
《大数据》:网。
——我理解的大数据和其它
题目抄袭自北岛的诗:《生活》:网。
腾讯在微信中推广告。有人是宝马,有人是手机,有人是可乐。有分析说,是按照自然语义提炼关键词,然后怎样怎样。我的理解可能比较浅薄:在每个人的微信中提炼出关键词,然后,根据这些关键词进行相应的产品推荐。比如一个女文青经常提到旅游,明信片,吉他,民谣,就给她推荐复古长裙。
大数据时代,数据是大了,时代,是变小了无疑。
一个未婚女青年,有一天她突然想到要去旅游,用中性的表达就是“一个人旅游的未婚女性”;另一个未婚女青年,有一天她突然想学摄影,用中性的表达就是“一个学摄影的未婚女性”;
还有想穿波西米亚长裙的,寄明信片的,住海边小镇的,素面朝天的等等,于是她们都被贴了标签“文艺”,然后大数据分析后,对这些女青年狂轰滥炸,每天她们见到的就是“花园酒店”、“海景小镇”、“搭车环游”等等,哪天突然想结婚,过传统的生活,便会觉得“不一样”。之所以不一样,是因为她们已经被“大数据” 分析后,贴上了标签。并且按照这个标签来生活。所以作家说“是艺术模仿现实呢还是现实模仿艺术”。是谁在操控着我们的生活,或者我们应该被操控吗?
大数据在操控我们,大数据说喝某奶茶的人已经绕地球几圈了,你能不喝吗?大数据说你就是一个文艺女青年,你就应该立马买了条长裙,并且放张天空大海或者一本古籍的图片在朋友圈。大数据根据你的标签,不断让你update自己,像标签或者标签的升级版靠近。而update,正好中了大数据的圈套,就是消费。
我们不应该被操纵,这是一句空洞且像一个溺水者的垂死挣扎,那我们还在被文化,社会,宗法,道德,甚至上帝在操纵呢。被大数据操纵又怎样。可是,无论怎样,我们都不该被操控。
大数据让人单一,单调,缺乏想象,无趣,同类合并。现在高校里有个不成文的规定:毕业的博士生不能受聘于他导师所在的单位。原因就是防止近亲繁殖。大数据后大家都是小时代,住公寓式套房和住八人间宿舍的大学生是不同的人群。《后会无期》则想要打断这种局面,可是好像并没有做到,《后会无期》从另一个方面打造了一个小时代,和那些华丽的城市青年们不同,他们是一些不得志的青年在追求一些梦想或者仅仅是改变,连酒店的妓女都是个女文青。都是同类。相比较而言,为什么《心花路放》显得高明一点,就是它没有明显的类型化,各式各样的人,你无法预测下面会有什么样的人和事。
在文学史上也有这种情况,“赵树理现象”。赵树理不是一个作家而已,已经成为乡村文学的符号。同样,八十年代的精神领袖北岛,已经成为了先锋的符号。趣味相投是好事儿并且令人欢欣鼓舞,这和大数据并不是一回事儿。趣味相投是主观能动,我喜欢北岛,我就读北岛的诗,我模仿北岛,写自己的诗。大数据是第三只手在操控我们的思想,阻碍我们自由地思考,发现了我的一个特征:喜欢写诗,那么天天跟我说,你应该喜欢北岛啊,北岛是先锋诗人啊,你要喜欢北岛,然后,我去看北岛。这里有一个事儿:自由意志。
罗永浩就十分高明,在最新的演讲中,他说曾经在快要被作为精神领袖之类的形象后,他就及时地去解构,他说他也渐渐淡化自己的形象,用他的锤子科技的团队形象出现。他说单打独斗太累了,是啊,一个人要作为一个符号存在,不累才怪。
在艺术上,建构是很累的,我们经常看到的解构主义,觉得很惊讶,啊,这种不费力气的也能叫艺术?塞尚拿了个小便池就能叫艺术。对了,这也是艺术。
回到大数据,这是信息时代发展的趋势,在科技史上确实有积极作用,可是人类发展,不仅需要科技,还需要天性和自由。人们都会厌恶模式化的生活,最近不是有个说法嘛,如何毁了一个文艺女青年,让她生个孩子。对啦,不要被困住啦,想改变,想旅行想生孩子都随你自己嘛!
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在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10