• <big id="vl6pl"></big>
  • <track id="vl6pl"></track>
  • <acronym id="vl6pl"><strong id="vl6pl"></strong></acronym>
    <table id="vl6pl"></table>
    <acronym id="vl6pl"></acronym>
      <output id="vl6pl"></output>
    1. <table id="vl6pl"></table>

    2. 歡迎訪問 中國智慧物流網,
      • 主管單位:住建部中國城市科學研究會
      • 組長單位:中物協(北京)物流工程設計院
      智慧技術 Products
      相關推薦 RECOMMENDATION
      發布時間: 2019 - 12 - 24
      近日,電商巨頭亞馬遜宣布了一項重要舉措:要求所有三方賣家從8月31日開始,將其包裹的投遞速度提高40%。那么,亞馬遜究竟是如何在保證銷量的同時,提高整個平臺物流效率的?其實,亞馬遜不僅僅是電商平臺,還是一家科技公司,其在業內率先使用了大數據,利用人工智能和云技術進行倉儲物流的管理,創新推出了預測性調撥、跨區域配送、跨國境配送等服務,并由此建立了全球跨境云倉??梢哉f,大數據應用技術是亞馬遜提升物流效率、應對供應鏈挑戰的關鍵。所謂物流大數據,即運輸、倉儲、搬運裝卸、包裝及流通加工等物流環節中涉及的數據、信息等。大數據應用技術在物流行業可以提升物流效率、應對供應鏈挑戰。同時,數據賦能物流行業,能夠給行業帶來新的機遇和挑戰。數據是賦能的魔法,尤其是物流大數據應用,使物流企業能夠提高效率,降低成本,并尋求新的商機,可以說,大數據正在成為物流行業最大的福利。聯想到這幾年物流行業的快速發展,處處可見的大物流、大流通、新物流、新渠道、新零售、無界零售等等,成立的前提都是數據應用,是數據的變現與數據沉淀的結果?,F如今,大數據已經滲透到物流的各個環節,并已成為物流行業創新的基石。未來,物流行業對大數據的需求前景將會更加廣闊,大數據對包括供應鏈在內的行業變革以及跨界融合已在進行之中。PetaBase-i助力提升碼頭業務運行效率 在全球化的今天,集裝箱運輸業約占世界海運貿易總值的一半以上,集裝箱運輸已成為海運供應鏈非常重要的一環。堆場是集裝箱碼頭的基礎資源,堆場集箱堆位的分配管理直接影響碼頭的運作效率。國內一家知名度較高的上市公司(以下簡稱z 客戶),擁有幾十個面積多達上百萬平方米的碼頭和集裝箱場站資源,每年為全球客戶提供價值數十億的倉儲碼頭服務。在接觸PetaBase-i 之前,z 客戶一直使用集裝箱信息管理系統來監控吉箱場位情況并進行相關統計分析。信息管理系統使用的是傳統關系型數據庫...
      發布時間: 2018 - 11 - 12
      近年來互聯網的高速發展引領人類進入了一個信息量爆炸性增長的時代。每個人的生活中都充滿了結構化和非結構化的數據。隨著人類生活全面向互聯網轉移,大數據時代將會不可避免的到來!作為全球互聯網的前沿概念,大數據主要包括兩方面特征:一方面整個社會的信息量急劇增長,另一方面個人可獲取的信息也呈指數增長。從科技發展的角度來看,“大數據”是“數據化”趨勢下的必然產物!并且隨著這一趨勢的不斷深入,在不遠的將來我們將身處于一個“一切都被記錄,一切都被數字化”的時代。 在這種背景下,對大數據的有效存儲以及良好地分析利用變的越來越急迫。而數據分析能力的高低決定了大數據中價值發現過程的好壞與成敗。本文以大數據時代的數據分析為主題,簡明的闡述了國內大數據分析的發展現狀、大數據的分析模式以及主要的分析技術、大數據時代數據分析的幾個核心概念等相關問題。1.國內大數據分析的發展現狀數據分析是數據處理流程的核心,因為數據中所蘊藏的價值就產生于分析的過程。所謂“大數據分析”,其和以往數據分析的最重要的差別在于數據量急劇增長。由于數據量的增長,使得對于數據的存儲、查詢以及分析的要求迅速提高。從實際操作的角度看,“大數據分析”需要通過對原始數據進行分析來探究一種模式,尋找導致現實情況的根源因素,通過建立模型與預測來進行優化,以實現社會運行中各個領域的持續改善與創新。雖然近兩年來“大數據”的概念越來越多的被媒體以及行業提及,但“大數據分析”在國內的發展卻仍處于初期階段。從行業實踐的角度看,只有少數幾個行業的部分企業,能夠對大數據進行基本分析和運用,并在業務決策中以數據分析結果為依據。這些行業主要集中在銀行與保險,電信與電商等領域。以銀行業為例,目前大型國有銀行在其主營業務中均引入了數據分析,但深度尚可,廣度不夠,尚未擴充到運營管理的所有領域;而中小銀行在數據分析方面的人員與能力建設尚處于起步階段。對于支撐起...
      發布時間: 2018 - 11 - 06
      作者:Jens Riedl, Andreas Jentzsch, Nils Christian Melcher, Jan Gildemeister, Daniel Schellong, Christopher Höfer, and Peter Wiedenhoff翻譯:任曉萌“ 公路貨運傳統企業可能不愿意進行數字化,但數字化轉型的趨勢迫在眉睫。在改變了零售、娛樂和旅游等以消費者為導向的行業之后,數字初創企業開始進軍商業導向型行業。公路貨運是由人工流程主導的高度分散的行業,被數字初創企業視為早該改變的對象。與此同時,新的數字貨運商受益于投入資金的顯著增長。從2012年1月到2017年9月,風險投資基金對數字化的航運和物流初創企業的投資超過33億美元。而這些資金的很大一部分被用于公路貨運初創企業,其中包括Convoy(美國在線貨運平臺)、Freightex(最近被UPS收購的英國虛擬物流提供商)和EasyPost(谷歌支持的在線物流提供商)等企業。對于傳統企業來說,公路貨運一直是一個競爭激烈,利潤率低的行業。傳統企業現在必須采取行動,抓住數字機遇,否則就會面臨利潤下滑和銷量下滑的風險。數字初創企業可以通過引入新的商業模式和解決長期低效率的問題來穩固企業?!?傳統公路貨運存在的四大問題數字初創企業正瞄準公路貨運行業。傳統公路貨運存在著問題,尤其在西歐市場上的問題表現得最為明顯,這為數字初創企業提供了轉變市場的機會(參見圖1)。圖 1 傳統公路貨運存在的問題(1)市場高度分化,信息透明度低。在西歐,公路貨運行業擁有超過30萬家規模從數十億歐元到小型自駕車運營的公路貨運企業。而規模最大的公路貨運企業DBSchenker(德鐵信可,別名“全球國際貨運”)的市場價值份額僅為2.1%(參見圖2)。這種嚴重的市場分化常常促使競爭對手攜手合作,以獲得規模經濟并為客戶提供...
      發布時間: 2018 - 10 - 17
      大數據平臺,是關于所有想要創造一個大數據戰略,并與他們所掌握的數據相匹配的企業的。企業必須了解如何在一個企業內部使用大數據。為此,我們將在本文中為大家介紹企業大數據使用的八大典型案例。當然,如果您的企業有更多、更好的案例,也歡迎通過文章的評論與我們交流與溝通。真正實時的了解您的客戶在過去,我們總是傾向于通過采用小組和調查問卷的方式找出我們的客戶在哪里。而當調查結果總結出來時,結果往往已經是過時的了。而利用大數據,這種狀況將不再發生。大數據能夠幫助企業完全勾勒出其客戶的DNA。充分了解客戶是有效的與客戶達成生意合作的關鍵。當然,在這一過程中,如果不能很好的保護好客戶的隱私,也是很容易走向極端的。但如果企業能夠確??蛻舻碾[私不受威脅,大數據可以為企業提供針對個體客戶的十分個性化的見解。使用互連的社交媒體數據、移動數據、網絡分析和其他數據分析,企業可以充分了解每一位客戶,實時的知道他們想要什么,以及何時想要。真正了解您的客戶,意味著您可以結合客戶的個性化特點,給出有針對性的建議或顯示廣告。亞馬遜已然將這一點做到了極致,他們為客戶推薦的產品絕不是一個巧合。亞馬遜的推薦引擎完全是基于客戶在過去一段時間的購買行為所做的:客戶的購物車中所收藏的商品、客戶喜歡的商品、其它用戶瀏覽或購買的商品。亞馬遜使用的該算法,為每位客戶定制了專屬的個人主頁。利用該策略是:該公司在其第三財政季度期間銷售增長27%,達到了131.8億美元,而去年同期的銷售額則為96億美元。企業共同創建、實時改進和創新產品在過去,我們要與客戶會面,與他們一起討論他們想要什么,向他們展示我們的最終完成的產品。如果客戶不喜歡它,您便會有麻煩了。而利用大數據,這一切變成為過去的歷史了。大數據分析可以幫助企業更好地了解客戶所想要的產品。通過從社會媒體和博客上收集人們如何評價某款產品,能夠為企業提供比傳統的問卷調查更多的信息。特別是當...
      發布時間: 2018 - 09 - 19
      編 者 按:近年來,在制造業智能化和全球化發展及電子商務迅速崛起的多重推動下,中國物流行業正在從傳統物流向現代物流迅速轉型,智慧物流產業迎來發展機遇期。中國倉儲與配送協會副會長、國家郵政局發展研究中心學術委員會委員、智慧物流首席特邀專家王繼祥是智慧物流概念的提出者和倡導者,本文中他認為物聯網、云計算、大數據、人工智能等技術的不斷發展,為智慧物流創新發展創造了條件。但我國物流行業發展多層次、多樣化的發展現狀,要求智慧物流的發展不能搞“一刀切”,要根據經濟和社會需求,從信息化和標準化做起,因地制宜、實事求是地推動智慧物流的發展。物聯網技術,智慧物流發展的重要基礎物流是物質資料從供應者到需求者的物理運動,是運輸、保管、包裝、裝卸、流通加工、配送以及信息等多項基本活動的統一整體。對于物流的概念,王繼祥表示:“把物質連接起來的系統是物流,物流的核心是物質資料流動過程中的計劃、運籌、控制,因此物流是系統思維的產物,由于物流的連接特點,使得‘信息的連接’成為了推動物流發展變革的核心動力。正是基于此,物聯網的發展實現了物流過程中的作業對象、設備等信息的連接,奠定了智慧物流的發展基礎?!弊?009年,在國家大力倡導下,中國物聯網技術呈現發展熱潮,在物流領域,物聯網技術逐步得到普及應用?;谖锫摼W技術在物流業應用,王繼祥在2009年首次提出了“智慧物流”概念,開始大力倡導“智慧物流”。對于智慧物流概念,王繼祥認為:智慧物流,指的是基于物聯網技術應用,實現互聯網向物理世界延伸,互聯網與物流實體網絡融合創新,實現物流系統的狀態感知、實時分析、精準執行,進一步達到自主決策和學習提升,擁有一定智慧能力的現代物流體系。根據智慧物流定義與技術架構,王繼祥提出了智慧物流的三大組成體系:智慧思維系統、信息傳輸系統和智慧執行系統。智慧思維系統是物流大腦,是智慧物流最核心的系統。大數據是智慧思考的資源,云計算是智...
      發布時間: 2018 - 09 - 05
      1998年,“大數據”概念首次出現在美國《科學》雜志中。近20年來,大數據浪潮一波波向世人撲面而來。有人形容,大數據就像一片無邊無際的大海,海面一浪高過一浪,而浪潮之下深不見底。大數據的核心口號是量化世界,量化世界為創構世界奠定了基礎。在大數據的基礎上,物數據化和數據物化構成循環。這是因為,物數據化事實上就是物信息化,數據物化實質上就是信息物化。隨著現代信息技術的發展,創構活動及其產物與人的存在方式越來越密切地聯系在一起。這里涉及一個新的重要概念:信息。在控制論創始人維納看來,“信息就是信息,既不是物質也不是能量”。這個定義看上去像是同義反復,卻富有深意。比如,物能復制成本呈正比增加,而信息復制的邊際成本遞減;物能越分享越少,而信息越共享越多。信息的這些重要性質,在作為樣本數據的小數據時,顯示不出重要性;而在大數據基礎上,則變得非同尋常。在大數據的基礎上,信息會對人類的文明發展產生極為重要的影響。面對大數據打開的這扇大門,我們不能不深入思考:這將是怎樣的一扇門,又會把我們帶進一個怎樣的新世界 ■面對一張拍好的平面照片,再要換個角度去觀察已不太可能。大數據則幾乎保留了全緯度。面對大數據,我們可以從不同的角度進行考察。作為樣本數據,小數據是“殘缺”的。就像尼采說抽象的概念是“干枯的標本”,樣本數據和抽象概念的共同特點都是已經“失活”了。而大數據意味著活數據(動態數據)、全數據?!鰧τ诖髷祿碚f,信息是活的,是隨著時間而流動的。高速的數據流更能在時間上與現實過程同步,因而跟人類的生存密切聯系在一起。不僅如此,只有高速流動的數據,才能提供無限的可能性。以往受速率限制,人們獲得的數據和所要反映的內容往往脫節,而數據流的高速率使我們把握對象的手段越來越完善?!鲇腥颂岢?,大數據的價值密度低,數據挖掘相當于“沙里淘金”。其實,對于同一個結構開放的大數據,一些人可能視其為一堆垃圾,...
      發布時間: 2018 - 07 - 05
      大數據已經滲透到物流領域的各個環節之中,其作為一種新興技術,它給物流的發展帶來了更多的機遇。對物流企業而言,合理地運用大數據技術,對企業的管理、客戶關系維護、資源配置等方面都將起到積極的作用,使物流決決策更加高效與準確。隨著信息時代數據量的劇增,深化物流管理最為有效的方法是引入數據分析技術,對物流數據進行分析和預測,取代經驗論,幫助決策者做出快速、準確的決策。1、物流領域常用數據分析場景梳理我們整個物流環節,數據分析的應用可以分為兩個方向,規劃和預測。其中規劃方向的應用往往是以成本和時間為優化目標,或者是兩者綜合的多目標優化,在分析過程中我們往往是通過成本構成或者時間構成的角度去尋找他的影響因素,在分析這些影響因素的基礎之上,找到合理的變量取值,使得成本最優,時間最少。常用的應用場景包括倉儲選址規劃、運輸路徑規劃、倉儲布局規劃。預測方向的應用場景主要包括市場銷售預測、采購需求預測、供貨周期預測,預測不會直接產生經濟效益,它的意義主要體現在在了解未來發展方向和發展量的基礎上采取合理的預防措施,比如說市場銷售預測是為了合理安排生產和庫存,進而獲得供應鏈總體成本的最優。在大數據時代,我們獲得數據越來越多,不管是數量上還是維度上,常用數據分析方法也都有可以進一步的拓展,使結果更加的合理準確。2、倉儲選址規劃常用數據分析方法倉庫選址是指在一個具有若干供應點及若干需求點的經濟區域內,選一個地址建立倉庫的規劃過程。合理的選址方案應該使商品通過倉庫的匯集、中轉、分發,達到需求點的全過程的效益最好。倉儲選址步驟如下圖所示。常用的倉儲選址數據分析方法包括精確重心法、加權評分法、P-中值法、鮑摩-瓦爾夫模型、多級多設施選址模型等等。(1)精確重心法(2)加權評分法(3)P-中值法(4)鮑摩-瓦爾夫模型(5)多級—多設施選址模型3、倉儲選址常用方法對比分析由于不同的企業在建設物流配送中心時,對配送...
      發布時間: 2018 - 06 - 21
      大數據從區域分布、創建年度、投資規模、占地規模、功能分析五個方面入手。近年來,我國物流行業增長迅速,在國民經濟中起著舉足輕重的作用,從某種意義上講,物流業的發展已成為衡量一個國家綜合國力的重要標志。物流園區是物流業集聚發展的重要載體,經過10多年發展,我國物流園區得到快速發展,產業地位日益突出,對于轉變物流發展方式,加快行業轉型升級具有重要作用。物流產業大數據平臺從區域分布、創建年度、投資規模、占地規模、功能分析五個方面入手,主要針對園區類型、園區地址、創建年度、投資金額、占地面積、服務功能等相關數據進行了具體的分析。區域分布根據平臺數據,按照全國31個省市區域進行劃分,篩除重復項后共計28個省市,各省市分布的物流園區數量排名情況見圖1:圖1 28個省份物流園區數量分布圖物流園區在28個省市的排名情況如圖1所示,從圖中可以清晰的看出,東南沿海省市的物流園區數量較多,西部地區分布較少。由此看出物流園區的規劃建設與區域經濟息息相關,同時高度發展的經濟也是物流設施、物流技術不斷進步的基礎;物流園區的建設要求廣泛的市場需求及充足的建設條件,因此大部分物流園區集中在沿海省市。圖2 七大經濟區域園區數量占比圖如圖2所示,按照我國劃分的七大經濟區域,華北地區、華南地區、華中地區、華東地區、東北地區、西南地區、西北地區的物流園區數量占比情況分別為19%、7%、10%、49%、5%、7%、3%。創建年度 對物流園區信息中創建年度進行篩重處理,統計結果如圖3所示:圖3 1992—2014年物流園區數量分布圖根據物流園區成立年份的統計數據可知,1992年至2001年期間,我國正處于物流園區的建設時期,物流園區的企業數量相對較少;從2002年到2014年,經過十多年的發展,初具規模的物流園區越來越多,其園區的基礎設施和現代化建設水平也在不斷改善。投資規模 按照投資金額的具體分類標準對其進行統計分析...
      發布時間: 2018 - 05 - 15
      隨著大數據的應用范圍不斷擴大,越來越多的企業開始部署大數據戰略。通過大數據技術構建數據中心,挖掘出隱藏在數據背后的信息價值,為企業提供有益的幫助,從中獲取利益。企業應該把大數據看做是一項戰略資源,在戰略規劃、商業模式和人力資本等方面做出全方位的部署。什么是物流大數據?所謂物流的大數據,即運輸、倉儲、搬運裝卸、包裝及流通加工等物流環節中涉及的數據、信息等。通過大數據分析可以提高運輸與配送效率、降低物流成本、更有效地滿足客戶服務要求。將所有貨物流通的數據、物流快遞公司、供求雙方有效結合,形成一個巨大的即時信息平臺,從而實現快速、高效、經濟的物流。信息平臺不是簡單地為企業客戶的物流活動提供管理服務,而是通過對企業客戶所處供應鏈的整個系統或行業物流的整個系統進行詳細分析后,提出具有中觀指導意義的解決方案。許多專業從事物流數據信息平臺的企業形成了物流大數據行業。國家出臺的政策支持目前,國家出臺的與大數據相關的物流行業規劃和政策包括:《第三方物流信息服務平臺建設案例指引》、《商貿物流標準化專項行動計劃》、《物流業發展中長期規劃(2014-2020年)》、《關于推進物流信息化工作的指導意見》等一系列政策,將大數據、信息化處理方法作為物流行業轉型升級的重要指導思想?! 〈送?,交通運輸部正在編制的物流發展“十三五”規劃,其中統籌謀劃現代物流發展,指出要發展智慧物流,適時研究制定“互聯網”貨物與物流行動計劃,深入推進移動互聯網、大數據、云計算等新一代信息技術的應用;強化公共物流信息平臺建設,完善平臺服務功能?! ∥锪鞔髷祿袠I的生命周期比較長,一般要在5-8年,前期的數據積累和沉淀耗時耗力耗財。目前,中國物流大數據產業正處于起步階段,未來2年有望快速發展,率先實現大數據增值。企業如何應用大數據?大數據在物流企業中的應用貫穿了整個物流企業的各個環節。主要表現在物流決策、物流企業行政管理、物流客戶...
      發布時間: 2018 - 05 - 08
      這幾年的物流產業......平臺中興之后,百花齊放,但依然前途漫漫快遞巨頭割據,零擔江湖奮戰加速,整合并購常態商業蝶變加速,傳統物流+新興物流交替聯盟、聚盟,合縱連橫,心不齊,區域網絡拼接不易科技驅動,細分產業重構,找到物流的增長新G點…..復融供應鏈聯合創始人 副總裁 復融學院執行院長,復旦管院物流與供應鏈沙龍副秘書長楊斌先生在Logis舉辦的第三期“經管類師資培訓之大數據分析與挖掘”中從產業變革視角和行業整合視角對新商業時代的物流行業應用問題進行了深入解讀:物流產業趨勢及未來五年后的物流:生態圈的跑馬圈地5年后的物流是圍繞數據+、快遞+、快運+、平臺+、商業供應鏈+這幾個生態圈在做的。核心是數據,誰掌握了數據,誰就會在未來的物流商業中掌握更大的話語權,這也正是現在企業對數據守口如瓶的原因。以數據為核心會延展到其他的幾個生態圈,比如快遞+供應鏈、快遞+快運等等,這些融合會帶來新一輪生態圈的跑馬圈地,未來物流行業的轉型升級也將會出現在這幾個生態圈里面。物流的終局:寡頭基礎設施寡頭,百花齊放的新應用我們可以做一個大膽的預測:在未來的某一天,整個物流行業會衍生成幾大模塊,首先在外部是萬物互聯的數據包絡,以此為基礎會出現巨頭壟斷的基礎設施市場,這個基礎設施包括:云、網絡(實體網絡和虛擬網絡)、端等全渠道的泛物流基礎設施。在此基礎之上會衍生出許多面向B/C端的物流應用網絡、供應鏈服務網絡等圍繞物流用戶的個性化服務。物流大數據正在來臨更強數據能力:驅動物流轉型升級,數據價值有待挖掘為什么越來越重視數據?需要從兩個維度來看:第一,從現在看未來,我們要講究科技管理,要有標準化、結構化、流程化的數據來驅動數據化的持續改善。第二,從未來看現在,要看到未來商業的發展用未來的黑科技驅動物流顛覆,也就是管理科技。更強快的物流響應:數據為網,微數據+大數據雙輪驅動在物流領域里面一定是微數據和大數據的...
      熱點新聞 HOT NEWS
      產品名稱

      大數據將把人類帶進怎樣的新世界?

      發布時間: 2018-09-05
      來源:
      作者:
      點擊次數: 65
      分享到:

      1998年,“大數據”概念首次出現在美國《科學》雜志中。近20年來,大數據浪潮一波波向世人撲面而來。有人形容,大數據就像一片無邊無際的大海,海面一浪高過一浪,而浪潮之下深不見底。




      大數據的核心口號是量化世界,量化世界為創構世界奠定了基礎。在大數據的基礎上,物數據化和數據物化構成循環。這是因為,物數據化事實上就是物信息化,數據物化實質上就是信息物化。隨著現代信息技術的發展,創構活動及其產物與人的存在方式越來越密切地聯系在一起。


      這里涉及一個新的重要概念:信息。在控制論創始人維納看來,“信息就是信息,既不是物質也不是能量”。這個定義看上去像是同義反復,卻富有深意。比如,物能復制成本呈正比增加,而信息復制的邊際成本遞減;物能越分享越少,而信息越共享越多。信息的這些重要性質,在作為樣本數據的小數據時,顯示不出重要性;而在大數據基礎上,則變得非同尋常。在大數據的基礎上,信息會對人類的文明發展產生極為重要的影響。


      面對大數據打開的這扇大門,我們不能不深入思考:這將是怎樣的一扇門,又會把我們帶進一個怎樣的新世界?


      ■面對一張拍好的平面照片,再要換個角度去觀察已不太可能。大數據則幾乎保留了全緯度。面對大數據,我們可以從不同的角度進行考察。作為樣本數據,小數據是“殘缺”的。就像尼采說抽象的概念是“干枯的標本”,樣本數據和抽象概念的共同特點都是已經“失活”了。而大數據意味著活數據(動態數據)、全數據。


      ■對于大數據來說,信息是活的,是隨著時間而流動的。高速的數據流更能在時間上與現實過程同步,因而跟人類的生存密切聯系在一起。不僅如此,只有高速流動的數據,才能提供無限的可能性。以往受速率限制,人們獲得的數據和所要反映的內容往往脫節,而數據流的高速率使我們把握對象的手段越來越完善。


      ■有人提出,大數據的價值密度低,數據挖掘相當于“沙里淘金”。其實,對于同一個結構開放的大數據,一些人可能視其為一堆垃圾,毫無意義;而在另一些人看來則會是一座寶庫,價值連城。大數據的價值和意義,很大程度上取決于人們的理解,取決于人們的眼光。歸根結底,取決于對人的需要及其發展的理解和把握。


      ■信息文明的發展,是一個在大數據基礎上的公共信息對稱化過程。這就要求,為推動信息文明的發展,必須在公共領域盡可能消除信息不對稱。同時,為保持信息文明發展的動力,必須盡可能保護創新專利。這很可能是時代發展的必然趨勢。對此,人類社會應當提前進行思考,即如何避免新的社會不公平的出現


      01 關于大數據的具體特征,可以用4個“V”來描述


      在技術定義上,大數據最主要的一個著眼點是規模大。但是,大數據的關鍵性質不主要是規模大,而是完全不同于作為樣本數據的小數據。通常,樣本數據的獲取總是會先設定明確甚至單一的目的。這種取樣,一方面可以更好地實現采樣前預設的目標,另一方面也抹去了其他的可能性。


      大數據的另一個重要性質是維度全。通常,我們拍照會選取一個角度。角度一取,數據就固定了。面對一張拍好的平面照片,再要換個角度去觀察已不太可能。大數據則幾乎保留了全緯度。面對大數據,我們可以從不同的角度進行考察。作為樣本數據,小數據是“殘缺”的。就像尼采說抽象的概念是“干枯的標本”,樣本數據和抽象概念的共同特點都是已經“失活”了。而大數據意味著活數據(動態數據)、全數據。


      關于大數據的特征,最早是用3個V來概括的。幾年前,人們認為“3V”不足以描述大數據的特征,又提出了“4V”的描述,即volume、variety、velocity和value。


      “volume”一般理解為大量。大數據首先意味著數據量巨大。小數據時代主要由人工創建數據,大數據時代則由機器、網絡和人類相互作用生成。大量是大數據的基本特征,但往往被誤以為大數據就是大。事實上,這個特征所表達的是大數據規模的整全性。大數據的“大”不是純粹量的概念,關鍵是全,是一個質的概念。

      “variety”一般理解為多樣。這包括大數據來源的多樣性和類型的多樣性,也包括數據結構的多樣性。由于數據結構的多樣性和復雜性,大數據的這一特征還意味著數據結構的開放性。舉例來說,大自然可以滿足人類的生存需要,但我們面對大自然時的作為很有限。而大數據不一樣,在以人類需要為出發點的大數據挖掘中,人類可以在這一個無限空間中進行滿足自己需要的創構。


      “velocity”一般理解為高速。它不僅僅是指技術設備的數據處理速度,更重要的是指實時數據流。樣本數據在取樣后就是凍結的,而大數據可以實時獲取所需信息。對于大數據來說,信息是活的,是隨著時間而流動的。正因為如此,對于實時數據流來說,速率就特別重要。高速的數據流更能在時間上與現實過程同步,因而跟人類的生存更密切地聯系在一起。不僅如此,只有高速流動的數據,才能提供無限的可能性。以往受速率限制,人們獲得的數據和所要反映的內容往往是脫節的,而數據流的高速率使我們把握對象的手段越來越完善。


      “value”用以描述大數據的價值。大數據價值特征的重要性不言自明,但大數據也十分復雜。據此有人提出,大數據的價值密度低,數據挖掘相當于“沙里淘金”。其實,對于同一個結構開放的大數據,一些人可能視其為一堆垃圾,毫無意義;而在另一些人看來則會是一座寶庫,價值連城。大數據的價值和意義,很大程度上取決于人們的理解,取決于人們的眼光。歸根結底,取決于對人的需要及其發展的理解和把握。


      顯然,這是一個典型的哲學課題。隨著大數據的發展,不僅哲學等各學科會越來越相互融合,而且將迎來哲學與科學、社會和生活一體化發展的時代。


      02 沃爾瑪的兩個案例,開啟大數據應用廣闊前景


      大數據究竟是垃圾還是寶庫,涉及的是大數據的應用問題。換句話說,既然大家都認為大數據是個好東西,是個有用的東西,那它到底該怎么使用呢?


      就目前而言,大數據應用仍然是一個重要而前沿的話題。其中,大數據中的相關關系和因果關系,是大數據應用和分析研究中的重要問題。大數據凸顯了相關關系的巨大魅力,同時也構成了對傳統因果觀念的沖擊。


      跨國零售企業沃爾瑪“啤酒和尿布”的故事,就是人們津津樂道的大數據應用的一個經典案例。沃爾瑪在大數據基礎上,用“購物籃方法”分析消費者購物行為時發現,一些男性顧客在購買嬰兒尿布時,常常會同時買幾瓶啤酒。原來,美國家庭生了小孩,一般是母親在家照顧孩子、父親外出采購。而年輕父親在購買尿布時,常常會順便給自己買上幾瓶啤酒,既解乏又喜慶。由此,沃爾瑪推出啤酒和尿布擺在一起的促銷方式,吸引了更多有這種需要的顧客前來購物,尿布和啤酒的銷量都得到大幅增加。


      大數據相關關系在類似行業的成功應用,使一些人提出還要不要深究因果關系的問題。一些極端的觀點甚至認為,大數據是關于“是什么”而不是“為什么”的;大數據會自己說話,因而只要相關關系不要因果關系。這種觀點顯然是興奮于大數據令人驚嘆的實用性。但理性來看,大數據不僅把握相關關系,而且把握作為其根基的因果關系。


      “蛋撻和手電筒”就是一個典型的例子。與“啤酒和尿布”案例一樣,沃爾瑪的大數據表明,很多人在買手電筒的同時還會購買蛋撻。因而,根據這一消費相關性,沃爾瑪決定在貨架上把這兩種產品擺放在一起。但是,如果知道其背后的因果關系,相關銷售效果顯然會更好。有人發現,人們同時購買手電筒和蛋撻的因果關系涉及北美颶風。原來,颶風來臨前人們既需要準備手電筒,又需要準備食物。不過,北美颶風是季節性風暴,如果只知道相關關系而不知道因果關系,就可能一直把手電筒和蛋撻這兩類不同商品放在同一貨架上。而知道背后的因果關系后,就可以在颶風來臨前把蛋撻和手電筒放在一起,而且還可專設颶風用品區域。這樣一來,銷量顯然會大為增加。


      可見,只要相關關系、不要因果關系的觀點,很容易駁倒。其實,真正關鍵的問題不在于是相關關系還是因果關系哪個更加重要,而在于怎么理解相關性和因果性之間的關系。


      一般來說,傳統因果觀僅反映日常生活和經典物理學中因果關系的表觀現象。這樣的因果模型,不僅不能理解大數據的相關關系,而且不能建立起大數據相關關系和因果關系的關聯。只有把原因看作因素相互作用的過程,把結果看作因素相互作用過程的效應,才能擴展對因果關系的理解,從而適用于大數據相關關系和因果關系問題的認識。由此建立起來的新因果模型具有內容豐富的結構,呈現出因果模型的過去時態、進行時態和未來時態。它不僅有利于人們理解凝固的因果關系,而且在人們面前敞開了創構未來的廣闊空間。顯然,這種新的因果關系與現實社會更加接近。


      03 人類將更多與信息打交道,而不是傳統的物能


      如果把以往的文明形態都看作物能文明的話,那人類社會發展到大數據時代所迎來的,則是一種不同于物能文明的信息文明。作為一種與物能文明相平行的文明形態,信息文明是一種基于信息本性的共享文明。在大數據的基礎上,信息的共享本性可以充分展開。


      而且,信息文明的發展,是一個在大數據基礎上的公共信息對稱化過程。這就要求,為推動信息文明的發展,必須在公共領域盡可能消除信息不對稱。同時,為保持信息文明發展的動力,必須盡可能保護創新專利。


      作為一種人類文明,信息文明是一種基于信息機制的役物文明。在信息文明時代,人類通過信息控制物能,進而使物質通過結構的調整,由一種對人類不那么有價值的材料變成價值更大的材料,從一種不太能滿足人的需要的形態變成一種更能滿足人的需要的形態,使能量從難以利用的形態變成更容易獲得和利用的形態。由此,人類活動更多是直接與信息打交道,而不是傳統的與物能打交道。


      作為人類文明發展的更高階段,信息文明還是一種基于信息創構的人性文明。不僅對物能的控制達到全社會甚至全人類實現“物為人役”的水平,使人類活動從以描述認識為主進入到以創構認識為主,而且也意味著全面解放創造力,即人性獲得越來越高水平的解放。


      大數據打開了信息文明大門,也將釋放一系列新的重要問題。這些重大的問題,既涉及個人生活,也涉及社會發展。


      一是信息生態問題。由于人越來越以信息方式存在,信息生態理所當然成為一個越來越重要的基礎性問題。對人類來說,自然生態或者說物能生態具有切身性,而信息生態不僅具有切身性還更具“切心性”,更切近人的心靈。因此,在自然生態的基礎上,信息生態將日益為人所密切關注,成為信息文明時代關乎人類發展的問題。


      二是人的存在意義問題。沒有物能就沒有信息的存在,物能存在是基礎。但在信息文明時代,如果一個人仍然主要以物能方式存在,仍然以基于物能的感官享受作為生活意義的主要來源,仍然主要滯留于物能存在方式,那很可能將成為無意義的人群。


      在信息文明時代,人類的活動主要是信息活動。只有主要以信息方式存在,并且以創構活動作為自己主要活動方式的人,才能進入意義生產的領域。在這個意義上,信息文明的確意味著一種分化:相對無意義的人群和生產意義的人群。這很可能是信息文明時代發展的必然趨勢。對此,人類社會應當提前進行思考,即如何避免新的社會不公平的出現。


      三是國家的發展問題。從人類社會發展史可以看到這樣一個重要事實:一個大國的真正崛起,通常要引領一種新的文明。信息文明時代的到來,必定伴隨著大國的新崛起,不管是現實的還是潛在的大國。在21世紀,中國要和平發展、成為真正的世界大國,有必要在引領信息文明上發力。


      總之,如果不能夠引領信息文明發展,一個國家就不可能真正實現大國崛起。在這個過程中,國家的興衰與個人的生存發展不僅聯系在一起,而且構成相互依存、協同發展的循環。



      來源:大數據觀察


      地址:北京市東城區東長安街6號
      電話:010-68519188  010-68519187 
      傳真:+86 0755-2788 8009
      郵編:100834 
      Copyright ?2005 - 2013 中國智慧物流網
      犀牛云提供企業云服務
      X
      3

      SKYPE 設置

      4

      阿里旺旺設置

      等待加載動態數據...

      等待加載動態數據...

      5

      電話號碼管理

      6

      二維碼管理

      等待加載動態數據...

      等待加載動態數據...

      展開
      国产av无码专区亚汌a√

    3. <big id="vl6pl"></big>
    4. <track id="vl6pl"></track>
    5. <acronym id="vl6pl"><strong id="vl6pl"></strong></acronym>
      <table id="vl6pl"></table>
      <acronym id="vl6pl"></acronym>
        <output id="vl6pl"></output>
      1. <table id="vl6pl"></table>