大數(shù)據(jù)來了,我們該怎么辦师枣?

作者:舍恩伯格

2017年初怪瓶,人工智能“Master”用連勝60局的戰(zhàn)績橫掃了世界圍棋界的各路頂尖高手,近日践美,加拿大和捷克幾位科學家的一篇題為《DeepStack:無限注德?lián)涞膶I(yè)級人工智能玩家》的論文中洗贰,介紹了一種能在一對一無限注(任何人在任何時候可下任何數(shù)目籌碼)德州撲克中擊敗人類玩家的新算法DeepStack找岖。人工智能本質上是基于大數(shù)據(jù)的學習和訓練,不管理你是否準備好哆姻,以大數(shù)據(jù)為基礎的人工智能正以秋風掃落葉之勢向人類發(fā)起各項挑戰(zhàn)宣增。

大數(shù)據(jù)正對我們的日常生活、工作和思維帶來巨大的變革矛缨,日常出行有共享單車爹脾,公交和地鐵出行可以掃碼支付和出行,F(xiàn)arecast通過預測機票價格趨勢幫助旅客節(jié)約機票購買費用箕昭,我們平時也可以用攜程灵妨、去哪等APP軟件比較出行和住宿的價格,大數(shù)據(jù)已經(jīng)無處不在的影響著我們的生活和工作落竹。

風起于青萍之末泌霍,大數(shù)據(jù)來了,我們該怎么辦述召?


積極擁抱大數(shù)據(jù)是最好的辦法朱转,我們需要從思維、商業(yè)和管理上進行變革积暖,才不會被時代所拋棄藤为。

1、大數(shù)據(jù)時代的思維變革

不是隨機抽樣夺刑,而是全部數(shù)據(jù)缅疟。小數(shù)據(jù)時代的隨機采樣,最少的數(shù)據(jù)可以獲得最多的信息遍愿,隨機抽樣的方法一直被我們所采用存淫,比如人口普查,但這只是一條捷徑沼填,是在不可收集和分析全部數(shù)據(jù)的情況下的選擇桅咆,它本身存在很多固有的缺陷。當人們想要了解更深層的細分領域坞笙,隨機采樣的方法就不可取了轧邪。隨機采樣就像看鳳姐,遠看身材還不錯羞海,近觀則不敢恭維。生活中真正有趣的事情經(jīng)常藏匿在細節(jié)之中曲管,而采樣分析法卻無法捕捉到這些細節(jié)却邓。大數(shù)據(jù)可以發(fā)現(xiàn)日本“相撲”界操縱比賽的問題,而隨機采樣分析法無法發(fā)現(xiàn)這個情況院水。有些時候腊徙,我們可以使用樣本分析法简十,畢竟我們仍然生活在一個資源有限的時代。但更多時候撬腾,利用手中掌握的所有數(shù)據(jù)成為了最好也是可行的選擇螟蝙。

不是精確性,而是混雜性民傻。對于小數(shù)據(jù)而言胰默,最基本、最重要的要求就是減少錯誤漓踢,保證質量牵署。大數(shù)據(jù)時代要求我們重新審視精確性的優(yōu)劣,如果將傳統(tǒng)的思維模式運用于數(shù)字化喧半、網(wǎng)絡化的21世紀奴迅,就會錯過重要的信息。大數(shù)據(jù)不僅讓我們不再期待精確性挺据,也讓我們無法實現(xiàn)精確性取具。我們要做的就是接受這些紛繁的數(shù)據(jù)并從中受益,而不是以高昂的代價消除所有的不確定性扁耐。據(jù)估計暇检,只有5%的數(shù)字數(shù)據(jù)是結構化的且能用于傳統(tǒng)數(shù)據(jù)庫。如果不接受混亂做葵,剩下的95%的非結構化數(shù)據(jù)都無法利用占哟,比如網(wǎng)頁和視頻資源。通過接受不精確性酿矢,我們打開了一個從未涉足的世界的窗戶榨乎。

不是因果關系,而是相關關系瘫筐。知道“是什么”就夠了蜜暑,沒必要知道“為什么”。在大數(shù)據(jù)時代策肝,我們不必非得知道現(xiàn)象背后的原因肛捍,而是要讓數(shù)據(jù)自己“發(fā)聲”。建立在相關關系分析法基礎上的預測是大數(shù)據(jù)的核心之众,通過應用相關關系拙毫,我們可以比以前更容易、更快捷棺禾、更清楚地分析事物缀蹄。


2、大數(shù)據(jù)時代的商業(yè)變革

大數(shù)據(jù)時代一切均可量化,文字變成數(shù)據(jù)(Kindle圖書數(shù)據(jù)化)缺前、方位變成數(shù)據(jù)蛀醉、溝通變成數(shù)據(jù),世間萬物皆為數(shù)據(jù)衅码。有了大數(shù)據(jù)的幫助拯刁,我們不會再將世界看作是一連串我們認為或是自然或是社會現(xiàn)象的事件,我們會意識到本質上世界是由信息構成的逝段。

大數(shù)據(jù)的價值來源于它“取之不盡垛玻,用之不竭”的數(shù)據(jù)創(chuàng)新。數(shù)據(jù)就像一個神奇的鉆石礦惹恃,當它要的價值被發(fā)掘后仍能不斷給予夭谤。它的真實價值就像漂浮在海洋中的冰山一角,而絕大部分都隱藏在表面之下巫糙。

我們現(xiàn)在正處于大數(shù)據(jù)時代的早期朗儒,思維和技術是最有價值的,但是最終大部分的價值還是必須從數(shù)據(jù)本身中挖掘参淹。


3醉锄、大數(shù)據(jù)時代的管理變革

大數(shù)據(jù)給我們帶來便利的同時,也讓我們時刻暴露在“第三只眼”之下:我們購物習慣浙值、我們的網(wǎng)頁瀏覽習慣恳不、我們的微信和微博,大數(shù)據(jù)不僅竊聽了我們心中的“TA”开呐,還有我們的社交關系網(wǎng)烟勋。如何掌控大數(shù)據(jù),需要我們制訂全新的制度來規(guī)范筐付,數(shù)據(jù)使用者是數(shù)據(jù)二級應用的最大受益者卵惦,他們應對自己的行為負責,這樣才能保護個人的隱私瓦戚。我們不能通過大數(shù)據(jù)預測我們未來可能的行為而作為法律評判的依據(jù)沮尿,否則就會與無罪推定原則相違背,所以政府只能依據(jù)我們過去的真實行為進行追究较解。未來大數(shù)據(jù)算法師將成一門新興而熱門的職業(yè)畜疾,他們會是計算科學、數(shù)學和統(tǒng)計學領域的專家印衔,他們將為擊碎大數(shù)據(jù)黑盒子而努力啡捶。


結束語:大數(shù)據(jù)并不是一個充斥著算法和機器的冰冷世界,人類的作用依然無法被完全替代奸焙。大數(shù)據(jù)為我們提供的不是最終答案届慈,只是參考答案徒溪,幫助是暫時的,而更好的方法和答案還在不久的未來金顿。這也提醒我們在使用這個工具的時候,應當懷有謙恭之心鲤桥,銘記人性之本揍拆。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市茶凳,隨后出現(xiàn)的幾起案子嫂拴,更是在濱河造成了極大的恐慌,老刑警劉巖贮喧,帶你破解...
    沈念sama閱讀 217,657評論 6 505
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件筒狠,死亡現(xiàn)場離奇詭異,居然都是意外死亡箱沦,警方通過查閱死者的電腦和手機辩恼,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,889評論 3 394
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來谓形,“玉大人灶伊,你說我怎么就攤上這事『” “怎么了聘萨?”我有些...
    開封第一講書人閱讀 164,057評論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長童太。 經(jīng)常有香客問我米辐,道長,這世上最難降的妖魔是什么书释? 我笑而不...
    開封第一講書人閱讀 58,509評論 1 293
  • 正文 為了忘掉前任翘贮,我火速辦了婚禮,結果婚禮上征冷,老公的妹妹穿的比我還像新娘择膝。我一直安慰自己,他們只是感情好检激,可當我...
    茶點故事閱讀 67,562評論 6 392
  • 文/花漫 我一把揭開白布肴捉。 她就那樣靜靜地躺著,像睡著了一般叔收。 火紅的嫁衣襯著肌膚如雪齿穗。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,443評論 1 302
  • 那天饺律,我揣著相機與錄音窃页,去河邊找鬼。 笑死,一個胖子當著我的面吹牛脖卖,可吹牛的內容都是我干的乒省。 我是一名探鬼主播,決...
    沈念sama閱讀 40,251評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼畦木,長吁一口氣:“原來是場噩夢啊……” “哼袖扛!你這毒婦竟也來了?” 一聲冷哼從身側響起十籍,我...
    開封第一講書人閱讀 39,129評論 0 276
  • 序言:老撾萬榮一對情侶失蹤蛆封,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后勾栗,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體惨篱,經(jīng)...
    沈念sama閱讀 45,561評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,779評論 3 335
  • 正文 我和宋清朗相戀三年围俘,在試婚紗的時候發(fā)現(xiàn)自己被綠了砸讳。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,902評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡楷拳,死狀恐怖绣夺,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情欢揖,我是刑警寧澤陶耍,帶...
    沈念sama閱讀 35,621評論 5 345
  • 正文 年R本政府宣布,位于F島的核電站她混,受9級特大地震影響烈钞,放射性物質發(fā)生泄漏。R本人自食惡果不足惜坤按,卻給世界環(huán)境...
    茶點故事閱讀 41,220評論 3 328
  • 文/蒙蒙 一毯欣、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧臭脓,春花似錦酗钞、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,838評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至嘹锁,卻和暖如春葫录,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背领猾。 一陣腳步聲響...
    開封第一講書人閱讀 32,971評論 1 269
  • 我被黑心中介騙來泰國打工米同, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留骇扇,地道東北人。 一個月前我還...
    沈念sama閱讀 48,025評論 2 370
  • 正文 我出身青樓面粮,卻偏偏與公主長得像少孝,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子但金,可洞房花燭夜當晚...
    茶點故事閱讀 44,843評論 2 354

推薦閱讀更多精彩內容