大数据:网络时代的科学读心术_数据分析师
人的心思之所以难以捉摸和认识,是因为人的主体性问题。凡是正常的人,都有独立自主性,思想可以不受外界的影响。正因如此,人的思想世界是一个极其复杂的世界,神秘多变、复杂多样。为了读懂他人的心思,不少学科和诸多学者作了许多努力。例如,德国学者弗洛伊德专门创立精神分析理论,试图通过梦的解析来读懂人的所思所想。现代心理学则试图引入观察、实验、问卷调查等自然科学方法来破解人们的心理,把握人类的心理活动规律,建立关于人类心理的科学体系。这些研究揭示出人类心理的一些共同规律,为科学读心术作出了重要贡献。然而,由于信息的不对称性,心理学、社会学等学科无法全面揭示人类的思想和行为规律,而大数据技术的兴起为揭开人类心灵面纱提供了一种全新的科学工具,从而成为网络时代的科学读心术。
大数据使读懂他人心思成为可能
所谓大数据(bigdata),从字面意义来说就是数量规模特别巨大的数据集合,因而用传统的方法无能为力而必须使用计算机或云计算技术才能处理。近年来,智能手机、平板电脑等移动智能终端的大量普及,各种监控系统以及物联网的形成,互联网络高度发达,云存储、云计算等云技术迅速发展,带来了数据采集的自动化、数据类型的多样化、数据传输的即时化、数据存储的云端化以及数据处理的并行化。从数据采集来说,数据来自智能设备,在无人参与的情况下,海量数据就不知不觉地从智能终端中自动产生出来。这种由智能系统采集的数据由于不被人为干扰,因而反映了人们思想、行为的真实状态,具有与主体无关的客观真实性。从数据类型来说,智能系统采集的数据基本上都是离散数据,能够及时被电脑等智能设备处理,而且类型特别丰富,包括文本、图片、音频、视频等,全面刻画了数据采集对象的各种状态。从数据传输来说,智能终端采集的数据被即时传输上网,实现了在线采集和传输。从数据存储来说,云存储具有海量的空间,采集数据的智能终端不再需要巨大的存储能力。而面对海量的各类数据,并行的云计算能够在不同的地方同时进行计算和处理,再多的数据在云计算面前都不在话下。
在大数据时代,我们每个人都不知不觉地成了自动且免费的数据提供者,自动暴露了自己的一切言行。我们每天浏览网页,阅读新闻,发表评论;我们偶尔也上网购物,漫步在淘宝的虚拟店铺,在亚马逊、当当的网上书店里浏览、购买图书并留下自己的评论;我们也经常在博客、微博中洋洋洒洒写下自己的所思所想和世界各地的旅游足迹,有图有字有真相;我们用QQ、微信等网络交流工具与熟悉或陌生的所谓网友谈天说地,敞开心扉与素不相识的陌生人透露自己的喜怒哀乐;我们还每天打电话、发短信,在超市购物,溜达在装满摄像头的街道和建筑中。殊不知,这一切的一切都已被智能终端自动记录下来,并上传网络,存储云端。总之,我们的一切,包括所思、所想、所为,都留下了数据化足迹。如果说物理足迹会随岁月流逝而消失的话,那么这条数据化的足迹却永远难以抹去,成了一条永不消逝的信息链。大数据时代,一切心思都已经摆在网络上,透明而清晰。通过大数据,不懂心理学的普通人,可以轻松读懂他人的心思。
大数据或能读懂过去、
预测未来
大数据为什么能够读懂人的心思,又是怎样读懂人的心思?关键就是它解决了人类心理信息的不对称问题。对于复杂的心理活动来说,传统的数据收集方法太落后,人工收集的数据难于解决信息失真问题,而且所收集的少量数据根本不足以全面刻画人的复杂心理,因此研究者与研究对象处于完全的信息不对称状态,人类心理当然就显得神秘莫测。大数据属于自动收集数据,随时随地记录下人们的一切,这海量的数据反映了我们所有的言行举止,暴露了我们的一切行踪,研究者只要挖掘这些数据就能掌握我们过去的一切信息。通过数据挖掘,不但可以刻画人们过去的心理、行为轨迹,而且还可以找到数据间的相关性,找到其中具有规律性的东西。根据数据足迹及其相关性规律,他人不用复杂的猜测过程就能用数据手段科学地刻画和把握人们的内心世界。更有甚者,大数据不但能读懂人们的过去,或许还能预测未来。我们知道,人类的思想和行为都具有路径依赖性,根据以往数据的相关性,能够找到人们过去的思想行为规律。根据这些规律,他(她)未来一定时间内会想什么、会做什么就有可能预先被推测出来。对那些有犯罪企图的人,如果我们能提前预测就能防患于未然。当然,对一般人来说,能够预知他人的心思可能也很有意义,否则怎么会有那么多人猜测他人心思呢?例如恋爱中人就特别想知道自己恋人的所思所想,以便做好应对之策。
大数据比人们自己还更了解自己。在大数据面前,人们以往的假面具和伪装术都失去了效用和意义。不过这也带来了诸多的伦理问题。例如信息安全、隐私保护和个人自由就是几个突出的问题。我们每天使用电脑和手机,每天暴露在监控之下,这些智能设备产生的数据究竟产权归属于谁?我们自己是否有知情权、使用权和删除权?我们的所有隐私都暴露在网络中,随时可以被他人挖掘和利用,我们每个人在大数据面前都变成了透明人。因此,在大数据时代,我们的隐私权该怎么来保护?大数据能够挖掘我们的过去,预测我们的未来,那我们的思想和行为自由会不会受到监视和控制?我们是否还有自己的思想和行为的自由?这些问题都值得我们认真去思考和解决。
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