
大数据与危机决策_数据分析师培训
决策从本质上讲是从决策目的出发依据一定的认识模型对信息的加工处理过程。因而,信息、认知模型、分析时间是决定决策质量高低的三个主要因素。---数据分析师考试
首先是信息。信息是所有活动展开的前提,正是通过信息,人们才能了解到客观系统的运动状态及其相互的内在联系,从而达到对客观事物的把握和对问题的确定。信息的缺失或者不完备就会使整个决策活动成为无米之炊而难以进行。
其次是认知模型。信息要转换为决策知识,必须要经过人们应用认知模型对信息进行的加工、解读和转换,从而形成有关客观对象的决策知识。如果人们对客观对象的内在联系与规律茫无所知,或者仅有不科学的、甚至完全谬误的认识模型,那么就会形成对信息的错误解读,从而导致决策的无效或者失败。
最后是一定可资利用的时间。决策中信息的存在有三态,第一是处于决策者感知范围之外的信息,第二是已转移至决策者感知范围内的信息,第三是经过分析、加工、转化为可资决策者利用的知识形态的信息。信息由第一态到第二态,再由第二态转化为第三态,在这期间信息要经过收集、传递、分析、加工、转换,然后还有确定问题、制定策略,都需要耗费一定的时间资源。若缺少决策可资利用的时间,良好的决策就难以做出。
信息的完备准确及时性、认知模型正确程度以及决策可资利用的时间,这三个方面构成了约束决策质量的前提条件,而危机决策恰恰在这三个方面往往难以具备,限制了有效决策知识的形成,从而构成了危机决策的困境。
二
一般认为,危机事件是对一个社会系统的基本价值和行为准则架构产生严重威胁,并且在时间压力和不确定性极高的情况下,必须对其做出关键决策的事件。危机时人们所面对的是一种不同于常规的特殊情景,在人类社会生活中它属于一种不常出现的“小概率事件”,表现为事件的非常见性、爆发的突然性、时间的紧迫性、发展的难以预测和不确定性,这些特点形成了危机管理所面临的一种特殊的决策情势。
在危机中,决策者经常面临有效信息的缺失。一个应对良好的危机管理、决策者应具有两类信息,第一是公共危机事件所处的环境信息。主要包括自然环境、基础设施、政策法规、应急资源、危机管理者组织、危机利益相关者等等信息。第二是致灾因子有关的信息,它是每一类危机事件特有的信息,如地震、风暴、洪水等的等级、烈度信息,化学物质污染事件的浓度信息,传染病的感染率、传染速度信息等。由于危机事件的突发特性,反映出信息模糊、散乱、混沌的特点,以“信息雾”的状态存在,这样造成决策者所掌握的信息不完全、不及时、不准确,形成了一个巨大的信息差。
危机中,决策者还面临着认知困境和时间困境。危机事件是一种人们常识外的小概率事件,小数据时代,储存在人们有限的记忆库中类似的信息极少或者根本没有,更谈不上具有科学的认知模型。对事件的起因、发展,走势等内在联系一无所知,那么即使有了一定量的有关事件的信息,由于“分析瘫痪”,人们仍然茫然无措,不知怎样应对。同时,危机是一个高度紧张和巨大压力的情景,决策者必须在相当有限的时间里做出重要决策和快速反应,在现实中往往是由于信息加工能力的低下,信息传递、加工、转换的迟滞,等决策者拿出方案时,危机已经演化,失去了干预的最佳时机。
三
正是由于以上危机决策困境的存在,使危机决策的质量难以提高,长期以来只能徘徊在非理性决策与经验决策的范围,不能有效地进行危机干预与危机控制。大数据技术作为人类新近出现的一种信息技术与认知方法,在很大程度上可突破人类危机决策中的困境,使危机决策的质量得以提高。
大数据技术可极大地扫除人类的信息盲区,可使人类获得针对自然与人类社会运动变化的巨量信息,过去由于技术限制不能进入人类认识视野的客观现实,将揭开神秘的面纱而重新进入人类的认识领域。大数据时代,人们有了获得信息的新方式,GPS设备、RFID设备、视频监控设备、卫星遥感、个人电脑、智能手机、数码相机等各种传感器接入互联网终端,以及博客、微博、微信、播客、社会化网络等的爆发式增长,使有关自然环境与社会环境变化都会以传感数据、交易数据、交互数据的方式进入人类的认识视野。人类所处环境的各种变化以及社会的各种活动,例如天文、地质、生物、生产、运输、商业、军事、社会舆情等方方面面都可以数据化的方式表现出来。多样化的海量的数据出现,使人们能够深入地、及时性地把握自然与社会的运动变化状态。人们对世界的认识不再囿于以往有限的时空限制,对客观对象的把握达到了新的高度,认识边界也不断扩大。过去由于技术限制,人们难以获得自然与社会变化的征兆信息,也将进入人们的认识视野。大数据技术将使人们在危机处理中占有及时、完备的信息,从而突破决策的信息困境。
大数据也是人类一种新的认识方法,通过这种方法,可在海量信息的基础上快速形成有效的决策知识。人们认识客观对象的方法有理论方法、实验方法与仿真方法,随着大数据时代的到来,出现了“数据探索”—这一人类获得知识的新方法,一些学者将这一方法称为人类认识的“第四范式”。通过云计算技术对海量数据的科学分析与深入挖掘,可以迅速刻画出社会与自然运行的模型、推演未来变化趋势,通过大规模的数据并行处理,人们很快就可在局部化的信息中发现事物的整体走向,在杂乱无章的困境中找到解决问题的出路。这些特性使大数据技术可在最短的时间内,为危机的解决提供知识支持,极大地提高危机决策的质量。
美国社会学教授加里·金说:“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程”。大数据技术的发展虽说仍然面临许多技术难题,但前途却无比光明。在未来的军事、社会、政治、自然灾害等危机的处理中,大数据技术无疑会成为辅助人们做出科学决策、解决复杂问题的重要工具。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02