大数据,大洞见

大数据,大洞见
本内容由人工智能自动翻译。

对我而言,周三“数据洪流”会议给我的启示是:“大数据”本身既非问题,也非解决方案,而是通往目的的手段,不妨称之为“大洞见”。正如我的几位同台嘉宾所展示的,这一切已经在发生。

真正的洞见极难获得,因为它深埋于日常事物的量化之中。比如说,你拥有美国所有心脏病患者的记录,或所有信用不良者的记录。两份数据集都称得上“大”,但若缺乏深刻细致的理解,我们只能描述问题。将数据提炼为有意义的实验是一个高度适应性的过程,需要人类洞察与计算洞察的平衡。

微软的克雷格·芒迪(Craig Mundie)描述了其团队如何 运用机器学习审查再入院情况,这是医疗保健成本的主要推动因素之一。他们考察了10年间的充血性心力衰竭病例,其工具证实了医生凭经验报告的相关关联,同时还识别出若干此前被忽视的情形。通过从疑似协同因素中获取额外洞见,医生可以判断何时进行早期干预是合理的。

乔斯·费雷拉(Jose Ferreira)的公司 Knewton,帮助教师根据特定情境下何种方式最为有效,来个性化设计内容与教学方法。Knewton的产品包括一款可增强其他教学工具的推荐引擎,以及一门完整的数学课程。这种方法融合了技术与教育两大强力杠杆,以探究洞见的本质,其对广泛领域的影响意义深远。

我们还得知了一个令人惊讶的数字:每周有150万人迁入城市。其弊端显而易见:过度拥挤、犯罪、基础设施紧张以及疾病传播媒介等问题都会浮现在脑海中。然而,这也为优化公共决策提供了无限机遇。纽约市政府正在利用现有数据改善 智能资源配置、公共卫生与安全——随着这些理念的传播与演进,其益处无疑将成倍增长。

自然灾害是大数据的另一前沿领域,正如我在Palantir与退伍军人组织Team Rubicon合作协助 桑迪飓风救灾工作时所见。救灾始于确定受灾最严重的地区和最迫切的需求。随着救援物资源源不断涌入,数据场景转向追踪项目、调配人力,并实时协调10,000名志愿者。

若不谈及治理问题,任何关于大数据的讨论都不完整。佩尤研究中心(Pew Research Center)总裁艾伦·默里(Alan Murray)指出,大多数人并不希望自己的医疗记录普遍可供查阅,但如果他们被公交车撞伤,则绝对希望急救人员能够获取这些数据。与上述挑战相呼应,治理既需要强制力,也需要细致入微的权衡,既需要适应性调整,也需要故障保护机制。

如果这一切听起来过于乌托邦,我们应当承认,从大数据迈向大洞见的过程必然充满混沌,正如所有演化过程一样。要建立与混沌相匹配的秩序,就需要我们触及人类与技术智慧的极限。然而,我们或许也会发现,这些极限远比我们想象的更为宽广。

作者:Shyam Sankar是Palantir Technologies的总裁,该公司致力于从根本上改变群体分析信息的方式。公司成立于2004年,总部位于美国加利福尼亚州帕洛阿尔托,目前提供Palantir Government与Palantir Finance两个平台,用于整合、可视化和分析全球信息。Palantir Government已广泛应用于情报、国防和执法领域。Palantir Finance则被全球多家领先的对冲基金和金融机构所采用。

图片:一名男子在东京注视着电脑显示器 REUTERS/Nicky Loh

分享至:

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。