Taylorwang的个人博客分享 http://blog.sciencenet.cn/u/Taylorwang

博文

马云又一赚大钱绝招 精选

已有 14305 次阅读 2016-10-9 08:43 |系统分类:观点评述| 大数据, 信息, 白云山, 交通拥堵, 马云

随着互联网,手机等无线终端的普及,社会迅速进入所谓的“大数据时代”。有不少学者憧憬大数据时代的美好应用前景,宣称“大数据”可以为我们及社会解决许多以前难以解决的问题。上次听报告,若上海的管理者,早一点使用大数据所提供的信息,就能提早预知上海外滩有可能存在人流激增的风险,从而及早采取必要的防范措施,避免20141231日的踩踏事故。有人甚至戏谑地宣称,通过东莞扫黄时的手机移动去向,及银行存款的流动去向大数据,能推测出在东莞工作的“失足妇女”,哪里人比较多的结论。

随着我国经济的发展,个人消费能力也在不断提高,小汽车快速进入家庭。小汽车的使用,使人的活动半径至少扩大十倍,同时,也使行动变得更快捷。现在既有移动通信工具的普及,及大数据的指引,又有快速形动的灵活性,是不是就能解决许多以前出现的拥堵问题,使交通,旅游变得更加容易与方便?事实上,有时结论好象似是而非。

这次国庆节去白云山旅游我就碰到了这种情况。白云山差不多就在广州市内,郁郁葱葱的白云山,能让人远离市区各种机动车的污染,是广州市民锻炼身体,登山旅游的好地方。十月一日下午,收到各种信息表明,去白云山的人很少,这样,第二天上午,我们就开车去白云山。有可能大家都收到去白云山人比较少的消息,再加上好天气,许多人都开车去白云山。当我们的车一旦进入了排队等进入停车场的车流,想退出也就不容易了。为了进白云山脚下停车场,我们的车就等了差不多半个多小时。停车场内的车位全满了,停车场采用出一部车,让一部车进的方式进行管理。停好车,由于带了父母,年纪大了,准备坐白云山的索道或电动车上山,索道总是要排长队,只不过节假日队伍更长,看到等上电动车而排起的长队,也让人望而却步。上山的路上,也差不多人山人海。我们上山走了一半就下山了,我们能做的就是告诉大家,白云山已是人满为患了。

下午,有朋友讲,白云山上人不多,并晒出了山顶人不多的照片,经确认,确实下午上山的人比上午少多了,上山的电动车也不用排队。能解释的原因就是:大家都知道去白云山的人太多了,不想去凑热闹,反而引起上白云山人数大幅下降。

“大数据”时代,信息发达,小汽车的普及,人员流动便利,不仅没有解决去白云山人员的不均匀问题,有时,似乎比以前没有“大数据”,没有快速交通工具的年代情况更不可控。其实这原因也是可以推测的,若“大数据”是大家共享的,当大家都知道去白云山的人比较少时,原来想去白云山的人,会决定立即出发。原来没有打算去白云山的人,看到白云山上人很少,也就想去凑热闹。且开私家车人员的增多,人们形动更迅速,有可能在短时间内,使去白云山的人流量从不足向过饱和的拥挤状态迅速转变。反之,当上山的人数太多时,拥挤的信息也会很快向社会发布,原来准备来白云山的人,发现白云山那么堵,有可能取消行程,而没有准备上白云山的人,就更没有可能来了。

一般人的思维模式是相同的,获得拥堵与顺畅的所谓“大数据”信息,也差不多相同,故许多人所作出的判断与形动,也近乎相同,再加上便捷的交通工具,反而更能引起在旅游热点地区人群密度的大幅涨落。有人提出,对“大数据”的结果要进行反向思维,现在堵,就应该去,因为许多人知道那里堵了而取消了行程,真的去了就不堵了;反之,现在通畅,反而不能去,大家都知道通畅,都挤过去,反而又堵了。但对于人来讲,什么时候用正向思维,什么时候用逆向思维,似乎并没有什么规律可循,决策过程,就必然充满偶然性,这时,所谓拥有“大数据”信息的优越性就丧失了。

当然,只有一种条件下“大数据”是绝对有用的,即只有你知道,或极少部分的人知道,而其它大部分人不知道。马云掌管的阿里巴巴,网上营业额不断攀升,越来越多的市场数据被收集分析,而这些“大数据”,对民众的消费需求,消费习惯和趋势分析和评估都是非常重要的。原来阿里巴巴的这些数据都是公开的,后来,马云宣布不再公开,除非花巨资购买,这有关网上销售及咨询状态的“大数据”,无疑又会成为首富,二富的赚钱工具!




https://blog.sciencenet.cn/blog-732399-1007544.html

上一篇:促进专利实际应用可能性
下一篇:马云电子商务的高效率与社会公平
收藏 IP: 58.253.247.*| 热度|

29 周健 姬扬 陈楷翰 白龙亮 刘洋 吕喆 孙华 李久煊 李毅伟 赵美娣 黄仁勇 任磊 李学宽 李贤伟 赵凤光 黄永义 史晓雷 李志俊 强涛 李颖业 武夷山 李竞 高建国 肖小敏 xlianggg shenlu ericmapes aliala dulizhi95

该博文允许注册用户评论 请点击登录 评论 (29 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-4-26 19:40

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部