京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据会砸了“风水大师”的饭碗吗_数据分析师
在不经意间,“风水大师”已经风光了很多年。“风水学”也从地下回潮,频频登上严肃学术期刊以“正名”,俨然大有一跃成为显学的可能。
但是,最近有人预言,“风水大师”们的好日子可能快到头了,理由是:大数据的广泛应用,会让他们没了用武之地。大数据通过海量的数据分析,能够在看似无关的事物之间建立联系。论者认为,将大数据应用于居家置业,可以通过对气候、阳光、水源、周边环境等各种因素进行统计、计算、分析、预测,能够得出最佳的宜居方案。如此一来,岂不砸了“风水大师”们的饭碗?
然而,在笔者看来,这样的预言,既高看了“风水学”,也小瞧了“风水大师”们。
之所以说高看了“风水”,是因为这种预言的前提,已经把“风水学”归入了科学一类,认为用大数据的科学定量分析,可以解释玄妙“风水学”所蕴含的科学道理。这本身,就是对“风水学”的误读。
寻根溯源,后世所谓的“风水学”,在上古之初,本是朴素的“相地术”,它对地理环境优劣的评价,来自古人在生活实践中的经验总结,这也正是“风水”带有“科学基因”的最初来源。后来,脱胎于“相地术”,通过附会中国传统哲学思想,并将其神秘化,“风水学”逐渐形成。传诸后世,所谓看“风水”,说到底,实际上演化为一种民俗,是具有中国传统文化特质,带有迷信色彩的巫法术。如果说“风水”在当代仍然有价值,应体现在它作为精神遗产的文化价值—通过研究固化在建筑、墓葬中的“风水”观念,打通我们理解古人的历史路径。
如今,很多“专家”不厌其烦地从学术上论证“风水”如何体现了“天人合一”的中国哲学思想以及与当代自然科学暗合的“科学道理”,却刻意回避了一个事实—“看风水”,其实大多看的不是如何宜居,而是如何通过改变“风水”以做大官、发大财、添大禧,或者逢凶化吉。两者目的和实现途径迥异甚至对立,却硬要说“风水学”是科学,就如同一口咬定炼长生不老仙丹的术士从事的就是化学研究,令人莫名其妙。
事实上,“科学道理”也只是“风水”用以遮蔽人们理性思考的一个幌子,这也就是认为大数据可以取代“风水”,是小瞧了“风水大师”的根本原因。他们的长项,不在“科学”,而在“玄妙”,而且玄妙得“贴近人心”—如果你有改变命运的强烈渴望,如果你有坐享其成的功利之心,如果你需要指点迷津的心灵慰藉,知不觉间已然入瓮。
心病,单靠自然科学往往是无法治愈的。了解到这一层,我们就会认识到,科学与迷信的较量,必然是持久战,靠大数据这样的一两件“新式武器”,显然不可能速胜。
更为可笑的是,当下不少贪官污吏竟把“看风水”当成“护身符”。求诸其外,恰恰证明了内心的虚弱。这不禁让人想起《论衡》上记载的一个故事:春秋时晋国的中行寅,在大难当头之际责怪掌管祭祀的太祝办事不力,以致激怒鬼神,使自己家族面临灭顶之灾。对此,太祝回应道,您横征暴敛,招致百姓的怨恨和责骂,我一人的祝祷又怎么敌得过举国上下的万众诅咒呢?
好个“一祝不胜万诅”,正是以子之矛攻子之盾。看来,就算在迷信的世界里,和现实生活中一样,等待贪官污吏的,也同样只有绝路一条。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19