大数据杀熟只是开始,未来算法还将成为法律
1,最近看到网上流传着大量滴滴打车,面对不同用户不同价格的截图,并在互联网上引发了大量的抨击,认为滴滴的这种价格歧视是损害消费者的行为。
同样类似的事情是来自于携程,去年10月,演员韩雪在微博炮轰携程机票销售捆绑,在用户不知情的情况下,对用户进行各种套餐的捆绑销售,极为流氓。
此外,细心的网友还发现,携程有着非常强大的人工智能系统,面对不同的用户,操作,时段,携程也会给出不同的机票价格,猫腻重重。
当然,这些事情在国外也其实屡见不鲜,早在2000年,亚马逊就开启了价格歧视的定价策略,被消费者发现举报后,贝索斯亲自出面道歉,不过这种事情并未好转,亚马逊继续我行我素。
像Airbnb、以及国内各个酒店APP,同样也在采用类似的动态定价方案,诸多酒店用户发现线下价格反而比线上优惠的价格还要便宜。
此外,UBER的动态定价也经常被爆出与滴滴类似的事情。
所以我们必须反过来思考这些“屡见不鲜”的事情,到底是为什么?
2,表面上看,一个非常容易得出的结论是,科技公司们是在寻求利益的最大化,在供求关系中,尽可能的榨干每一个人的钱包。
同时,对于消费者来说,其感受到的是一种被欺骗的损失,通过技术和垄断,科技公司以更高的价格让自己买到原本可以低价购买的产品,毫无公平而言。
绝大多数人都认为,科技公司不该如此大肆利用隐私数据,侵犯用户利益,应当将这种行为进行收敛。
不过,在这里我提出一些反对的想法。
这些行为有可能是科技进化的必然,并且未来,越来越多的利益权衡都将技术化,价格歧视将会是一个不可逆的趋势。
3,所有人都知道微观经济学中,有一个经典的供需关系图,横轴代表一个产品的需求量,纵轴代表一个产品的价格,而商家需要做的是找到一个价格的中间点,使得边际利润最大化。
只不过由于市场是模糊的,不确定的,需求量是难以衡量的,因此,商家需要不断调整定价策略,并且对所有用户进行价格一刀切的政策。
但是现在由于大平台已经垄断了几乎全部市场,市场不再是模糊的,而是可预测的,时间预测、用户消费能力预测、承受需求能力预测等等都被数据化。
同时,微观经济学的理论依然奏效,因此这时,企业不过是把对于大众的一刀切价格,更为精细的针对到了每一个人的供需上。
对于消费意愿更低的人群,其可能采取被迫降价甚至平台补贴的策略,为了逐渐培养起其消费习惯,而对于刚需人群而言,其自然可以抬高价格,获得最大的收益。
一个愿意买,一个愿意卖,并没有什么错。
只不过这里面还有一个问题。
4,问题在于一些巨头平台已经全面垄断,用户只能够选择是或者否,而很难获得其他第三方类似的优质服务,因此只能进行二选一是或否的选项。
普通人都进入到了无法选择的状态,这才是最让人感到愤怒与无奈的。
扎克伯格曾表示,要在2018年改写Facebook的信息流算法,因为希望给自己女而留下一个美好的遗产。
仔细想想,这里面的意思其实是,Facebook有能力让普通人看到任何东西,并对每个人施加影响与操控。
果不其然,今年爆出的Facebook“总统门”事件就显示,一家名为Cambridge Analytica的英国公司,通过盗取Facebook相关数据,最后成功显示了对全美5000万人的影响,最终帮助特朗普上台,该事件正在越演越烈,Facebook股价不断暴跌。
一个致命的问题是,全世界的人民都很难选择放弃Facebook,因为社交关联实在太强,其地位很难撼动,普通人只能接着用下去。
5,不过Facebook事件,也揭示了世界存在的另一个真相,技术的权力正在越来越大,其可以随意操纵任何人的情绪、意志、钱包,并且都在不知不觉中完成,所有人也都将乐在其中,这个世界正在越来越变成算法统治的世界。
任何拥有技术的平台,算法就必然会成为最终的统治者。
《未来简史》曾预言,未来的时代将会进入算法社会,这个社会的一切都将由算法定夺,由于技术掌握了你的数据,因此比你自己更了解你自己,因此通过数据就可以对人定制出一些更为合理的方案。
比如养老金的法律,通过算法,每个人都将获得不同的养老金分配方案。这样不仅可以为政府减轻更多的人力负担,更可以让一切更加简单。
换句话说,谁来定制这样的算法?在《未来简史》看来这样的人就是神人,他们有一切权力为每个人进行算法的裁决,但是又如何判定这些已经成为算法的法律有着笃定的公正?
滴滴们所暴露出的大数据杀熟,正在反映着这一问题,没有人相信这样的动态价格歧视是合理的,我们更愿意被“一刀切”,而不是被机器动态定义。
6,所以这个趋势,是矛盾的,但是又不得不承认它正在发生。
即算法正在成为每个人的统治者,如同神明一样,你做了什么事,它都会如实记录,并最终给你想要的回馈。
另一个问题是,设计算法的人,是否公众客观?他的目的又如何检验?
下一次美国竞选是否又会有Facebook的参与?
这一切都还没有答案。
或许,是时候成立算法伦理组织了。
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