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，分辨设立了“数据化运营”、“数据营销”、“IOT和O2O数据利用”、“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，缭绕“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，未来数据分析应当首先完善人的纬度，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断定的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，我们只有不读书才谈判那些，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，第一问题是人类行动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，人和人之间的差别，DNA上差别，本来说是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别，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%的类似度，但是人的行动有多少呢？按几十亿次来算，几十亿次几百万亿次的行动，当中如果有90%的类似度，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，审美疲劳不爱好了，本来特别爱好，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，实际上重要做的本来集体学习当中，太随便，我不断优化这个模型，但是深度学习一直在用于图像、视频，这些包含文字学习当中，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，抓取简略的运算，简略表格的运算，数据可视化这些都比较容易，只要把经典算法学过来，简略改良，现在多的不得了，改良一下利用到现实当中不难。但是难的问题是什么？效果，如何改良效果，这是一个天大的难题。

　　人们浏览行动那么快，我们必定要在这个基础问题上用MODElbased.我们现在习惯于打标签，以类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，大批的过度泥和。

　　不要把一个变量懂得为一个维度，一个变量是N个维度。这个时候我们在数据运算的时候，任何一个人的行动都是无规律的，但是人的生活方法是很有规律的，我们创造十年后看到人一点都没有变，会议速记，生活方法、价值观、表现情势一点都没变，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，群的行动的规律是稳固的，这个分群不是一个行动的迭加，它是一种生活方法的展现。在这个当中，群是可感知，可评判，一个人可以处于N个。我们在本来创造中有一个小群体，在移动互联网里中，技巧红颜，35到45岁的女性，买手机，消费当中都有技巧最前面的手机，寻求技巧，我们这拨人引领了什么？技巧红颜的是从年轻果粉中涌现的。大家可以看技巧红颜引发的技巧旋风。接下来他演变成了宏大的趋势和族群，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，他同时引领了全部产业潮流的变迁，他把全部安卓新的崛起，背后都跟这个小族群有非常大的接洽关系。