大数据能干啥？
发布时间：2021-06-05 10:49:39 所属栏目：大数据 来源：互联网
导读：今天随便聊聊一个Susan在2017年发在Science上文章：Beyond prediction: Using big data for policy problems。Susan Athey是美国著名的经济学家，现在是斯坦福大学商学院的教授。在平台和大数据方面的研究方面，她大概是经济学界林朝英这样的角色。值得一提
|
今天随便聊聊一个Susan在2017年发在Science上文章：Beyond prediction: Using big data for policy problems。Susan Athey是美国著名的经济学家，现在是斯坦福大学商学院的教授。在平台和大数据方面的研究方面，她大概是经济学界林朝英这样的角色。值得一提的是她老公Guido Imbens在计量领域的名声更加盖过了Susan在商学领域的名声，大概算是王重阳。
之所以提到这篇论文是因为里面提到了一些非常有趣的关于大数据未来在产业经济领域发展方向的问题。众所周知大数据和机器学习技术的出现大幅提高了我们运用数据来预测的能力，比如说一个和我们生活最息息相关的方面就是许多平台软件会通过大数据学习来定向推送内容(每个人打开百度搜索相同的关键词，得到的结果和排序可能都是完全不同的)。
那么对于社会科学工作者而言，一个自然而然的问题就是：我们未来的发展方向有哪些是可以和大数据方法相契合的?换而言之，社会科学工作者，或者企业领导者是不是可以直接拿来主义，运用大数据来指定相关政策，优化社会福利或者公司运营呢?
苏三(Susan)在她的文章里面提到了现实生活中大数据应用的三个方面：
医疗
医疗方面一个使用大数据预测的例子是：医生希望通过大数据来预测符合哪些条件的病人更适合来做髋关节置换手术。所以他们使用机器学习来预测哪些手术候选人可能在手术后的一年之内死亡，通过手术的风险率来确定病人是否适合做这样的置换手术。他们的说法非常具有经济学意义：一个人只有通过手术能够活得很长的时候，做手术才更有意义;如果手术之后不久就死了，还要为手术承受额外的痛苦，那可能只是一种金钱上的浪费和徒劳。
其实这是一个非常具有现实意义的问题，比如说面对流行病我们是不是也可以使用大数据来对不同程度的感染者采取不同的治疗手段，从而使得有限资源可以最合理化的分配。
然而一个重要的问题在于，我们是不是可以简单地通过这样的风险分类的方式来决定手术的优先性?同时简单基于关联性的机器学习结果也并无法回答更深层的问题，比如说患者之间可能存在我们看不到的异质性问题。就目前而言我们可能并无法通过模型的预测结果来直接判断是否某些病人可能比另一些病人更有可能引发并发症。
回到这次的肺炎事件来看，我们如果仅仅从个体治疗效果角度进行判断通过大数据建立模型来决定有效的治疗手段和方案，会不会忽略了个体的传播性?比如说有一些病患可能从个体角度上来说治疗的优先级并不是最高，因为他们身强体壮。但是可能这些病患恰好是极具传播力的人，反而应该被优先处理。更本质地，到底这种根据存活率来分配稀缺资源的方式是不是就是我们人类社会所追求的最优方式?
 （编辑：新余站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
