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
CDA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 ...
2026-09-22CDA数据分析师 出品 作者:李诗怡 1. 金字塔原理 定义: 一种“先总后分、先结论后原因”的思考和表达方式。顶层为核心观点,中 ...
2026-09-22数据收集是数据分析、数据挖掘与数字化运营的源头工作,数据收集的完整性、准确性、时效性直接决定后续数据分析结果的可信度与业 ...
2026-09-21箱线图是数据分析中用于识别数据分布、判断离散程度、筛查异常值的核心图表。相比于直方图、趋势图,箱线图可以精准区分正常数据 ...
2026-09-21 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-09-21在数据库数据查询与数据分析工作中,日期时间是最常用的数据类型之一。原始数据库中存储的日期格式多为标准时间戳、年月日时分秒 ...
2026-09-20在时序数据分析中,增长率是衡量数据涨跌幅度、研判发展趋势、识别周期波动的核心指标,主要分为环比增长率与同比增长率。传统Ex ...
2026-09-20 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-09-20CDA数据分析师 出品 作者:李诗怡 STP模型(营销战略三步法) 定义: 现代营销战略核心框架,通过市场细分(S)、目标市场选择( ...
2026-09-18在互联网产品迭代、运营优化、界面改版与策略升级过程中,主观经验判断容易造成决策偏差、盲目改版、资源浪费等问题。AB实验(AB ...
2026-09-18 很多企业并不缺少指标,缺少的是让指标“串起来、动起来、用起来”的体系。零散指标像散落一地的珠子,指标体系则是那根把珠 ...
2026-09-18在电商行业精细化运营时代,流量红利逐步消退,粗放式投流、广撒网营销模式已无法适配市场竞争需求。依托用户点击、加购、收藏、 ...
2026-09-17在数据可视化与数据分析工作中,图表是将零散数据转化为直观业务规律的核心工具。不同图表拥有专属的数据逻辑与分析维度,能够从 ...
2026-09-17