大數據時代,你的思維方式改變了嗎?
05-03
當今,互聯網井噴式快速發展,我們早已步入信息化社會。信息並不匱乏,匱乏的是我們處理信息的能力,我們有限的注意力是組織活動的主要瓶頸。通過大數據來輔助決策,人類理性的範圍將會擴大,決策的質量就能提高。
請點擊此處輸入圖片描述
在大數據時代,人類社會面臨的問題之一是如何更好的利用數據來輔助決策。
如果將傳統的思維模式——精確性運用於數據化、網路化的21世紀,就會錯過重要的信息,執迷於精確性是信息缺乏時代的產物。當我們掌握了大量新型數據時,精確性就不那麼重要了,不因為依賴精確性,我們同樣可以掌握事情的發展趨勢。 相比依賴於小數據和精確性的時代,大數據因為更強調數據的完整性和混雜性,幫助我們進一步接近事實的真相。「部分」和「確切」的吸引力是可以理解的。但是,當我們的視野局限在我們可以分析和能夠確定的數據上時,我們對世界的整體理解就可能產生錯誤和偏差。 大數據時代,思維方式的一個改變,不執著於對精確性的追求,擁抱混亂。另外一個思維方式的轉變則是,更加重視相關關係,而不偏執於基於假設基礎上對因果關係的追尋。在小數據的世界中,相關關係也是有用的,但在大數據的背景下,相關關係大放異彩。通過應用相關關係,我們可以比以前更容易、更便捷、更清楚地分析事物。
相關關係通過識別有用的關聯物來幫助我們分析一個現象,而不是通過揭示其內部的運作機制。當然,即使是很強的相關關係也不一定能解釋每一種情況,比如兩個事物看上去行為相似,但很有可能只是巧合。相關關係沒有絕對,只有可能性。請點擊此處輸入圖片描述
我們用數據驅動的關於大數據的相關關係分析法,取代了基於假想的易出錯的方法。大數據的相關關係分析法更準確、更快,而且不易受偏見的影響。建立在相關關係分析法基礎上的預測是大數據的核心。這種預測發生的頻率非常高,以至於我們經常忽略了它的創新性。當然,它的應用會越來越多。
在社會環境下尋找關聯物只是大數據分析法採取的一種方式。同樣有用的一種方式是,通過找出新種類數據之間的相互聯繫來解決日常需要。比方說,一種稱為預測分析法的方法就被廣泛的應用於商業領域,它可以預測實踐的發生。
比如車的某個零部件出故障。因為一個東西要出故障,不會是瞬間的,而是慢慢地出問題的。通過收集所有的數據,我們可以預先捕捉到事物要出故障的信號,比方說發動機的嗡嗡聲、引擎過熱都說明它們可能要出故障了。 系統把這些異常情況與正常情況進行對比,就會知道什麼地方出了毛病。通過儘早的發現異常,系統可以提醒我們在故障之前更換零件或者修復問題。通過找出一個關聯物並監控它,我們就能預測未來。 在小數據時代,我們會假想世界是怎麼運作的,然後通過收集和分析數據來驗證這種假想。在不久的將來,我們會在大數據的指導下探索世界,不再受限於各種假想。我們的研究始於數據,也因為數據我們發現了以前不曾發現的聯繫。 總之,除了糾結於數據的準確性、正確性和嚴格度之外,我們也應該容許一些不精確的存在。數據不可能是完全正確或完全錯誤的,當數據的規模以數量級增加時,對大數據進行深挖和分析,我們能夠把握真正有用的數據,避免做出盲目和錯誤的決策。北郵在線大數據實習生,學到真正的技術,媽媽再也不擔心你的就業問題了0.0推薦閱讀:
※第5篇:課前預習,其實是更隱蔽的偽勤奮!
※安利2個量化思維的具體實踐方法
※以自我中心的人,將困於人生最大的陷阱
※思維 | 認知現實的三個重要能力