数据化和意义提炼将如何推动生活与商业?

我们已经毫无疑问地进入大数据时代,借助我们所有彼此互联的设备,计算机正实时捕捉并处理我们的所有细节。商家视之为“圣杯”,因为他们终于可以预测,哪些消费者将在何时何地购买他们的已有解决方案,以及未来何种解决方案能够更具吸引力。 有人估计,现在人类两天内所捕获的数据,相当于2003年以前全部历史的所有数据之和。这个数目着实不小,但在这个瞬息万变的快节奏世界中,技术能否让这些数据变得有意义,或者从中提取新的意义,这个问题尚无定论。到目前为止,我们还不擅长在生活或商业方面预测未来。 于我而言,理解其潜力的第一步就是更好地理解:各种不同来源的这些人类数据究竟是什么样的。在这方面,我从领先的消费研究者科林·斯特朗(Colin Strong)的新书《大数据的人性化》(Humanizing Big Data)中获得了一些帮助。他列述了人类生活中日益数据化的几个方面,现复述如下: 1、情绪与情感的数据化。社交媒体上“自我报告”的大爆发,使我们将私密的个人细节展现出来。现在,很多市场调研公司都会利用这些数据,他们会“搜索”网络,以获取与特定事件、品牌、产品和服务有关的情绪的详细例证。 2、人际关系与互动的数据化。如今,我们可以看到并追踪的不仅仅是人们的交往媒介,还有他们交往的对象、方式和时间。社交媒体有望通过将我们的职业和私人人脉扩及全球的数据化,从而转变我们对人际关系的理解。 3、语音的数据化。语音分析正变得日益普及,尤其是考虑到人们的对话越来越多地被记录并存储下来,不论是与呼叫中心的通话,还是人们相互之间的交流。随着语音识别技术的提高,语音数据和可捕获的有意义语音的范围也将扩大。 4、线下与后台活动的数据化。在金融、医疗和电子商务等很多数据密集型的领域,存储着大量有关个人行为和结果的数据。现在,用于处理店内监控、交通体系和监控录像的图像分析和面部识别系统也开始兴起。 5、文化数据化。现在出现了一个名为“文化分析”的新学科,即使用数字化图像处理和可视化,对图像和视频集合进行分析,从而探索文化趋势。例如,谷歌(Google)Ngram服务已对1800年到2000年间的520多万本书籍进行数据化,任何人都可以用其分析文化趋势。 当然,从数据到真正的洞察力、智能决策和未来预测,中间还有一条鸿沟。这本书的作者还探讨了理解大数据并将其投入有效利用的过程中,人类所面临的一些重大难题,包括以下几点: 人类心理中的认知惯性。人类似乎生来抗拒改变,若干认知法则使我们专注于短视的损失规避行为。人类倾向于依赖熟悉的假设,且往往不愿改进这些假设,哪怕新的证据对它们的准确性发起了挑战。 从数据中提炼意义的认知能力。尽管计算机可以处理并储存海量数据,但从数据中提炼意义主要还是人类的职责。提炼是从经验与态势感知中攫取意义的过程,似乎人类和计算机都要颇费一番功夫才能做到。 信息过载与数据质量。现实生活中,更多数据并不一定意味着更好的决策。信息量越大,你需要的决策时间往往也就越长,也许还会导致你踌躇不前;也有可能其中一类数据量偏多,使决策向错误的方向倾斜,因为更大的数据量并不一定总能带来更好的结果。 随着我们线上和线下的数据传输越来越多,我们的数据“尾气”无疑将越来越能说明问题,使我们更加准确地预测短期内的购买习惯和兴趣。然而,真正预测未来需求和行为还要难得多。因此,我预测在未来很长一段时间内,都会是人类驱动商业大数据,而不是商业大数据驱动人类。 (via:福布斯中文网)

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2015-04-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏IT派

来自人工智能的十大挑战,你们人类准备好了吗?

人工智能正在改变世界,而关键是人类应该如何塑造人工智能。我们在“热”推进的同时,必须进行“冷”思考。本文立足于哲学视域,来探讨智能化社会有可能带来的十大挑战。

850
来自专栏数据科学与人工智能

【机器学习】浅谈机器学习的职业发展方向

一、机器学习相关的公司分析 1、大的有师傅的公司 这类公司主要是百度,阿里和腾讯。共同的特点是数据很大,机器学习的团队比较庞大,一般进去的同学都可以有师傅带...

26710
来自专栏大数据文摘

史上最严数据保护条例欧盟GDPR今日生效,你可能需要这版中文全文(上)

1865
来自专栏AI科技评论

华为AI首席科学家裴健:产业AI化的核心是数据及对它的挖掘

AI科技评论按:都说人工智能的大潮已经到来,但是人工智能应该如何落地与产业结合,产生实际的效果?在ACM SIGKDD主席、加拿大西蒙弗雷泽大学计算科学学院教授...

3399
来自专栏大数据文摘

Hey Siri,我到底该不该给你性别?

1333
来自专栏机器人网

工业机器人太笨,Mujin公司试图让他们变聪明

“机器人将会改变世界!”“未来是属于机器人的!”最近,包括 Google Venture 在内的一些美国硅谷投资机构一再重申这样的言论,然而在通往机器人普及道路...

2875
来自专栏AI科技评论

谷歌董事长埃里克•施密特:让我们停止对人工智能的恐惧吧

前言 总有人会对新技术持反对态度,人们的理由有时看起来有些道理,但更多的时候人们其实容易陷入事物的表象不能自拔,一项技术到底对我们到底是好是坏?答案可能并没有那...

2737
来自专栏数据的力量

谷歌招聘的五项标准

1795
来自专栏华章科技

让机器理解语言的魔法师——揭秘Facebook语言技术小组

将照片翻译成语言、用户消息排序、虚拟助手和聊天机器人……Facebook 的「语言技术组」正在用人工智能改变 Facebook 用户与世界的交互方式。

525
来自专栏PPV课数据科学社区

2017年机器学习发展十大趋势预测,悲观还是现实?

来源:今日头条 概要:按照惯例,我们首先回顾机器学习技术在实际应用层面的发展历程 “分析时代”目前仍处于起步阶段,它为我们带来众多值得期待且为之兴奋的构想与承诺...

34410

扫描关注云+社区