京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 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 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22