京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据:网络时代的科学读心术_数据分析师
人的心思之所以难以捉摸和认识,是因为人的主体性问题。凡是正常的人,都有独立自主性,思想可以不受外界的影响。正因如此,人的思想世界是一个极其复杂的世界,神秘多变、复杂多样。为了读懂他人的心思,不少学科和诸多学者作了许多努力。例如,德国学者弗洛伊德专门创立精神分析理论,试图通过梦的解析来读懂人的所思所想。现代心理学则试图引入观察、实验、问卷调查等自然科学方法来破解人们的心理,把握人类的心理活动规律,建立关于人类心理的科学体系。这些研究揭示出人类心理的一些共同规律,为科学读心术作出了重要贡献。然而,由于信息的不对称性,心理学、社会学等学科无法全面揭示人类的思想和行为规律,而大数据技术的兴起为揭开人类心灵面纱提供了一种全新的科学工具,从而成为网络时代的科学读心术。
大数据使读懂他人心思成为可能
所谓大数据(big data),从字面意义来说就是数量规模特别巨大的数据集合,因而用传统的方法无能为力而必须使用计算机或云计算技术才能处理。近年来,智能手机、平板电脑等移动智能终端的大量普及,各种监控系统以及物联网的形成,互联网络高度发达,云存储、云计算等云技术迅速发展,带来了数据采集的自动化、数据类型的多样化、数据传输的即时化、数据存储的云端化以及数据处理的并行化。从数据采集来说,数据来自智能设备,在无人参与的情况下,海量数据就不知不觉地从智能终端中自动产生出来。这种由智能系统采集的数据由于不被人为干扰,因而反映了人们思想、行为的真实状态,具有与主体无关的客观真实性。从数据类型来说,智能系统采集的数据基本上都是离散数据,能够及时被电脑等智能设备处理,而且类型特别丰富,包括文本、图片、音频、视频等,全面刻画了数据采集对象的各种状态。从数据传输来说,智能终端采集的数据被即时传输上网,实现了在线采集和传输。从数据存储来说,云存储具有海量的空间,采集数据的智能终端不再需要巨大的存储能力。而面对海量的各类数据,并行的云计算能够在不同的地方同时进行计算和处理,再多的数据在云计算面前都不在话下。
在大数据时代,我们每个人都不知不觉地成了自动且免费的数据提供者,自动暴露了自己的一切言行。我们每天浏览网页,阅读新闻,发表评论;我们偶尔也上网购物,漫步在淘宝的虚拟店铺,在亚马逊、当当的网上书店里浏览、购买图书并留下自己的评论;我们也经常在博客、微博中洋洋洒洒写下自己的所思所想和世界各地的旅游足迹,有图有字有真相;我们用QQ、微信等网络交流工具与熟悉或陌生的所谓网友谈天说地,敞开心扉与素不相识的陌生人透露自己的喜怒哀乐;我们还每天打电话、发短信,在超市购物,溜达在装满摄像头的街道和建筑中。殊不知,这一切的一切都已被智能终端自动记录下来,并上传网络,存储云端。总之,我们的一切,包括所思、所想、所为,都留下了数据化足迹。如果说物理足迹会随岁月流逝而消失的话,那么这条数据化的足迹却永远难以抹去,成了一条永不消逝的信息链。大数据时代,一切心思都已经摆在网络上,透明而清晰。通过大数据,不懂心理学的普通人,可以轻松读懂他人的心思。
大数据或能读懂过去、预测未来
大数据为什么能够读懂人的心思,又是怎样读懂人的心思?关键就是它解决了人类心理信息的不对称问题。对于复杂的心理活动来说,传统的数据收集方法太落后,人工收集的数据难于解决信息失真问题,而且所收集的少量数据根本不足以全面刻画人的复杂心理,因此研究者与研究对象处于完全的信息不对称状态,人类心理当然就显得神秘莫测。大数据属于自动收集数据,随时随地记录下人们的一切,这海量的数据反映了我们所有的言行举止,暴露了我们的一切行踪,研究者只要挖掘这些数据就能掌握我们过去的一切信息。通过数据挖掘,不但可以刻画人们过去的心理、行为轨迹,而且还可以找到数据间的相关性,找到其中具有规律性的东西。根据数据足迹及其相关性规律,他人不用复杂的猜测过程就能用数据手段科学地刻画和把握人们的内心世界。更有甚者,大数据不但能读懂人们的过去,或许还能预测未来。我们知道,人类的思想和行为都具有路径依赖性,根据以往数据的相关性,能够找到人们过去的思想行为规律。根据这些规律,他(她)未来一定时间内会想什么、会做什么就有可能预先被推测出来。对那些有犯罪企图的人,如果我们能提前预测就能防患于未然。当然,对一般人来说,能够预知他人的心思可能也很有意义,否则怎么会有那么多人猜测他人心思呢?例如恋爱中人就特别想知道自己恋人的所思所想,以便做好应对之策。
大数据比人们自己还更了解自己。在大数据面前,人们以往的假面具和伪装术都失去了效用和意义。不过这也带来了诸多的伦理问题。例如信息安全、隐私保护和个人自由就是几个突出的问题。我们每天使用电脑和手机,每天暴露在监控之下,这些智能设备产生的数据究竟产权归属于谁?我们自己是否有知情权、使用权和删除权?我们的所有隐私都暴露在网络中,随时可以被他人挖掘和利用,我们每个人在大数据面前都变成了透明人。因此,在大数据时代,我们的隐私权该怎么来保护?大数据能够挖掘我们的过去,预测我们的未来,那我们的思想和行为自由会不会受到监视和控制?我们是否还有自己的思想和行为的自由?这些问题都值得我们认真去思考和解决。文章来源:CDA数据分析师官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16