京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据不是万能的
大数据技术给作战指挥带来新的机遇,但若认为“有数据就够了,数据会说话”则是片面的。大数据的价值应该被认同,但不应被夸大,看到优势一面的同时也要看到劣势一面。一句话,大数据不是万能的,如果我们盲从大数据,就容易产生“大错误”,出现大问题。
首先是结果不确定。《大数据时代》一书作者维克托·迈尔·舍恩伯格,将大数据集定义为“N=全部”,意思是进行正确的大数据推理需要所有的数据集。而作战双方采取各种手段来隐蔽自身信息,“N=全部”只可能是一种假设。舍恩伯格指出:“数据量的大幅增加会造成结果的不准确,一些错误数据也会混进数据库。”来源不同的各种信息混杂在一起会加大数据的混乱程度,导致出现“错误发现”的风险增加。
其次是逻辑无规律。大数据能够提高指挥效率、加快获取情报、加速信息处理,然而也会遇到传统的统计学问题。剑桥大学著名教授斯皮格哈特指出:“大数据中充斥着大量的小数据问题,它们不会因为你得到了很多的东西就消失不见。”不容置疑的是,数据量的增大会带来规律的丧失和严重失真。而且,数据运行过程中不同的数据会相互融合,发生变异得到新的数据,以至于很难发现事件背后的规律。
最后,大数据是对过去已发生的事件进行经验总结,本身不具备创新性。同时强调以数据为主导,容易忽视指挥员本身的主观能动性。战争没有重复,每次作战都是一个新问题,不能按照以前的模式照搬照用。一味地相信数据,可能还会起反作用。比如,美国脸谱公司大获成功前,互联网巨头们的数据分析结果统统认为社交网络没有大的机遇;脸谱成功后,谷歌执行总监施密特才惋惜地表示:“我在谷歌犯的最大错误,就是没有在网络社交兴起的时候参加进来。”所以说,不是拥有了大数据,就能作出正确的选择。凡事无绝对,在看到大数据技术带来革命性变化的同时,一定要看到其不足的一面,防止产生盲从,有效规避可能出现的错误或问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 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 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20