京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的知识_数据分析师培训
进入网络大数据时代之后,海量的知识顿时如潮水涌现,令人眼花缭乱。到底哪些是真知识,并且是有用的知识?现在成了一个难题。如果在大数据时代善于将知识有效利用,这也是不错的时代,可惜并非所有人都是如此。《知识的边界》([美]戴维·温伯格著, 胡泳、高美译,山西人民出版社)这本书,就是围绕“大数据时代的知识”一系列问题展开了深层次的探讨和反思。
本书作者戴维·温伯格是哈佛大学资深研究员,围绕网络社会与知识创新等热点话题,经常为美国《连线》《纽约时报》《哈佛商业评论》等报刊撰稿。《知识的边界》一书共分为“知识超载”“深不可测的知识海洋”“长形式,网形式”等九个篇章。每一篇章中,温伯格对于“大数据时代的知识”进行了不同层面、不同维度的分析和梳理。大数据时代的知识是较之印刷时代的知识而言的,印刷时代的知识是静态、单向度、线性的传播方式;而大数据时代的知识则恰恰相反,美国云计算之父马克·贝尼奥夫认为,大数据时代的知识具有社交性、流动性、开放性的特征。而温伯格则在书中一语中的:“大数据时代的知识没有边界、也没有形状。”
大数据时代的知识,没有像印刷时代对知识结构视为必须具备的“基础”,知识是非线性的,可以自由组合、切割,处于一种游离状态,有点“召之即来,来之可取”的意味。温伯格在书中,对一系列基本概念提出了批判性的思考。比如,他在阐发“事实”的概念时,认为人类社会只有到了十九世纪,“事实”才成为知识的基础和解决争论的最终方法。他写道:“但我们应该意识到,那个时期对事实的看法,并非基于事实而是基于发表事实的纸质媒体。”今天大数据时代所提供的“事实”,远远超出了传统书籍的范围, “事实”充满林林总总的分歧和争论。
大数据时代的知识,如同一张无限扩展的大网,将人类所有知识“一网打尽”。而在先前的印刷时代,知识主要依靠出版,少数的知识精英把持知识的传播特权;网络新媒体开启的大数据时代,则是一场更为深远的知识颠覆性变革,知识传播呈几何级数式增长。当前,网络新媒体技术打破了精英与平民之间的知识壁垒,改变了自上而下的知识传播模式,使知识的生产与传播陷入不确定的状态。
温伯格对于大数据时代的知识秉持乐观的态度。从客观上看,大数据时代的知识学习,确实有其便捷性,这是不争的事实。
如果说大数据时代的知识给人带来便捷,那么拓展人们的知识视野,则更有不可替代的优势。2011年以来,一种名为“慕课”(在线学习网络)的学习方式,给知识的学习与传播带来划时代的“革命”。“慕课”的周围,聚集着全球各地的青年学生,他们各自在家中的电脑前,在线聆听老师授课。老师在授课中学生可以随时提问,课后师生之间可以进行互动性的交流,老师在线批改作业,进行课业点评。这种学习知识的新方式,令人们毫无时空的阻隔感。“立体式”的知识传播,使得传统的课堂受到严峻挑战。现在有专家认为,“慕课”猛于虎,那些讲课不精彩、专业基础不扎实的教师,将来在“慕课”的浪潮中面临职业危机。
这里不得不提,大数据时代的知识便捷性只是相对而言。假如高度依赖网络数据进行学术研究或者文学创作,笔者有着隐隐的担忧:因为学者、作家使用数据库后,省略了在稿纸上的“各种比划”,思考中的各种揣摩、猜疑和最初的灵感火花,无法原汁原味地留存。众所周知,学术研究或者文学创作过程中那些潦草、凌乱的文稿笔迹,是知识的半成品,具备极高的研究价值。大数据时代将大脑思索的过程轻而易举地抹掉,应该引起足够的关注。
大数据时代的知识能轻松获得,也并不意味着就能真正掌握知识。大数据时代的知识仅仅是一种资源,好比家中存放成百上千的书籍,如果不去研读,知识和人依然无关。不管处于怎样的一种时代,知识需要人们花苦功夫钻研,否则再多的知识也无意义。另外,现在不少人,凡是有不懂的问题,习惯性地上网搜索,不做任何甄别地将网上的知识和答案奉为宝典。长此以往,久而久之会使大脑变得懒惰,思维变得迟钝。大数据时代的知识,究竟是令人变得聪明还是愚笨?
《知识的边界》一书的魅力,在于它所呈现的思辨层面的丰富性,以及从无数具体的论争、微小的案例出发,对知识本身的学习、生产、传播、知识内部要素以及知识的外部影响,进行了层层深入、环环相扣的论述。在很多看上去不是问题的问题的追问中,温伯格表现出深厚的知识思辨能力,这是极为难得的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11