赞
踩
大数据技术与移动互联技术和云计算技术一样,都属于颠覆性的信息技术。但是,大数据并非是高纯度的石油而是含金量非常低的矿石, 数据量大、种类繁杂、价值密度低、以及时时刻刻都在瞬息万变的特点,使得存储、统计、分类以及调用都困难异常,而其中隐藏的发展规律和社会经验则价值巨大。
幸运的是,人工智能领域的一些理论和比较实用的方法,已经开始用于大数据分析方面,并显现出初步令人振奋的结果。至此大数据的价值变现潜能开始逐步被人工智能释放。同时,大数据技术的发展也将在为人工智能提供用武之地的同时,唤醒人工智能巨大的潜力,从而使 这两个领域的技术和应用出现加速发展的趋势。
在2015年新华社新闻学术年会新华网“信息技术与媒体生态”分论坛上,英特尔中国研究院院长、首席工程师吴甘沙将大数据的可能价值变现方式划分为六种: 一是 见微,从小处看到细微的洞察;二是 知著 ,能看到宏观的变化规律。 正如《一代宗师》里的台词“见自己、见众生、见天地”,吴甘沙把见微是叫做见自己,知著称为见众生、见天地。 第三第四种是 当下 和 皆明 ,当下是此时此刻的感受,皆明是知前后做到万物皆明,是在时间点上在不同的万物上获得洞察。 五六是 辨讹 和 晓意 ,辨讹是去伪存真、查漏补缺,晓意则由于传统上机器只能处理数据,对于有深刻内涵的内容无法真正理解显得异常重要。
知著见微:大数据的“大弹性”
1、知著
随着大数据、人工智能的发展,机器能进一步窥探到人类的思想境界。知著就是“见天地、见众生”,正如天文望远镜。那么,大数据如何帮助人们知著呢?具体可以分为两方面:
一是传统采样和定性,采样更多的是了解平均,作为牺牲,采样会把黑天鹅的信号当做噪声过滤掉;
二是传统定量的研究,尤其是在社会科学领域,大数据为之后的进一步定量研究做了好铺垫。社会学里面有一个社会计算学分支,广告中也有计算广告学分支,所有这些都是通过定量的方法更好地了解这个社会、了解个体。无论是群体的理性还是个体的非理性,都可以通过定量的分析获得洞察。
国外专家曾在Twitter上面进行过情感分析试验,他们发现Twitter上面的情感变化和FacebookIPO当天股价的变化有高度相关性,而情感变化是股价变化的先行因素,这是一个很有趣的研究。这种研究使得人们能够更好地看到社会上的一些行为、媒体内容中的一些变化和经济行为变化的关系。
2、见微
如果说知著是天文望远镜,那么见微就是显微镜。传统观点认为,市场经济的“市场”是所有人行为的总合,由于对数据和行为理解的局限,人们看到的市场亦是打马赛克的块状分布。而随着掌握的数据的增加,这个市场逐渐变成一个高清的纵深的图。
传统上的营销行为讲究的是对客户群体进行细分,随着大数据发展的深入,客户群体从细分到微分、微分到个人,实现从个性化到个体化的转变。
从前,商家只能关注花钱买单的客户,大数据则可以实现用户的体验反馈,并且从点到面逐渐覆盖。仅仅覆盖到线上的面却是不够的,随着移动互联网以及位置信息的丰富,线下位置信息可以揭露更多的洞察——原来他到了一个线下的商场做了一次体验。
网络信息透露该用户在体验之前是获得了基于位置信息的推荐,或者是因为社交网络上朋友的一次推荐。体验结束不仅仅有交易,也会到网上吐槽,而吐槽会进一步形成病毒式的传播,他的朋友可能是点赞或者进一步转发。所有这些就形成了网状或者是图状的数据,这个数据使得我们对这个行为有了更好的洞察。
1、当下
对于普通用户来说,从浏览一个网页或者看一部电影开始,一旦发起了浏览的动作,作为发行商或者是爱奇艺这样的电影的流媒体网站就会到供应方平台发起请求,发起的请求会将这个广告商的画像描绘出来。
接下来,供应方平台会到广告交易平台进一步获取广告,而交易平台又会将需求传输到代表广告主的需求方平台,需求方平台下面有一个数据管理平台,详细分析了每个个体的偏好,根据传送的个体偏好的分析返回,推荐合适的广告。
通过实竞价,获得竞价的一方就会把需求发到程序化的创意平台,该平台再根据广告主以及个体画像产生一次实时的创意,把真正的广告给推到个体那边。
而所有这些的发生可能在100毫秒发生,发生了从数据的采集到广告主获取广告的候选进行实时竞价和程序化的创意,最后形成这个广告。在整个过程中,大数据起到了无可比拟的作用,这就是见微,而呈现到每一个个体前面的都是非常精准的广告营销。
同时,在100毫秒里面完成的一次精准广告推荐涉及到当下。在传统意义上,人们对于知识的理解,对于整个社会的理解基本上都有一个滞后期,吴甘沙把它称为刻舟求剑,在人们真正获得洞察的时候,整个这个世界已经变化了。正如建国以来已经进行过的6次人口普查,无论如何精准都是滞后的。而现在随着大数据的普及,我们现在有可能更实时地理解我们这个社会。
当然,当下快思考风行,几秒钟得到的洞察可能一下子传播到世界各地,犯的错误却是覆水难收。
2、皆明
对应于当下的叫做皆明,皆明是深度报告,涉及三种分析。
第一,描述性分析,即过去发生了什么,为什么会发生,而现在又在发生什么,简言之就是通晓古今。2005年伦敦发生暴乱后,《卫报》对几百万条Twitter进行了分析。分析的过程中发现,暴乱和贫穷确有很大的相关性,政府应该解决贫穷的问题;而Twitter虽然在早期传播了谣言,但后期Twitter可以把更多的信息聚拢过来,让人们看到真正的真相,这与政府当初的快思考,对贫穷的忽视和对Twitter的偏见大相径庭。这是描述性分析的一个非常典型的案例。
第二,预测性分析 。 大数据的核心价值是对于未来的可见性,预测性分析就是能够预测未来发生什么,三国时期诸葛亮的巧借东风属于预测性分析。
预测性分析在当下最常见的应用是谷歌预测票房的分析。《蜘蛛侠3》引发了对同系列的两部电影的票房分析,也带出了季节性的因素分析。透过预测,制片方和影院可以提前一个月对电影的票房做出高准确度的预测,这一个月的价值则可以直接与票房收益挂钩。
第三,处方性分析。分析方能够利用大数据运筹帷幄,希望未来发生什么,明白为了要让目标实现现在要做一些什么。同样是诸葛孔明的计谋,草船借箭就是处方性分析,纸牌屋也是在处方性数据分析中诞生的。通过受众分析,制作方发现美国受众都喜欢政治性电影,再经过进一步的研究,确定每个人物的角色定位和性格特点,包括国内的互联网综艺节目《美食美课》都是根据网上搜索的结果设计的一个节目。
在人工智能领域,经过长期的研究,已经积累了很多研究方法和应用技术。例如,自然语言语义分析、信息提取、知识表现、自动化推理、机器学习等。这些技术目前正在逐步地应用于大数据技术的前沿领域,结合预测性分析和处方性分析,挖掘大数据蕴含的规律和价值,从而为人类决策提供支撑。
例如,Netflix的影片推荐系统、Facebook的社交图谱、Amazon的购物推荐系统等,已经依靠深度学习和其它人工智能方法,实现了大数据之上的巨大商业价值。
Google还对大数据的机器深度学习和建立知识树KnowledgeGraph投入巨大的研究资源,期望能够回答并帮助解决人类日常生活中普遍关心的问题。
强力推荐阅读文章
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。