数据如何解决历史上无法简化为客观数字的问题？

[shukla7789]

数据如何改善关系
数据量。有时，数据量的增加足以让我们更好地了解人类如何合作和相互评价。在收集了数百个维度的信息后，即使是一个基本的算法也应该能够精确地确定预测人类行为的某些指标，或者至少决定关系的质量和形态。
例如，大量数据和研究可以揭示数百个增加离婚可能性的因素。然后，这些因素的存在与否可以用来评估一段关系的相对强度，即使在关系的最初阶段。

预测性人工智能。预测性人工智能采用多种与数据相关的学科，包括数据挖掘、统计、建模和机器学习，以对复杂系统进行预测。只有在这些 匈牙利电报数据库 技术突破的交汇处，我们才能生产出一个足够复杂的系统来预测一个人的未来行为。
目前，大数据使我们能够对一个群体的平均行为方式做出全面的预测；但群体越小，变量就越难以预测。

“主观”数据点。我们还将看到更多主观数据点的优先排序。尽管大多数系统仍然需要某种方式来使主观特征可数或可测量，但如果我们想预测人类行为并改善与他人的关系，我们需要了解性格特征和情绪状态的复杂性。
从许多方面来看，这是管理人际关系中最难掌握的领域。就人类行为而言，变量和结果之间并不总是存在着直接的关系。

此外，我们天生不擅长在预测分析算法容易解析的客观环境中评估主观因素。

个人与组织的区别。有时，个人关系可能会破坏或至少使组织目标复杂化。目前，我们的大部分分析技术最适合用于研究大量对象，无论是组织中的数百名员工，还是某个领域的许多组织。
向使用数据来管理人际关系的转变将要求我们“放大”个人，这将需要新的方式处理数据 - 以及更为密集的方式收集数据。

在这方面，我们面临一些关键挑战，但数据分析的未来几乎肯定会专注于个人人际关系的力量和管理。我们已经看到一些功能强大的系统开始出现，它们可以对以前无法预测的数据集进行预测。


随着企业和消费者对改进的需求不断增加，我们不太可能看到这种势头在短期内放缓。几年后，我们可能会获得能够让我们成为更好的管理者、更好的房东、更好的谈判者甚至更好的朋友的软件。