大数据给传播插上隐形翅膀
导语:现在人们常常提到一个话题,就是互联网进入下半场,这让我们很纠结。我们对上半场还没有认识清楚的时候,下半场已经突如其来地降临了。
上半场解决的是对互联网对个人激活以后整个社会、资源、市场在重新组合过程当中,它所焕发出来巨大的可能性。我们知道,过去的社会是一种以机构、单位为基本主体、基本单位的社会构造和社会构成。因此那个时候个人离开单位、离开机构、离开组织,基本上就是盲流阶层,对社会来说是只有负能量,没有正能量的身份和状态。
互联网对社会最大的改变,我们看得越来越清楚,就是对个人的激活,使个人成为社会主体的基本主体和基本构造。个人所释放出来的自由度的空间以及组合无限的丰富性,这就是互联网给我们带来的巨大的机遇。而所有基于互联网所创造出来的功能、价值,其实都是在这种激发出来的所谓微资源、微价值的连接和再连接当中形成的。但是,这样一种微资源的形成,也给我们传统方式的人带来了诸多的困扰。因为过去我们对于单位的了解和把握是系统、全面和有效的。但是对于个人为主体的社会构成,实际上是缺少研究、缺少把握的。恰恰在这个时候,伴随着互联网对个人激活的大数据出现了。
从跑马圈地到连接一切
大数据里面所包含的数据,按照定义是指对于一个事物本身的性质、状态与相互关系等有鉴别力的一种符号,这就叫数据。有了数据我们可以对任何个体的性质状态和相互联系进行说明、进行定义,并且在这些说明和定义的基础之上,通过它的相互联系,把它激活,把它整合,把它应用到一个社会的商业市场模式当中,使它成为一种社会的,有用的,新的能量,这就是数据对于我们的基本价值。
互联网的上半场,实际上是把市场当中人口红利所呈现出来的那种对数据的依赖程度比较低的,肉眼和经验就能把握的市场,进行跑马圈地,且已经圈地殆尽。而下半场实际上真正要按照互联网新的生态,新的机制,新的规则来挖掘属于互联网时代的那种状态,我们对于数据的依赖程度会更高,这就是互联网下半场的含义。
互联网下半场,其实在整个互联网发展过程当中,以我的理解划分,有三个阶段:一是网络化链接和再链接,链接一切。在这个基础上,进入了今天所谓数据化的阶段,因为当一个个体、一个资源跟社会连接在一起的时候,无论对它的需求,还是对它身上蕴含的某种价值,无论是它的体验价值,还是它的关系价值,要激活和利用的话,我们必须要有数据对它进行定义和说明,并且在这个基础上激活和使用它。
人工智能是加速器
因此,数据又成了互联网时代,能够把互联网所焕发出来的新的可能性赋予生命、赋予获利、赋予功能的一种动力。那么数据其实就是互联网时代的能源和动力。但是在这个基础之上,这种动力能源相对来说还在一个初级水平上应用和使用它,可能它的效率还比较低,可能它的各种各样的所谓的代价还比较大。但是我们看到了下一阶段互联网的发展,叫做智能化时代。
智能化时代是为数据本身加上人工智能的加速器,提高它的效率,使它能够在这样一个新的技术基础上,对数据的使用、数据的发展给予更多的可能性,让更多的功能和应用模式得到建构和发展。这实际上就是互联网正在经历的阶段,其实数据化只是承上启下的一个中间阶段。
未来,我们在数据使用方面可能要用到更多的人工智能技术。如何来判别一个数据或者一个大数据的技术对于我们市场发展或社会发展的价值所在,看看它有没有未来的发展前景,有没有巨大的可能性?在我看来,判断一个技术形态或者传播形态在未来发展当中的可能性、市场价值、市场空间以及未来能走多远,有一个以人为本的判断的标准。
最高标准要以人为本
今天我们已经摆脱了对于物的那种第一位的短缺需要,自从工业化革命达到一定程度,人类解决了物质短缺以后,便转型到以人为本的社会。换句话说,一切是以人的实践、人的延伸和人的发展需要,作为衡量一个社会、一个行业甚至一个技术产品是否有未来、是否有价值的最高标准。
大到社会来说,一项政策、一个体制,看老百姓喜欢不喜欢,满意不喜欢,拥护不拥护,赞成不赞成。小到一个产品对于人类社会连接性和丰富性是否有所扩大,流动性是否有所扩大,对于人的自由行动、空间的赋能有没有扩大,对于人的把控性的赋权有没有进一步的提升。所有这些在人的流动性的增加、连接性的丰富、自由空间的扩张,以及把控性的提升方面,无论是贡献的技术,还是贡献传播形态的应用,都具有着相当深远的发展意义和价值。
以大数据为例,数据本身会成为一种内容。传感器能够给我们建立一个生活的场模。以后根据越来越多的传感器,我们可以在早上起床以后,看到天气,看到PM2.5的数值,还可以看到所有跟我差不多的人。比如说都是五六十岁的人,都是大学教授,都是某行业的人,他们的情绪大数据是一种什么情况。如果我比大家的数据显得更负面一点,我是不是要注意调整一下自己,可能在这方面不是大家的问题,是我自己的问题。或者,我比大家的情绪更正向一点,我处理对外界的事务处理的相对得心应手,我的情绪更正能量一些。
再比如说,我们吃的东西,如果每一个饮食数据都有,马上提醒你比你同类的人进糖、进盐更多一些,它会成为我们生活的参照系,并不是大家趋同。但是在这样一种参照系的情况下,我们跟社会的关联,就有了标准,我们能够更好的做回自己,这就是我们在很大程度上增加了跟社会的连接性,增加了彼此之间沟通的各种各样的可能性,这就是传感器的内容给我们提供的可能性。
大数据给我们带来最大的价值,就是为我们进行情景化的信息服务和一种所谓长尾,它的局部空间密度相对来说很低。但是作为一个长尾的存在,它又有分布在各个角落里面的个性化、分众化的需求,而过去对这样一种需求是无法得到满足的。今天,我们利用大数据的定义、说明、鉴别,为在什么地方、什么情景、什么场合之下创造一个场景,我们可以找到这些人,并且用合适的内容以合适的服务、合适的方式在合适的场景当中与它相遇,来解决市场的开发,来解决长尾市场的形成,这些都需要数据作为一种路径形成这样一种关联。
因此,在大数据时代,任何一个内容和服务数据,在互联网下半场的市场空间都应该成为内容和服务的标配,没有这个标配你就是聋子、瞎子,是有待别人认领的孩子,你的境遇会很悲惨。当然对于情景化的服务和知识,更是需要大数据某种模拟和说明。因为我们把知识分解成通用知识和情景化的个性知识的时候,我们知道在这样一个路径上面,越是通向个性化的情景,它所处理的变量越为复杂多样。因此它就越需要高智商、高智慧这样一种东西来满足,而不能用通用的知识和东西来满足。
我们为什么需要医生、需要律师,因为一个法律问题,一个健康问题,简单去找知识可以找到一千条、一万条。但要解决复杂的问题,它需要情景性的问题,复杂的问题是一切所有变量的综合,在这个过程当中需要数据来进行某种关联的拟合,然后再形成这样一种服务。在这个基础之上就能形成基于数据的人工智能的服务。
事实上,在美国交易所当中,对于那些高薪皇马甲,现在的依赖程度明显降低,过去律师行业是令人艳羡的行业,今天有关数据显示这个门槛越来越高,而人工智能技术在大数据的支撑之下,越来越挤占它的份额。所有的这些都是数据给我们带来的新的可能性。
有人要问人还能干什么?在我看来,人还有一个最大的特点,就是方向,无论人工智能有多么的高明,无论数据有多么的宝贵,方向是由人来确定的。
再者,对于跨界的事务处理,从目前来看,人要比机器强得多。机器是在一个人所设定的范围之内,无论设定的是一万个范围,还是多少个范围,它永远不能跨界。而人有一种知觉,有一种通感,这种知觉和通感能够在很短的时间里做出大致正确的判断。因此,这就是人的价值,可能人工智能未来要向这个方向发展。
数据分析咨询请扫描二维码
统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22