,代表你在互联网活动)。
直到很多年后,它的智力超过你,它能告诉你,世界发生着什么,未来要发生什么,它了解你的年龄,了解的行为习惯,了解你的经济能力,了解你缺点,时刻为你服务,扩展你的人生,使你的人生不局限于经验(网上有),思维(网上有),能更好的生活下去(帮你发现机会)。
类似的东西,后来才发现微软小冰二代已经在着手做了,可能愿景和目的不一样,但轮廓有了。
5.认知需求
我们成长的时候,家长常常说你懂点事吧,但如何懂事没有人能教给我们,也没有告诉我们如何去做(去阅读书籍,去体验生活,经历人生);
我们毕业了,工作了,在社会上依然遇到,各种成功学大师,各种领域专家,各种百家讲坛老师,各种转世神棍,大行其道;
这一切都是因为,人有认知的需求。
6.认知培训
基于这个需求,认知服务即使做不到自动,就算做人工服务,也能在现在的教育市场(学校,兴趣培训,英语培训,等技能培训)杀出一条出路。
7.认知模式与三分的认知世界
莱考夫(George Lakoff)在 [女人、火和危险的事物]([Women fire and dangerous things])一书中,认为理念化的认知模式(idealized cognitive models 简称ICMs)是结构复杂的感知整体,是对世界的整体表征,它的价值在于对输入信息进行重组。ICMs并不客观存在的,而是人类实践和经验的高度概括和总 结,并且可以为以后的实践提供参考。根据lakoff的论述,IMCs有四种:命题模式,意向图式模式,隐喻模式和转喻模式,它们的关系如下:
命题模式是出发点和归宿,意象图式模式是基础,转喻模式和隐喻模式是建立在命题模式和意象图式模式上的认知事物的过程和方式,并且二者相互作用。
任一认知主体的认知世界整体可以划分为三个部分:信念世界、怀疑世界和无知世界。我们用Wb表示信念世界,Wd表示怀疑世界,Wu表示 无知世界。Wb、Wd、Wu是三个命题集合,他们的元素是相应的认知命题。简单地说,信念世界是由认知主体相信的命题构成,这些命题构成认知主体的信念; 怀疑世界里的所有命题是认知世界说怀疑的,认知主体认为这些命题是假的或不可能的,这些命题可称为疑点;认知主体从来没有考虑过的命题构 成无知世界的内容,这些命题(以及它们的负命题)或者仍没有进入认知主体的视野之中,或者虽然进入了认知主体的视野之中但认知主体不知道其意义,此时,认 知主体对之既不相信又不怀疑,这些命题可称之为盲点。
8.认知互联网世界进而认知现实世界
互联网世界一直是互联网世界的映射,越来越多的现实世界事物在互联网世界建立了数字化的映射"
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19