京公网安备 11010802034615号
经营许可证编号:京B2-20210330
联合国CIO:大数据有局限性
Atti Riazi是联合国的助理秘书长,同时也是联合国首席信息技术官,日前他在接受TechTarget采访时探讨了她对于大数据的思考。
Atefeh Riazi对于技术和政治的相交叉并不陌生。 在她年轻的时候,作为一个拥有工程学位的刚毕业的大学生, 她帮助实现了智能卡技术,这改变了纽约人使用公共交通的方式,在这一过程中,她也曾经承受过很多压力。随后在全球广告公司奥美工作了一段时间,然后她回到 公共部门工作,为纽约市房屋管理局构建技术战略,最终担任首席信息官,兼总经理。
2013年5月,她被联合国任命为首席信息技术官(CITO),兼任助理秘书长。在那里,她的职能跨越政策和IT的应用,服务于联合国的许多紧迫的问题。这项工作在很大程度上取决于分析大量的存储数据,并且不都是电子化的数据。
问:通常我们访问的企业都倾向于利用大数据来预测相关性,而不是寻找原因,利用大数据作为行动的方针。你是如何看待的?
Riazi: 在我之前的工作中,我们想要找出为什么我们有这么多员工的受伤案例。我们努力寻找原因。 因为我们的知识的局限性,我们开始从不同寻常的角度寻找原因,然后,我们寻找季节和意外之间的相关性,然后我们发现,当有棒球比赛时,意外的发生率很高。 我们继续深挖,然后发现并不是所有的棒球比赛,只有在纽约大都会队和扬基队比赛时,才会出现大量的工伤。这些工伤,主要是绊倒和摔倒,当人们在平地行走时 发生率会上升。他们并不是回家看比赛。其实他们是带着耳机听比赛的直播,然后没有集中注意力。这个原因的相关性是我们没有想到的,然后我就要做出决定:明 年大都会队和扬基队比赛的时候,我应该怎么做来阻止这些工伤?
问:将这种方法应用于联合国试图解决的问题, 你工作的一部分是培养公众以不同的方式去思考这些问题吧?
Riazi: 你说的很对,我们必须采取非常开明的态度,因为数据可以从根本上质疑我们的核心信念和判断——无论是企业,政府,还是社会。
问:作为联合国的首席信息官,你面对的最大挑战是什么? 你对其他CIO们有什么建议吗?
Riazi: 这是一个震撼人心的经历。你从一个完全不同的视角看待技术和创新。技术有着巨大的力量;它可以做的很多。技术也带来了巨大的风险,网络犯罪,网络恐怖主 义。如今,80%以上的贩卖儿童都是在网上完成的。网络对于我们国家的工业系统, 交通,水,电网的渗透所带来的影响——是一个巨大的风险。
我们创造了技术,这几乎已经成为了一种新的物种,而和其他被创造的生命形式完全不同。它给我们所带来的风险是难以管理的。在能够使用技术来改善人类的生活的同时,也要意识到风险,并能够解决这些问题则是一个巨大的责任。
在联合国的使命中,保护儿童,带来和平,技术在这其中扮演着重要角色。而我认为我们并没有真正的利用技术的力量来帮助减少或解决风险。 技术部门能够预防和阻止未来的网络战争吗? 我们并没有专注于此,我们做的不如私人部门的企业,也不如政府。我们如何利用技术来确保改善我们的人道主义反应,改善教育,或者,如何解决那些成千上万居 住在帐篷里的难民问题?这些都是很严重的问题,使我整夜无法入睡。我们必须负起足够的责任,利用技术的价值,来解决作为社会,国家,和政府我们所面对的巨 大风险。
问:关于大数据是如何改变人们的想法,你有什么观点?人们是否愿意放弃他们的想法,即使在事实面前证明是错误的?在联合国内,是否有一种开明的氛围,愿意让数据引导你们?
Riazi: 这 会涉及到几个问题。 第一,我们无法访问所有的数据。有很多数据是不准确的。 第二,我们不只是做出理性的决定,我们还要做出政治的决定。数据可能显示正确的做法,但政治决定可能完全相反。我们生活在一个政治的世界。所以你如何在一 个政治的环境中平衡理性思考,而这其中还涉及到除了数据以外的元素?
我认为通过使用技术,我们变得更加智慧,我也希望我们能做出更明 智的决定,但是人性是不会改变的。大数据可以帮助我们更好地预测会发生什么。但是更好地理解灾难是否能阻止我们制造这种灾难?不可能,因为我们的本性仍然 顽固不变。曾经有一个预测,飞机会带来和平。飞机有了,但是没有带来和平。大数据有助于做出更好的决定,但有很多其他的元素,会影响我们的理性思维。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20