首頁 >> 正文
|
|
|
作者：[美]安德雷斯·韋思岸（Andreas Weigend） |
?過去傳統銀行或是簽證中心判斷你的消費行為參考的銀行存款數和打印的流水單，線上的數據能更準確地評估個人信用等級。比如，消費行為不僅僅參照消費數額，而是取決于你用這筆錢做了什么。如果你用來買電子游戲，這樣對信用值是不利的，但如果你用來買尿布，對你的信用積分來說是好的。那為什么買尿布會比玩游戲好呢？買尿布的消費行為顯示出你是一個有責任感、關心他人的人。
另外一個關于尿布的例子與數據挖掘有關，實際上是說不要去做數據挖掘。最開始市場分析顯示，買尿布的人也會買啤酒。你可能會問為什么呢？很有可能是這樣的，晚上老婆派丈夫出去買尿布，丈夫在買尿布的過程中順便就給自己買一點啤酒來犒賞自己。所以，我們今天所說的大數據，并非新發明，也不是要從挖掘數據開始，而是從問問題開始。尤其是在當今的時代，數據呈爆炸性地增長，要做的是先問問題，接著用數據來找答案。
在數據帶來便利的同時，也涉及大量的個人隱私的泄露。相信很大一部分人有著這樣的擔憂。也許軟件比我們自己更了解自己，但同時，如果這些數據泄露或者被數據持有者倒賣，會是一件很危險和麻煩的事情。那么，面對數據，消費者只是被動的嗎？
作為普通吃瓜群眾，大數據如何服務于我們？
在美國和英國，龐大的消費者信貸資料中心負責收集和分析有關個人負債與信用卡還款行為方面的數據，每年都會向客戶提供一份個人信用報告復印件。它們鼓勵你檢查這些數據，并在發現任何錯誤時通知該中心。如果你沒有申請貸款，卻發現許多以你的姓名與住址提交的貸款申請，這就是你的身份被盜用的跡象。該中心根據你是否按期償還貸款的記錄是迅速償清短期債務還是累積了高額或循環債務、信用卡賬戶的開通時間、申請新的貸款的次數，以及你名下的信用卡、貸款與抵押的整體情況，將你的金融行為與財務狀況表示為信用評分。它們會告知你，你在去年有哪些行為給你加分或減分，還會通過描述性分析具體說明它們為各種行為賦予的權重。你從中可以了解到，信用評分中有30%來自及時還款，有10%取決于你的信用卡欠款與其他長期性貸款的情況。
如果你收到的信用報告表明由于你經常逾期還款，導致你的信用風險高于平均水平”，你就需要通過提前或按時還款，努力提高自己的信用評分。你可能認為自己的信用評分是一個數字，即你的金融信用評分（FICO）。但每一個中心給你的信用評分是不同的，因為它們會獨立計算你的評分。《紐約時報》統計至少有49 個不同版本的信用評分體系，它
們依據的不僅是各中心收集的數據和收集數據的方式，還包括你申請的貸款種類。此外，據《財富》雜志稱，即便同一家中心對同一個人也不只給出“一個”信用得分，因為“每一家機構”（即考慮是否為你辦理新的信用卡、貸款或抵押的銀行）都會調整各種參數。這種類似于單向鏡的做法，導致你無法像審核數據的銀行工作人員那樣查看這些數據。
真正的透明性能讓你看到不同金融機構對不同范疇的信貸數據所分配的權重，換言之，你能了解到金融機構是如何看待你的信用記錄的。通過這種方式訪問自己的數據，就能知道申請貸款時應該優先考慮聯系哪幾家銀行。
有些數據服務商注重為個人提供產品與服務，有些數據服務商注重為公司與組織提供產品與服務。這些數據產品和服務將為用戶帶來更大的透明性與主動性。你所要做的就是選擇合適的數據服務商，由他們提供工具幫助你提高數據的透明性與用戶的主動性，評估數據服務商回饋給你的好處是否合理。
我們近期才認識到社交數據可能對自己不利。我認為需要制定一整套標準，作為我們對數據挖掘進行評價的標準。以下6 項權利為此提供了框架。
第一個就是查看數據、獲取數據的權利。例如你可以在自己在淘寶上查看所有的交易記錄、購物趨勢以便你做出更好的決策。
第二個權利就是看到數據加工的過程，像百度和Google這樣的公司，他們會把很多的數據匯總起來進行加工，這樣你就能看到他們加工的過程。如果以螞蟻金服的例子來說，一是能夠看數據的權利就你可以知道他們到底收集了有關你的哪些數據。再來就是具體看到螞蟻金服是怎樣計算你的積分，這樣就幫助你做出更好的決策，是否多買尿布。
還有4個權利是強調消費者主動的權利，第三個是修改數據的權利，也就是所有的數據你都有權增添刪改。第四個權利就是將數據模糊處理的權利，消費者有權利決定是否想讓別人知道你確切的位置。而做消費者你應當有權決定，因為如果你訂了外賣，你需要送外賣的人把外賣送到你家里而不是鄰居家里。但是在有些情況下，可能有些人不太希望別人知道自己晚歸的太太去了哪里，從哪里回來。第五個權利就是能夠用數據做實驗的權利。最后一個權利就是導入和導出數據的權利，可以要求你的數據加工公司將你的數據發送給其他人。
大數據是要從消費者的視角寫你的等式，然后你要擁抱透明度而不是抵抗它。過去，公司賺錢是通過建起高高的墻，筑起信息壁壘，而未來公司要賺錢就必須消除這種壁壘。
通過各種方式，社交數據的革命使之前從未量化或無法量化的一切事物都能被量化。過去，我們有理由說，我們無法利用數據或工具對全社會所面臨的選擇進行歸納和分析。這種情況現在已經一去不復返了，我們可以讓自己的選擇更加個性化，并觀察由此產生的影響。當然，這并不容易實現。
透明性與主動性將推動我們向具體目標邁進，但它們并沒有為我們確定目標。此外，沒有一種“放之四海皆準的設置”能為所有人優化數據所用；即便我們能夠完美地進行一切測算，每個人對各項權重的分配也不一樣。未來，我們可能會通過分析一系列數據，極為精確地預測人們的健康與幸福情況，并據此對各項選擇排序，這些數據包括人們的搜索條件、社交圖片、基因、臉部表情。如果你根據自己在大學所學的知識及之后打算選擇的職業道路了解到自己患心臟病的風險很大，你會做出不同的選擇嗎？你會更換工作、醫療保險或居住的城市嗎？你在訪問數據、檢查數據、修正數據、模糊處理數據、對數據開展實驗、導入和導出個人數據時，就能更好地了解自己的目標、關注點，并對自己個人健康函數中的各個變量設定權重。通過體驗你在考慮不同假設情況時的感受，你將會堅持自己的價值觀，在必要時還會調整自己的公式。我們現在有能力對艱難決定中的取舍進行量化，突出我們的價值觀，并測算由此產生的結果，這促使我們在公平與不公平之間做出選擇，我們再也不能選擇視之不見，也不能選擇碰運氣。當我們有能力對世界上一切事物的數據進行挖掘，在透明性與主動性方面行使我們的權利時，我們的數據將服務于我們。
（本文內容來源于《大數據和我們》及作者安德雷斯·韋思岸演講內容）
關于作者：
安德雷斯·韋思岸（Andreas Weigend），世界范圍內的重量級大數據、移動社交技術和消費者行為專家，社交數據實驗室（Social Data Lab）的創始人和負責人，最早開創亞馬遜“猜你想買”的個性化消費推薦的亞馬遜前首席科學家。任教于美國斯坦福大學、加州大學伯克利分校，以及中國長江商學院、復旦大學、中歐商學院、及清華大學，講授大數據相關課程。斯坦福大學、劍橋大學物理學博士。
他所研究的社交媒體數據理論同時為大型企業和初創公司實現社交數據變革的，他所提供咨詢服務的公司包括：阿里巴巴、GE、漢莎以及Master Card.他在演講中分享了自己的獨到見解，包括大數據對于個人、商業和社會所帶來的勢不可擋的影響。
|
