
美国大数据治理背后的“理性乌托邦”
人类决策中最宝贵的是人类能看到环境和理解环境,这些洞察力并不能完全由参数来描述。海量信息并非灵丹妙药,除了大数据外,社会仍需辩论核心原则,意识形态产生的差异仍将持续,学界、商界和政界过分关注技术分析,可能忽视创新思维和思辨分析,是对其他方法论的压抑。
近日美媒报道,奥巴马是最重视数字和大数据分析的美国领导人,白宫更是充分运用“大数据民意”。报道称,奥巴马从选举到治国都依据数据行事。2014年1月,奥巴马要求总统行政办公室用90天的时间,研究大数据如何改变人们的生活与工作形态,政府与民间、企业与消费者之间的关系。可以说,奥巴马本身就是诞生于“大数据”中。就在击败对手罗姆尼、再赢美国总统选举的当天,《时代》杂志撰写了一篇文章,描述了奥巴马总统选举获胜背后的秘密——数据挖掘。奥巴马团队拥有“核代码”,数据是能击败罗姆尼的最根本优势。在平时的治国政策上,律师出身的奥巴马高度重视数据与网络反映的社会现状,白宫有专责人员处理网络信息与社交媒体策略,外交、经济与社会政策,必须经多层次民意与舆论数据分析后方能推动,共和党在这方面起步较晚。
奥巴马政府密集地使用大数据制定政策,使得依赖大数据分析成了美国各行各业的趋势。大数据是否全面反映社会现实?国家政策是否该依赖网络信息?大数据是否应对所有危机、解决现实社会问题的灵丹妙药?其实,大数据治国背后,是西方工具理性思维的“升级换代”。结合大数据这样的信息时代的新武器,这种认知世界和处理问题的方式容易陷入一种“理性乌托邦”,即认为数据表面上的理性客观,能使得由其导出的结论和决策也必然理性客观。事实上,大数据分析有其限制,仅是一种分析模型和认知方法,是政府、产业与公民社会做决定的一种参考。
首先,根据“混沌理论”的解释,汇集100倍数据量都无法解决某些问题。总会有一些东西不在模型参数的覆盖范围内,2008年金融危机就是过分依赖预测风险模型酿成灾难的例证。由于完全剥离了数据所处的具体环境,数据缺乏可理解性和适用性。大数据研究有可能“敏锐地”发现问题,却无法给出问题合理的解释,也无法给出有针对性的对策,限制了其应用范围。
其次,“大数据”很容易变成“数据大”,对于数据分析的过度推崇,很容易把大数据分析变成最好甚至是唯一的分析工具,让数据一家独大。人类决策中最宝贵的是人类能看到环境和理解环境,这些洞察力并不能完全由参数来描述。海量信息并非灵丹妙药,除了大数据外,社会仍需辩论核心原则,意识形态产生的差异仍将持续,学界、商界和政界过分关注技术分析,可能忽视创新思维和思辨分析,是对其他方法论的压抑。
最后,大数据红火背后,是现代西方文明诞生以来对理性的推崇和自满。对大数据过分推崇和依赖就是这种“理性乌托邦”的最新演绎。这种思想假定不确定的世界里有已知的风险,而大数据计算为一个不确定的事件产生了精确数字,所以必然客观、理性、正确。
上述虚假的确定性,本身就是一种陷阱。奥巴马政府的大数据治国理念,显然也不是“万灵丹”,无论是医疗改革、中产阶级衰落还是经济泥潭,美国社会的复杂现实问题还远远没有解决,也不仅仅是数据就可以描述、解决和指导的。毕竟,误用大数据比没有数据衍生的问题来得严重,而只推崇和依赖一种方法论将带来更严重的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03