最近許多科技公司都採用回報機制,然後藉著回報的資料,主動提供用戶可能會感興趣的資訊,但……似乎有哪裡不對勁的感覺。

 

 

數位資訊無限多,但我們真的有得到需要的訊息嗎?

 

現階段而言,全球正在邁入數位化社會,資料的存取範圍及質量皆已相當具規模,即便許多用戶花了很多時間在使用、許多用戶也已懂得如何從數位資訊中找出自己的需求、甚至許多人都已擁有智慧型手機,但龐大且仍持續增加的網路仍有很多潛力尚未發揮,數位資訊的供需仍處極端不對稱的狀態。

 

網路對大部分的用戶而言就像個超大型倉庫,隨手可得文字、圖片、影音等資料,也可以把自有的數位資訊放進去,比較特別的功能就是可以讓大家在這個超大型倉庫中聊天,但如果只仰賴別人給的資訊,我們就可能陷入未知的操控中。

 

網路的使用對許多人來說已經變成事物的「指標」,但它還可以是事物的「聯結」,就像社群媒體的潛在價值,能讓不同事物間多了相關性與流動性,但社群媒體所帶來的海量數據可能又過於偏頗。

 

 


這麼多的資訊,真的都是我們想要的嗎?

 

 

數據的分析方法太過狹隘,真實性備受質疑

 

波士頓環球報的撰稿人 Samuel Arbesman 就曾提過:「海量數據也許挖掘得很深,但範圍太狹隘。」狹隘的視野常會使真實性備受質疑,像是直接從挖掘到的化石推測恐龍種類的實際分布情形,難道找到某種恐龍的化石越多就代表當時越多該種類的恐龍嗎?還是該種恐龍的化石越容易被發現到而已?

 

相同地,營利本位的網站其數據來源可能有兩種面向,其一是容易收集的數據,其二是對該網站有價值的數據,這就是為什麼許多分析報告不會解釋數據來源及分析方法。

 

 

善用科技,建立自有小型資料庫,別被一堆無用資訊埋沒了

 

那怎樣的資料才能完整呈現人類經驗呢?我們應該要停止被海量數據給困擾,開始利用現有的科技,建立自有的小型資料庫。以 Google 與 Expertmaker 為例,即使兩者都能從搜尋過的字串學習用戶的需求,不同在於 Google 會將它覺得你需要知道的資訊通通告訴你,但 Expertmaker 只呈現能幫助我們理解的資訊。

 

當我們向 Google 提出問題時,我們對問題的了解程度可能很嫩,也可能很懂,但即便使用 Google 的 進階搜尋 也無法讓 Google 了解我們的程度,因此才需要手動篩選自己需要的內容,這就牽涉到自身與該知識的互動情形了。

 

知識革命的起點就是得靠自身已知的知識,如果將海量數據依 Arbesman 所言視為一系列很深的井,那麼我們自身的小型資料庫就是該知識範圍的地貌。

 

Expertmaker 就是種幫助我們了解自身想法的工具,藉著輸入個人經驗或你覺得有鑑別度的分類參數,就能建立出屬於你個人的想法模型,還能以不同形象化及關聯化的工具確認是否接近自身想法。

 

 

分享你的想法模型,投身於知識革命吧

 

有了自身想法的模型後,下個重點就是怎麼與其他人的想法模型有所交流,以音樂家來說,他們將自己對音樂的知識及自己的個性、想法寫進曲子中,然後讓 這首曲子加入音樂世界,增添音樂世界的新景觀;同樣的,若每個人都將自身的知識與想法加入網路世界,不只讓知識世界的地貌變得更清晰,也能讓彼此或深或廣地探索己需。

 

貢獻自己的知識與想法有很多途徑,從 Expertmaker 貢獻想法,從 Open source projects 貢獻程式碼,從 General Assembly 貢獻所學,甚至我認為協助編輯 Wikipedia 也是種分享管道,總之,知識革命正在興起,但你我才是這波浪潮的源頭。

 

 

管理這檔事,你擁有更好的方法!

〉〉《如果上班族讀了杜拉克,行動就會不一樣》你管理好你的時間了嗎?

〉〉秘訣:把握每天的第一個鐘頭

〉〉賽局理論沒有教你的事

 

資料來源:來源

圖片來源:來源來源