
移动互联网和大数据将带来“新财富鸿沟”
在人类历史上,每一次重大的技术革 命或商业模式革 命,都推动了人类社会前行。但与此同时,也带来人类不同族群之间的力量失衡和财富失衡,总有一部分族群加快了发展速度,掌控了更多的财富,也有一部分族群被甩在后面。
最佳管理智囊档案
在18世纪下半叶,随着蒸汽机的发明,欧洲开始进入了工业文明时代,而此时亚洲等许多地区还处在农耕文明时代,两者之间的财富鸿沟日渐明显。从此时开始,全球的财富中心开始向西方转移。
在20世纪初,随着股票交易制度及相关制度的完善,纽约开始成为全球第一大金融中心,纽约证券交易所、华尔街、摩根已经开始成为当代金融业的标志。在这一轮的金融业革 命之后,也同样拉开了美国和欧洲的财富鸿沟。自纽约成为世界金融体系的太阳之后,包括伦敦在内的世界其他金融市场,从此成为围绕着这个太阳旋转的行星。
在20世纪下半叶,随着在电子、通讯、半导体、软件等方面的大量创新涌现,硅谷开始成为全球信息产业的圣地,成为全球信息产业当之无愧的领导者。在这一轮信息技术革 命之后,美国与亚洲等其它地区的财富鸿沟进一步拉大,随着美国技术源源不断的出口全球,财富和权力进一步集中到西方。
移动互联网和大数据时代的到来,事实上也是一场技术革 命与商业模式革 命,与前面的历史类似,这场革 命同样会拉大不同族群之间的财富鸿沟。
首先,在不同国家之间,在全球移动互联网和大数据体系中所处位置是不同的,比拼的是谁更接近生态体系的基石位置,从而能真正把握住未来发展的命脉,包括手机操作系统、大数据底层平台、开源软硬件平台、大规模社交平台、电子商务交易平台等。现在看来,这些主流平台极有可能集中于少数几个国家之间。互联网是没有国界的,但互联网企业是有国界的,这样集中于少数国家的技术、平台与数据,将拉大不同国家之间的财富鸿沟,甚至形成数字化的垄断霸权。
其次,以中国为例,中心城市与中小城镇的数字化差距也将日渐明显。从城市竞争的角度看,中心城市将占据核心数据资源与核心平台资源,对于商机、人才、知识具有垄断性控制力,是中小城镇无法比拟的。中心城市对于未来移动互联网和大数据的运用将愈发娴熟,使其不断提升城市竞争力。而中小城镇将长期徘徊在这一轮新技术革 命的边缘处。这样使得财富鸿沟进一步拉大,大型城市就像一个黑洞一样,源源不断地把发展中的财富吸附进来。
第三,在不同行业之间,可以发现,如果说以往,行业界限泾渭分明,各有各的财富空间。但现在则不同,以阿里巴巴、腾讯等企业为代表的互联网业,正像“站在门口的野蛮人”一样,冲进了传统行业的领地,可以看到,传媒、出版、零售、教育、交通、旅游、影音、IT等诸多行业都面临价值被互联网掠夺的风险。其中的要点在于互联网公司掌握了用户资源和行为数据,纷纷搭建了自己的云计算平台和大数据平台,比传统行业更懂它们的用户,定价更低,服务更好,这将自然造成不同行业之间的财富鸿沟。
第四,在不同受教育人群之间,是否善于运用移动互联网或大数据的优势,这一点将构成不同人群职业发展的显著差异。移动互联网和大数据既是新技术、新应用,同时也是新思维、新观念,移动互联网所蕴含的“在线”、“连接”的观念极大改善了人与社会资源的配置,大数据所蕴含的“相关性”“规律性”的观念将增强人的洞察力。因此,未来人的职场竞争,无论从事什么行业,在很大程度上比拼的是是否形成了新观念,善用新工具。不同的理念和不同的学习能力,将拉大不同人群之间的财富鸿沟。
移动互联网和大数据在推动社会发展的同时,也极有可能带来新的新财富鸿沟。效率并不必然带来公平。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14