大数据与危机决策_数据分析师培训
决策从本质上讲是从决策目的出发依据一定的认识模型对信息的加工处理过程。因而,信息、认知模型、分析时间是决定决策质量高低的三个主要因素。---数据分析师考试
首先是信息。信息是所有活动展开的前提,正是通过信息,人们才能了解到客观系统的运动状态及其相互的内在联系,从而达到对客观事物的把握和对问题的确定。信息的缺失或者不完备就会使整个决策活动成为无米之炊而难以进行。
其次是认知模型。信息要转换为决策知识,必须要经过人们应用认知模型对信息进行的加工、解读和转换,从而形成有关客观对象的决策知识。如果人们对客观对象的内在联系与规律茫无所知,或者仅有不科学的、甚至完全谬误的认识模型,那么就会形成对信息的错误解读,从而导致决策的无效或者失败。
最后是一定可资利用的时间。决策中信息的存在有三态,第一是处于决策者感知范围之外的信息,第二是已转移至决策者感知范围内的信息,第三是经过分析、加工、转化为可资决策者利用的知识形态的信息。信息由第一态到第二态,再由第二态转化为第三态,在这期间信息要经过收集、传递、分析、加工、转换,然后还有确定问题、制定策略,都需要耗费一定的时间资源。若缺少决策可资利用的时间,良好的决策就难以做出。
信息的完备准确及时性、认知模型正确程度以及决策可资利用的时间,这三个方面构成了约束决策质量的前提条件,而危机决策恰恰在这三个方面往往难以具备,限制了有效决策知识的形成,从而构成了危机决策的困境。
二
一般认为,危机事件是对一个社会系统的基本价值和行为准则架构产生严重威胁,并且在时间压力和不确定性极高的情况下,必须对其做出关键决策的事件。危机时人们所面对的是一种不同于常规的特殊情景,在人类社会生活中它属于一种不常出现的“小概率事件”,表现为事件的非常见性、爆发的突然性、时间的紧迫性、发展的难以预测和不确定性,这些特点形成了危机管理所面临的一种特殊的决策情势。
在危机中,决策者经常面临有效信息的缺失。一个应对良好的危机管理、决策者应具有两类信息,第一是公共危机事件所处的环境信息。主要包括自然环境、基础设施、政策法规、应急资源、危机管理者组织、危机利益相关者等等信息。第二是致灾因子有关的信息,它是每一类危机事件特有的信息,如地震、风暴、洪水等的等级、烈度信息,化学物质污染事件的浓度信息,传染病的感染率、传染速度信息等。由于危机事件的突发特性,反映出信息模糊、散乱、混沌的特点,以“信息雾”的状态存在,这样造成决策者所掌握的信息不完全、不及时、不准确,形成了一个巨大的信息差。
危机中,决策者还面临着认知困境和时间困境。危机事件是一种人们常识外的小概率事件,小数据时代,储存在人们有限的记忆库中类似的信息极少或者根本没有,更谈不上具有科学的认知模型。对事件的起因、发展,走势等内在联系一无所知,那么即使有了一定量的有关事件的信息,由于“分析瘫痪”,人们仍然茫然无措,不知怎样应对。同时,危机是一个高度紧张和巨大压力的情景,决策者必须在相当有限的时间里做出重要决策和快速反应,在现实中往往是由于信息加工能力的低下,信息传递、加工、转换的迟滞,等决策者拿出方案时,危机已经演化,失去了干预的最佳时机。
三
正是由于以上危机决策困境的存在,使危机决策的质量难以提高,长期以来只能徘徊在非理性决策与经验决策的范围,不能有效地进行危机干预与危机控制。大数据技术作为人类新近出现的一种信息技术与认知方法,在很大程度上可突破人类危机决策中的困境,使危机决策的质量得以提高。
大数据技术可极大地扫除人类的信息盲区,可使人类获得针对自然与人类社会运动变化的巨量信息,过去由于技术限制不能进入人类认识视野的客观现实,将揭开神秘的面纱而重新进入人类的认识领域。大数据时代,人们有了获得信息的新方式,GPS设备、RFID设备、视频监控设备、卫星遥感、个人电脑、智能手机、数码相机等各种传感器接入互联网终端,以及博客、微博、微信、播客、社会化网络等的爆发式增长,使有关自然环境与社会环境变化都会以传感数据、交易数据、交互数据的方式进入人类的认识视野。人类所处环境的各种变化以及社会的各种活动,例如天文、地质、生物、生产、运输、商业、军事、社会舆情等方方面面都可以数据化的方式表现出来。多样化的海量的数据出现,使人们能够深入地、及时性地把握自然与社会的运动变化状态。人们对世界的认识不再囿于以往有限的时空限制,对客观对象的把握达到了新的高度,认识边界也不断扩大。过去由于技术限制,人们难以获得自然与社会变化的征兆信息,也将进入人们的认识视野。大数据技术将使人们在危机处理中占有及时、完备的信息,从而突破决策的信息困境。
大数据也是人类一种新的认识方法,通过这种方法,可在海量信息的基础上快速形成有效的决策知识。人们认识客观对象的方法有理论方法、实验方法与仿真方法,随着大数据时代的到来,出现了“数据探索”—这一人类获得知识的新方法,一些学者将这一方法称为人类认识的“第四范式”。通过云计算技术对海量数据的科学分析与深入挖掘,可以迅速刻画出社会与自然运行的模型、推演未来变化趋势,通过大规模的数据并行处理,人们很快就可在局部化的信息中发现事物的整体走向,在杂乱无章的困境中找到解决问题的出路。这些特性使大数据技术可在最短的时间内,为危机的解决提供知识支持,极大地提高危机决策的质量。
美国社会学教授加里·金说:“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程”。大数据技术的发展虽说仍然面临许多技术难题,但前途却无比光明。在未来的军事、社会、政治、自然灾害等危机的处理中,大数据技术无疑会成为辅助人们做出科学决策、解决复杂问题的重要工具。
数据分析咨询请扫描二维码
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数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21