大数据与数字化人类:理解技术对象背后的人文现实

版权申诉
0 下载量 193 浏览量 更新于2024-06-14 收藏 39.21MB PDF 举报
"大数据和数字化人类的研究主要关注社会和文化的层面,探讨数据化过程中人类生活世界的转变。这一过程涉及将生活世界的各种活动转化为数据,并以新的形式创造价值。通过大数据,我们可以洞察人们的思考方式、情感、反应、行动、互动对象、喜好等多方面。然而,数据的创造和再组合能力主要掌握在那些拥有技术能力和批判性思维的人手中。 大数据不仅仅是一种数据资源,它具有多元价值。这个领域的研究跨越了学科界限,采用跨学科和应用的方法来探索大数据的各种工具、方法和实践,特别针对非数据科学家设计。‘科大数码人文’的课程,如‘文化与社会中的大数据硕士课程’,旨在提供一个平台,让学生了解从移动设备到物联网,从社交媒体到搜索引擎,以及从社会文化数据分析的广泛应用。 此外,该领域的研究还涵盖了从移动设备产生的数据到物联网(IoT)和云计算,从社交媒体数据到搜索行为的分析。这些都反映了大数据如何渗透到我们的日常生活中,塑造我们的社会文化和个人行为模式。通过这些工具和方法,我们能够理解大数据如何影响我们的决策、交流和日常生活习惯,同时揭示了数据背后的社会结构和权力关系。 在这个快速发展的领域,教育和研究的重要性不言而喻。通过合作实验室项目,学生和学者有机会深入探究大数据对文化和社会的影响,培养数据分析技能,以及批判性地评估数据驱动的决策。这种跨学科的教育模式鼓励创新思维,促进科技与文化之间的对话,以更好地理解和应对数字化时代带来的挑战和机遇。 因此,大数据和数字化人类的研究不仅涉及技术层面,更关乎人文关怀,它试图解答数据化如何改变我们的感知、交流和存在方式,以及如何在数据洪流中保护个人隐私和维护社会公正。随着技术的进步,这一领域的研究将继续深化,为构建更加智能且人性化的大数据环境提供理论支持和实践指导。"
2022-11-29 上传
2022-12-24 上传
⼤数据和数字化转型 ⼤数据和数字化转型 企业致⼒于收集和存储⼤量数据,但通常只分析其中的⼀⼩部分。他们发现数据是新的货币, 因为数据中隐藏着很多价值。他们正在利⽤数据科学和⼤数据分析⼯具从其"数据宝库"中提取价 值。这有助于他们进⾏数字化转型。⼀些组织在这⽅⾯取得了巨⼤的成功,并不断创新、获得 市场份额、增加价值(例如Amazon、⾕歌、Facebook等公司),⽽其他公司也在努⼒效仿。 麦肯锡全球研究院于2011年5⽉发表了⼀篇开创性论⽂,名为"⼤数据:创新,竞争和⽣产⼒的 下⼀个前沿",使得⼤数据和分析开始引起⼈们的关注。根据⾕歌公司的趋势分析(它提⾼了⼈们 对关键词的搜索兴趣),⼤数据和分析热潮在2016年6⽉达到了顶峰。⽽云计算⼀直持续受到⼈ 们的⾼度关注,因为越来越多的企业继续实施云计算技术,以提⾼业务灵活性、运营弹性、改 进性能,以及更⾼的效率。 数字化转型需要在组织层⾯上发挥作⽤,并将成为⼀种永久的运营⽅式。 ⼈们可能会想知道,在⼤数据和分析达到发展顶峰之后将会变成什么样⼦。只要所公布的客户 调查、供应商利益、分析师报告、收⼊来源等资料具有价值,那么企业都将采⽤⼤数据和分析 来获取。调研机构Gartner公司2016年进⾏的⼀项调查报告表明,在过去五年中,企业对⼤数据 和分析的投资⼀直在不断增长,但对其未来投资的兴趣似乎有所下降。这可能是由于这些投资 获得实际收益的⼀种停顿。⽽Gartner公司的另⼀份调查报告显⽰,只有⼤约12%的⼤数据项⽬ 取得了可衡量的成果。然⽽,社交媒体、物联⽹(IoT)、智能⼿机、移动设备、游戏装备、可穿 戴设备、传感器、⽆⼈机、远程监控器、精密医疗、精准农业、智能城市、智能建筑、⾃动驾 驶汽车、远程控制车辆等技术将产⽣⼤量需要收集、汇总和分析的数据,以做出有⽤且有价值 的决策。 ⽽使⽤传统⽅法和系统来⼈⼯分析数据是不可能的。来⾃⼤数据和分析的潜在价值每年达到数 ⼗亿美元。这被认为是⼀个保守的估计。因为麦肯锡公司2011年进⾏的调查报告仅仅占据了⼤ 数据潜在价值的⼀⼩部分。只有基于位置的数据的采⽤率和价值捕获率⾼达50%-60%,其次是 美国零售业,达到30%-40%,制造业占20%-30%,美国医疗保健⾏业为10%-20%,欧盟公共 部门为10%-20%。因此,⼤数据和分析的兴趣和投资在⼏乎所有⾏业都会增加,以捕捉⼤数据 中隐藏的价值。预计在未来⼏年中企业对云计算的⼤数据会持续产⽣兴趣。 数据安全 数据安全 随着越来越多的数据被收集、汇总、分析,并⽤于做出影响⼈们⽣活的决策,数据安全性成为 ⼈们最为关切的问题。数据治理需要处理从不同来源收集的数据⾼峰以及管理这些数据元素所 涉及的风险的中⼼阶段。美国联邦、州、市和地⽅政府机构以及其他⾮营利性公共服务组织需 要符合严格的保密性、完整性和可⽤性(CIA)规则,并且还要提供良好的治理、满⾜合规要求和 管理风险(GCR)。 ⼈们⼀个常见的误解是,组织需要从不同来源收集的⼤量结构化和⾮结构化数据,包括外部来 源(需要验证和风险评估)来开始分析。企业不需要⼤量数据来启动分析项⽬。可以从已有的"黄 ⾦标准数据"开始,并考虑单独使⽤这些数据或将其与其他内部数据集结合使⽤,以解决业务问 题作为向决策者购买的概念证明的可能性。企业可以尝试和分析以前没有查看的不同变量,以 确定相关性、因果关系和预测因素,谨慎发现,并避免重合。这是⾏业领域知识和专业知识发 挥作⽤的地⽅。利⽤可⽤且经济实惠的计算能⼒、存储和⽹络容量,企业可以轻松地分析更多 数据,以查看隐藏在数据中的模式和概率。基于业务需求,分析可⽤于描述性、诊断性、预测 性、规定性的⽬的。物联⽹、传感器、操作技术、设备维护、精密医疗、电⽹、航运、物流、 执法和精准农业正在越来越多地利⽤上述不同类型的分析来处理⼀个或多个业务问题,或根据 需要来提供解决⽅案。 ⼤数据的需求 ⼤数据的需求 ⼤数据对不同的⼈意味着不同的事物。不同的IT分析师、商业领袖、顾问、学术研究⼈员、标准 组织已经根据他们的观点定义了⼤数据,其中包括数量、速度、品种、准确性、复杂性等因 素。虽然在⼤数据⽅⾯没有明确的共识,他们现有的能⼒在⼈员、过程和技术⽅⾯的处理能⼒ 太⼤了。就⼤数据和分析⽽⾔,⼈员是最难的部分。存在组织惯性、缺乏决策者的⽀持,以及 难以找到正确理解分析的数据和业务领域的数据科学家等问题。同样,⼤数据分析师也很缺 乏。世界各地的许多⾼校或认证机构都在提供数据科学和分析⽅⾯的新课程,以满⾜⽇益增长 的需求。 由于⼤数据领域是新兴⾏业,很难找到适合的专家,因此所谓的"⼤数据专家或数据科学家"被⾦ 融交易、银⾏、信⽤评级机构,以及信⽤卡公司等⼤型⾦融组织所吸引。此外,⾕歌、 Facebook、LinkedIn、雅虎、微软、亚马逊等⾏