UBDC全域大数据峰会:未来数据分析是分析人
4月20日,UBDC全域大数据峰会2016在北京举办。会议以“无数据不智能”为主题,除主论坛之外,分别设立了“数据化运营”、“数据营销”、“IOT和O2O数据应用”、“数据开放与发展纵横谈”四个平行分论坛。
北京大学社会学博士、北京大学新媒体研究院教授刘德寰在“无数据不智能”的主论坛上,围绕“有效大数据运算的两个路径假说及意义”进行演讲。他直言:目前很多的标签推荐都是伪推荐,未来数据分析应该首先完善人的纬度,未来的数据分析就是分析人。
刘德寰提出了有效大数据运算的两个路径假说:第一个路径,未来数据分析就是分析人,完善人的纬度。第二个路径,对物的纬度探测,基于人的认知习惯。
他进一步介绍这两个假设:每个非人的事物都由一个确定的N维空间,而且N可以从人的认识能力角度定义。他特别以tesco作为案例,这家企业不仅针对每一个商品都会进行20纬度的打分,同时也会根据进店顾客进行全面的分析。
以下为刘德寰在UBDC全域大数据峰会·2016中分享的速记实录:
非常高兴跟大家分享,因为这个话题我考虑非常多的时间了。我今天要讲的实际上有效大数据运算的两个路径假说极其意义。因为现在大数据已经跟我们在一起,我们只有不读书才会谈那些,现在这个时候需要反思大数据的问题,这个题的起源于什么呢?
起源于几个问题,第一问题是人类行为93%是可以预测的?我讲的不好就低头看手机,我讲的好就照相,这些预测的东西有多少我们可以做的呢?我在用另外一个科学数据来说,人和人之间的差异,DNA上差异,原来说是0.1%,现在是0.3%,大家记住99.9%和99.7%是一致的,这个问题实际上是特别本质的问题,不要说我拿一个数就能够算出来说对人的差异,个性化能够算出来,因为这是一个数列问题。看第二个现象,两个数这两个人90%的相似度,但是人的行为有多少呢?按几十亿次来算,几十亿次几百万亿次的行为,当中如果有90%的相似度,会如何?
日常生活当中经常有现象,两个人的对话,这是前两天的对话,审美疲劳不喜欢了,原来特别喜欢,现在有点烦,另外一个人说我也是,真的有点烦人,我们的数据去推断人的时候我们考虑这些因素了吗?
再看一个,深度学习,确实名词都很炫,实际上集体学习分了层级,层次不同而已,深度学习面临本质问题,实际上主要做的原来集体学习当中,太随意,我不断优化这个模型,但是深度学习一直在用于图像、视频,这些包括文字学习当中,有谁说过对人的学习了吗?因为那些物是不变的。只要出来了就放在那儿不变的,人是变的。所以我今天要谈四个问题。
第一个问题是推荐算法及问题,第二个有效运算的原则,然后我提出两个假说。看一下现在推荐算法当中大数据运算什么东西比较容易,已经解决的问题都是比较容易的,抓取简单的运算,简单表格的运算,数据可视化这些都比较容易,只要把经典算法学过来,简单改进,现在多的不得了,改进一下应用到现实当中不难。但是难的问题是什么?效果,如何改进效果,这是一个天大的难题。
人们浏览行为那么快,我们一定要在这个基础问题上用MODElbased.我们现在习惯于打标签,以相似邻居推荐而且算法绝对不是基于人性和生活,而是基于商业,大量的过度泥和。
不要把一个变量理解为一个维度,一个变量是N个维度。这个时候我们在数据运算的时候,任何一个人的行为都是无规律的,但是人的生活方式是很有规律的,我们发现十年后看到人一点都没有变,生活方式、价值观、表现形式一点都没变,这是在常人的建立。但是人的态度、情绪、场景都不一样,怎么可能规律呢?人是能变的,群的行为的规律是稳定的,这个分群不是一个行为的迭加,它是一种生活方式的展现。在这个当中,群是可感知,可评判,一个人可以处于N个。我们在原来发现中有一个小群体,在移动互联网里中,技术红颜,35到45岁的女性,买手机,消费当中都有技术最前面的手机,追求技术,我们这拨人引领了什么?技术红颜的是从年轻果粉中出现的。大家可以看技术红颜引发的技术旋风。接下来他演化成了巨大的趋势和族群,形成了新的潮流,这个潮流叫熟女经济之微博移动化。他也引领了网购,他同时引领了整个产业潮流的变迁,他把整个安卓新的崛起,背后都跟这个小族群有非常大的联系关系。
群的稳定,一看苹果的客户一直是M型,它是稳定的,它在运算当中是可行的。所以第一个假说对象是人,第二个假说对象于物。有两个假说:每个非人的事物都由一个确定的N维空间,而且N可以从人的认识能力角度定义。每一个不同的物品,N维不一定一样,但是相似,只是一个数量的变化。TESCO把每一个产品都用20个维度打标签,这件事情有多简单,我在推送的时候,OK,新闻喜欢这个东西,这个东西在时尚上打分是39.2,同时他还喜欢这个东西,这个东西在技术产品当中打分是90分,再找一个产品,大家说这个效率要高于多少其它的事情。真正在预算当中,我自己认为这种方式可以融入社科的所有思想,所有搞计算机,便成的人,非常多的程序员整天说的话都不是人话,对其它的行业一点不了解,大家觉得这事靠谱吗?这让我想起了东方不败。大家可以看看亚马逊,亚马逊在这方面也在进行探索,这实际是运算逻辑本身要反归人性,我们要向社会学、经济学、法学、政治学、传播学,所有学科,我们要学习他们已有的知识,把已有的知识稳定到我们的计算当中,我相信那种运算规则不仅效率高,而且简单。所以我基本感觉在未来的运算当中,有两个东西,就是刚才说的这两条路径可能是未来。之所以是假说,是因为没有大规模实施,但是它在逻辑和实践上是有前提的。
第一个路径分析人,完善人的维度。第二个路径对物探测,他必须是基于人的认识和习惯,这两条路径不仅效率高,稳定性高,同时能带来未来的各自分析的可能性,同时可对可实现。