对于“男人喜欢什么样的女人”这个问题，一直是女人最想知道的。但因为主观审美不同，我们很难说什么样的女人男人才会喜欢。不过现在科学给我们做了调查研究，概括出了一些男人最爱的女性魅力特征，告诉我们最想知道的答案：男人其实喜欢这样的女人!

男人和女人都时常会好奇什么样子才会讨异性的喜欢。很多“专家”想让女人们相信，抓住男人的眼球其实很简单，无非穿得清凉一点或者散发出特定的味道。

然而最近的研究表明，男性的注意力远比小短裙和好闻的香水复杂。比如说，女人衣服的颜色可能会比衣服本身更令人心动。原来男人们更喜欢这样的女人!

化得体大方的淡妆

男人确实觉得化妆的女人有魅力，不过妆容的类型和位置更加重要。

约会网站及手机应用Zoosk最近分析了1200名女性的形象资料，以便确认男人是不是真的更喜欢“全天然”的样子，以及如果是的话，是否还喜欢化妆的女人。

比起来没有眼妆的女人，画了眼影的女人收到男人私信的可能性高出139%。口红让女人得到约会的概率也比嘴唇上什么都不抹高出119%。另一方面，对1800名男性Zoosk用户的调查表明，男人不大愿意向化了浓重彩妆或者暗色妆的女人发信息，因为她们“看起来”不自然。

所以说，女人疯狂投资在护肤品和化妆品上的行为还是可取的，虽然男人为此常常吐槽。但是，他们的行为已经出卖了他们心底真实的想法。

有性感的腰臀比

女人身体是她寻求理想伴侣的重要资本，尤其是其腰围和臀围的比值，又称腰臀比。男人不仅会把腰臀比和总体健康联系起来，还会将其与生殖力挂钩。

证据也表明，腰臀比是女性雌激素水平、肥胖风险，以及对糖尿病、卵巢癌和心脏病等重大疾病易感性的重要指征。腰臀比的计算是用髋骨上方的腰部周长除以臀部最宽处的周长。女性的理想腰臀比是0.7，你呢?

穿鲜艳的红色衣服

尽管女人的嘴唇和眼睛被涂成彩色比较不容易激起男人的兴趣，色彩鲜艳的衣服，尤其是红色的，却相当能吸引男性的目光。

罗彻斯特大学的心理学家向男性展示了一些相框为红色或者白色的女性照片，询问：“你认为此人有多么漂亮?”另一部分研究者展示了同样的照片，只不过女人的衬衫被修改成了红色或者蓝色，然后询问受试男性：“假设你要与此人约会，而且兜里有100美元。你愿意在约会中花掉多少钱?”在红色相框中或者穿红衣的女人明显更容易被认为有吸引力或者性感，男人倾向于在与她们共度的浪漫夜晚花掉更多的钱。

尖细的嗓音

声音的吸引力对约会双方来说都作用重大。研究表明，男人更倾向于觉得音调高的女人招人喜欢。和动物的叫声类似，人类语声表达的情绪能向听者传达体型信息。所以当男人听到女人尖细的嗓音，也会联想到娇小玲珑的身材

不说粗鄙的语言

知书达理的女人会让男人感到舒服熨帖，尤其是在公众场合或重要的社交活动。如果有一个知书达理的女人出现，绝对是会抢走所有男人眼球的，毕竟，男人也是需要虚荣的，也希望自己能够娶到的女人是上得了厅堂下得了厨房的。而且，最好是待人接物彬彬有礼，闲聊交谈知识面较广，没有粗鄙的口语，没有不懂装懂的假冒伪劣。因此，这样的女人可以让男人感到心情很愉悦，也很舒畅。

亲密时会做出回应

发表在《个体与社会心理学会刊》上的一项研究证实，在第一次浪漫交锋当中，男人的响应性或者对女人需求、愿望的支持，对女人来说意义非常小。但令人惊讶的是，女人的响应性却会提高男人对其吸引力的感知以及性唤起。

此外，女性吸引力会影响一个女人在男人眼中有多少女人味，并决定男人是否愿意寻求短期或者长期交往关系。

会撒娇发嗲

会撒娇的女人让男人觉得自尊心爆棚。会撒娇的女人多半都很有女人味，当男人劳累了一天回到家中，听到温馨撒娇的声音，疲惫不堪顷刻之间就化为乌有，为了小家庭男人就算是再累也会觉得甘甜。

温柔

男人不一定对漂亮的美女动心，但绝对会对善解人意的女人充满好感，这种女人最懂得欣赏和夸奖，就算是男人遇到困难的时候，善解人意的女人总是会给最大的关心与关怀，并且一直在鼓励。跟这样的女人在一起是最开心的，男人不用为做不好某件事情而耿耿于怀。因此，但凡事业成功的男人，都希望自己的身边有一位善解人意的温柔女人。

尊重男人

人们常说“家不是讲理的地方”，但是男人回到家关起门来，仍然希望获得爱人的尊重和理解。到了公众场合和大庭广众之下，如果爱人能够表现的温良谦恭，这会让男人有一种开心的虚荣的满足感。

思想简单

恋爱的最后不过是结婚，然后过一辈子，说到底就是找一个跟自己合得来的人找搭伙过日子，没有必要想那么多，搞的很复杂。特别是男人白天在职场已经勾心斗角了一天，早已是身心疲惫，回家后当然是希望跟一个思想简单一点的人共进晚餐。而且，跟思想相对简单的人生活在一起，没有不切合实际的幻想，没有高不可攀的人生追求，自然可以让人更容易产生幸福的感觉，可以让男人回到家里就能感受到温情。

性格开朗

没有一个男人喜欢性格忧郁的女人，也很少有男人喜欢性格极其内向的女人，反倒是那些性格开朗的女人很容易吸引到男人的眼球，获得男人的欣赏。男人劳累一天回到家里，总喜欢看到灿烂的笑脸，而不是一个林黛玉。

中国教育科学研究院曾经对中国4万名家长和孩子做过一项调查，在调查4个省中后发布了结果，在《中国教育报》上连载，大概有十个主要结论：

1、中国父母亲最关心孩子什么?

中国大部分父母最关心孩子的成才而不是成人，他们关注的眼前比较多。但是真正决定孩子未来的几个关键性问题关注不够，比如兴趣爱好。其实人的兴趣爱好，也是孩子认知社会一个最好的方法，仅仅关注学习成绩，不利于孩子的创造能力和兴趣的养成。孩子的情绪、处理人际关系的能力，自我管理的能力，性格、人格特征，事实上比家长最关注的这些问题要重要得多。

2、学前班对孩子来说是不是很重要?

这次调查结果发现，学习成绩比较差的孩子里面，上过学前班比没有上过学前班的多10.89%，这个结果颠覆了很多人过去的观念。我们很多父母都不想让孩子输在起跑线上，要赢在起跑线上，所以要比别人早一点学，比别人多学一点。事实上，孩子是需要童年的，是需要游戏和快乐的，你逼着他学习的东西他不会感兴趣。过早使孩子对学习产生对立的情绪，让他还没有进学校就恐惧学习了。

3、择校的意义和效果如何?

很多父母都谈论着择校，都要想方设法把孩子调到好学校。大数据分析发现最优秀的学生里面择校生和非择校生没有什么区别，比例分别是29.95%和28.48%。当然并不是说选择好学校对学生的发展就没有帮助，坦率地说因为学校是有文化的，学校之间孩子是相互影响的。孩子之间彼此的影响，远大于孩子被哪所学校影响。关键是为什么有的择校效果不好，对于那些基础相对薄弱的孩子，在别的学校他可能有安全感和自信心，到了最好的学校面对众多的学霸反而打起了退堂鼓，学习成绩自然而然就会下降了。

4、学生上课外班和不上课外班能不能有效提高成绩?

中国孩子大概90%都是上课外班的，上了课后补习班孩子的业余空间都被填满了，自主学习的可能性就不够了。这样学习能力就会萎缩，发展就会受到很大的限制。另外课外班相对来说依然是学校生活的延续，依然是课本的延续，课堂的延续，学生没有一个开拓视野的机会。一个孩子没有大量课外阅读的时间，不可能得到很好的发展。

5、物质刺激是不是能够激发孩子的学习热情?

很多家长用金钱、奖赏、等各式各样的诱惑来激励孩子学习。这个调查中并不是我们意象中效果那么大，作用更大的是什么?是父母教育的一致性、协调性，更能够激发孩子的学习。比如，在父母亲观点不一致时，他们不会当着孩子面吵架，而是私下里交流、分享、协商。物质刺激远远不如父母对孩子正面的影响。

6、调查父母闲暇时间在干什么?

发现最多的是父母在读书看报，父母自己在学习的、读书看报的，他们的孩子成绩优秀的比例是最高的，占了31.31%，其次是父母也会看电视、玩电脑以及看手机，他们的孩子成绩优秀的比例就少得多，为27.43%，还有特别喜欢朋友聚会的家长的孩子成绩优秀的只有24.90%。我相信这些数据在现实生活中差距还大一点，个人感觉差距不像想象那么大。

7、孩子自我管理能力，对学习影响有多大?

很多父母为了让孩子聚精会神的去学习，所有的忙都帮他做了，所有的活都不让他干了。结果，认为只要学习好做不做家务都可以的孩子学习成绩优秀的只有3.17%。而认为应该做家务的，应该自己管理自己事情的优秀的孩子占了 86.92%。让孩子管理还自己的事情的能力是非常关键的。学习是一个自我管理的过程，这个结论对很多父母是有很重要的启示的。

8、父亲对孩子成长有什么作用?

在中国很多家庭，父亲是看不见的，所谓“影子父亲”。父亲在家庭教育当中真正的作用远远没有发挥出来，这次的调查发现，在中国90%的家庭，孩子的学习父亲没有尽责。大部分家庭孩子的学习都是妈妈来承担，而我们知道缺失父亲的教育，对孩子尤其对孩子的性格养成是有一个明显的局限。性别认同会弱化，容易被母亲过分地呵护，过度地保护，缺少独立锻炼的机会，缺少男子汉的气概。所以在家庭的教育里缺少了父亲的角色会出现各式各样的不良行为。

9、中国的父母了解孩子吗?

通过对父母了解发现，父母他们首先知道孩子有几个朋友，其次孩子喜欢哪位老师，喜欢上什么课。父母亲没有走进孩子内心去，不了解孩子到底有什么愿望，不了解孩子不愿意和父母说的事，孩子到底崇拜谁?这说明我们父母没有去了解孩子内心的需求，没有了解孩子内心的真实状况。

10、孩子的学习成绩和父母的养育方式是不是有关?

凡是采取积极态度的教育方式，孩子的学习成绩都是比较高的。反之父母的教育方法消极，孩子学习成绩相对来说是比较差的。说明孩子的学习成绩跟父母的养育方式还是有非常密切的关系的。

----------拓展阅读----------

【精选】再苦再难，都要把孩子带在身边

【音频】单亲妈妈能教育好自己的孩子吗

【视频】再忙要抽出时间陪孩子

-------------声明-------------

“好家长”成长空间挑选优质文章、音频、视频，与大家共同学习。重在分享，尊重原创。

1.作者版权及观点归原作者所有，向原作者致敬。

2.略有删减，如想看原文，请按照标明的出处查询。

3.所有转载均标明原始出处与原作者，如尽力核查未能发现原始出处和原作者，则默认“来自网络”。若有疏漏欢迎原作者及时联络署名或者删除。

4.若涉及版权问题，烦请原作者联系我们

看过大概50本玄幻小说之后，基本可以总结出一些规律了，结合计算机编程技术，来看看如何写一本畅销的玄幻小说。

大概分这样几个步骤：

1.数据分析：确定分析目的和标准，选择分析数据源，编写分析程序，汇总数据为展示结果。

2.特征分析：根据汇总数据进行人工分析和归纳，总结出共性的地方和一些基本规律。

3.元素设计：根据基本规律设计：故事，人物，技能，武器和道具，地图。

4.编写大纲：根据元素设计四级大纲结构：卷／编／章／节。

5.填充细节：根据大纲结构，按次序填充细节，并收集各种素材，整理编写。

6.上线验证：编写好100章之后，投放到小说网站进行上线验证，并根据反馈调整大纲。

7.营销引流：到营销平台发布广告，给小说引流，或者在小说平台采购流量，进行营销，扩大阅读量。

1.数据分析

确定分析目的和标准：热门玄幻小说热门词汇出现次数

选择分析数据源：起点，晋江，红袖，云起，纵横

选取文章：按订阅数最多的每个源选取20个玄幻小说

数据抓取工具：使用python编程语言，使用urllib库

编写分析程序：根据网站文章链接规则，抓取所有的文章数据，存入数据库，然后找一个辞典，按照辞典的词汇进行遍历所有文章，如果匹配上则词汇出现次数加1，统计出所有词汇的出现次数。

汇总数据为展示结果：将排名前200的出现的词汇排列出来。

2.特征分析

根据这200个词汇，可以得出一些基本的概念和结果，注意去掉一些不相关的词汇。

比如，人名地名，人物修为等级，情绪类词汇，语气助词，战斗类词汇等等。

3.元素设计

设计故事概要：总的大情节如何发展，总共有几个大地图，地点都是什么，世界组成，势力分布，力量等级，货币换算等等比如：主角经历凡界／地狱界／仙界／魔界／神界总共5个大地图。

设计人物性格和关系：主角是谁，配角是哪些，反派都有谁，打酱油的又是哪些，谁先领便当，每个人的鲜明性格特征是什么，最喜欢的事物都是哪些，口头禅都是什么，关系图谱是如何的，人物身世家境，外貌喜好，力量属性，主要人物最好设计好简历

设计技能和升级要素：总共有多少个等级，每个世界的等级分别是什么名称，每个等级具体的实力对比特征，每个级别升级的难度，大门槛和小门槛的设计

武器和道具设计：武器总共分多少等级，道具分多少等级，总共有几类：攻击武器／防御防具／交通工具／药材和丹药和丹炉等／炼器／其它各种等等

地图设计：每个世界具体的位置，东西南北各个方向，城池，遗迹，绝地，洞天，洞府，怪物分布等等。

可以参考目前最流行的一些游戏的元素设计，假如小说畅销，未来直接改编为游戏更方便。

4.编写大纲

根据元素设计，编写四级大纲结构：卷／编／章／节。

比如：总计10卷，每卷10编，每编10章，每章10节，每节大约300字。总计300万字。总共5个世界，每个世界2卷。

每个世界设计好故事情节发展，落实到每个章节中去。

比如：某一编的10个章节中，3个章节用于修炼升级，3个章节用于战斗，2个章节用于人物来往，2个章节用于其它情节。

设计各种故事情节套路：遗迹洞府探险／挑战比赛／黑吃黑／拍卖会／小规模战斗／大规模战争／炼丹炼器／做门派任务／武器和道具升级／技能升级／人物关系来往／其它等等。

将故事情节套路进行分配安排，按照从粗到细，尽量不重复的原则分配到卷和编上，然后在章和节确定更多的细节特征，做到至少每个节都能用一句话描述出来。

5.填充细节

将每个章的每个节的提纲的一句话进行发挥扩展，填充其中的细节，加入更多的人物描写，情节故事描写，其它细节描写。

将一句话扩充为300字左右，可根据情节细节增加或减少字数，也可以根据情节细节发展调整故事大纲。

注意，保持人物特色鲜明，故事情节能够吸引人，加入自己的文字语言风格。作品中的人物要充满活性,每一个人都是活生生的,要仔细设定其性格特点,然后在行文中时刻注意,看自己对人物的塑造是否符合该人物的性格设定。给人物设计几个能体现性格的小动作，或者语言习惯，或者表情等等。

另外，可以考虑使用计算机编程技术，给定这个小节出现的代表性词汇几个，然后随机抓取10篇包含这几个词汇的其它热门小说的章节内容，参考其中的细节描写和内容，改造成自己的语言风格。

6.上线验证

编写好100章之后，投放到小说网站进行上线验证，并根据反馈调整大纲。

注意投放的目标网站，投放的节奏，和读者的反馈等等。

7.营销引流

到营销平台发布广告，给小说引流，或者在小说平台采购流量，进行营销，扩大阅读量。

该花成本的时候不能吝啬，任何一门生意都是需要投入的。

总结一下，这里最大的难点其实在于编写大纲，好的大纲就如同一个好的剧本，决定了故事的完整性和流畅度，决定了故事是否吸引人，决定了后续细节填充的骨架，一个好的故事大纲设计加上有趣有特色的文笔，能够产生出一个畅销的玄幻小说。

最后，写小说比编写程序要难多了，大家还是来跟学哥学编程吧。

当下，人工智能、大数据等热门词汇频频出现在人们的视野中。作为万物分析的大数据更是站在互联网的风口浪尖上，直接催热了大学里的大数据专业。

从IT时代进入DT时代，高校在大数据方向上设置了什么专业，具体学什么，就业怎么样，作为新兴专业，考生如何报考?今天，就来谈一谈这个大家关注的热门专业。

1.什么叫大数据？

进入互联网时代，中国的网民人数已超7亿，大数据的应用涉及到生活的方方面面。例如，你在网站上买书，商家就会根据你的喜好和其他购书者的评价给你推荐另外的书籍；手机定位数据和交通数据可以帮助城市规划；甚至用户的搜索习惯和股市都有很大关系。

在谈到大数据的时候，人们往往知道的就是数据很大，但大数据≠大的数据。大数据，就是存储在各种存储介质中的海量的各种形态数据，具有5V特点，即：Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值密度)、Veracity（真实性）。大数据之“大”，不仅在于其“大容量”，更在于其“大价值”，并已成为除人力、土地、财务、技术之外的另一种重要的基础资源。对各种存储介质中海量信息的采集、存储、分析、整合、控制而得到的数据就是大数据。大数据技术的意义不在于掌握庞大的数据信息，而在于对这些数据进行专业化处理，通过“加工”实现数据的“增值”，更好地辅助决策。

2.数据科学与大数据技术专业

本科专业中和大数据相对应的是“数据科学与大数据技术”专业，它是2015年教育部公布的新增专业。2016年3月公布的《高校本科专业备案和审批结果》中，北京大学、对外经济贸易大学和中南大学3所高校首批获批开设“数据科学与大数据技术”专业。随后第二年又有32所高校获批“数据科学与大数据技术”专业。两次获批的名单中显示，该专业学制为四年，大部分为工学。

数据科学与大数据技术是个交叉性很强的专业，很难说完全归属于哪个独立的学科。所以，不同的学校有的是信息学院申报，有的是计算机学院牵头申报，有的设在统计学院，还有的在经管学院。像北京大学这个专业是放在理学下，授予理学学位。大多数是设在工学计算机门类下，授予的是工学学位。数据科学很早就存在，是个比较经典的学科，现在和大数据技术结合形成了这个专业。目前教育部设定的本科专业名称为“数据科学与大数据技术”，专科名称是“大数据技术与应用”。

3.数据科学与大数据技术学什么？

以对外经济贸易大学该专业为例，专业知识结构包括数学、统计、计算机和大数据分析四大模块，具体课程设置如下：

数学：数学分析一、数学分析二、高等代数、离散数学。统计学：概率论与数理统计、多元统计分析、随机过程。计算机：数据机构、计算机组成原理、操作系统、数据库系统原理、C++程序设计、Java程序设计、Python与大数据分析、科学计算与Matlab应用、R语言等。大数据分析：数据科学导论、机器学习与数据挖掘、信息检索与数据处理、自然语言处理、智能计算、推荐系统原理、大数据分析技术基础、数据可视化、大数据存储与管理、大数据分析实践等课程。

数据科学与大数据技术是一门实践性很强的新兴交叉复合型学科：以统计学、数学、计算机为三大支撑性学科;生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等，知识结构是二专多能复合的跨界人才(有专业知识、有数据思维)。根据各校偏重的专业方向，课程设置有所差异，感兴趣的同学可以具体查看各校的专业和课程设置情况。

1.行业增速快 人才缺口大

随着移动互联网和智能终端的普及，信息技术与经济社会的交汇融合，引发了数据迅猛增长。新摩尔定律认为，人类有史以来的数据总量，每过18个月就会翻一番。而海量的数据蕴含着巨大生产力和商机。

2011年至2014年四年间，我国大数据处于起步阶段，每年均增长在20%以上。2015年，大数据市场规模已达到98.9亿元。2016年增速达到45%，超过160亿元。预计2020年，我国大数据市场规模将超过8000亿元，有望成世界第一数据资源大国。但数据开放度低、技术薄弱、人才缺失、行业应用不深入等都是产业发展中亟待解决的问题。

根据领英发布《2016年中国最热职位人才报告》显示，有六类热门职位的人才当前都处于供不应求状态，稀缺程度各有不同，其中，数据分析人才的供给指数最低，仅为0.05，属于高度稀缺。

目前的当务之急是解决大数据人才瓶颈问题，相关调查显示，未来3-5年大数据人才缺口达到150万之多。，但截至目前，中国大数据从业人员只有约30万人。同时，大数据行业选才的标准也在不断变化。初期，大数据人才的需求主要集中在ETL研发、系统架构开发、数据仓库研究等偏硬件领域，以IT、计算机背景的人才居多。随着大数据往各垂直领域延伸发展，对统计学、数学专业的人才，数据分析、数据挖掘、人工智能等偏软件领域的需求加大。

数据分析师现在需求就很旺盛了，2年工作经验的月薪可达到8K，硕士学历的数据分析师月薪可达到12K，5年工作经验的可达到40万至60万元。

2.大数据主要就业方向

2015年9月国务院印发《促进大数据发展行动纲要》，系统部署大数据发展工作。《纲要》明确提出了七方面政策机制，其中第六条就是加强专业人才培养，建立健全多层次、多类型的大数据人才培养体系。目前，大数据主要有三大就业方向：大数据系统研发类、大数据应用开发类和大数据分析类。具体岗位如下：

1.大数据系统架构师

大数据平台搭建、系统设计、基础设施。

2.大数据系统分析师

面向实际行业领域，利用大数据技术进行数据安全生命周期管理、分析和应用。

3.hadoop开发工程师。

解决大数据存储问题。

4.数据分析师

不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。

作为一名数据分析师，至少需要熟练SPSS、STATISTIC、Eviews、SAS、大数据魔镜等数据分析软件中的一门，至少能用Acess等进行数据库开发，至少掌握一门数学软件如matalab、mathmatics进行新模型的构建，至少掌握一门编程语言。总之，一个优秀的数据分析师，应该业务、管理、分析、工具、设计都不落下。

5.数据挖掘工程师

做数据挖掘要从海量数据中发现规律，这就需要一定的数学知识，最基本的比如线性代数、高等代数、凸优化、概率论等。经常会用到的语言包括Python、Java、C或者C++，我自己用Python或者Java比较多。有时用MapReduce写程序，再用Hadoop或者Hyp来处理数据，如果用Python的话会和Spark相结合。

6.大数据可视化工程师

随着大数据在人们工作及日常生活中的应用，大数据可视化也改变着人类的对信息的阅读和理解方式。从百度迁徙到谷歌流感趋势，再到阿里云推出县域经济可视化产品，大数据技术和大数据可视化都是幕后的英雄。

1.院校开设情况

大数据人才的典型胜任特征：善于做需求分析、写代码;善于与人沟通，喜欢探索未知;需要根据数据推演、分析、提出解决方案，有数据思维;需要持续保持学习状态;内性格上能动能静。

不同办学层次的院校开设此专业，培养模式会有差异。例如，高职类院校学生由于数学基础相对薄弱，会跟多偏向于工具的使用，如数据清洗、数据存储以及数据可视化等相关工具的使用;本科院校会倾向于大数据相关基础知识全面覆盖性教学，在研究生段则会专攻某一技术领域，比如数据挖掘、数据分析、商业智能、人工智能等。

在“教育部2015年度普通高等学校本科专业备案和审批结果”中北京大学、中南大学、对外经贸大学成为首批开设 “数据科学与大数据技术”本科专业的高校，随后中国人民大学、北京邮电大学、复旦大学等32所高校成为第二批成功申请该专业的高校。至去年上半年，我国已有35所高校获批“数据科学与大数据技术”本科专业。经过一年的发展，申请院校成井喷式的增长，全国高校大数据教育联盟通过教育部公示的申请2017年“数据科学与大数据技术”专业的院校来看，2017年申请院校高达263所，其中工学190所，理学73所。

数据科学与大数据技术是个交叉性强、跨学科的专业，很难说是完全归属与那个独立的学科。高校牵头申报的学院不同，培养重点和授予的学位可能不一样。因为课程来自于不同的学院，也有高校是联合一些学院单独成立机构来申报。从名单可以看出，在大部分开设院校中该专业都属于工学类，有个别院校将其归属在理学门类，授予理学学位。

有志于学习数据科学与大数据技术专业的学生，可以从大学的传统优势领域和行业背景考虑选择。比如，复旦大学的大数据技术本科专业是设在大数据学院下；北京大学是在数学院开设了该专业，偏数学的内容更多一些。对外经济贸易大学该专业设在信息学院，因为财经是学校传统优势，专业还会偏重经济、金融等相关学科领域的知识。

2.报考注意事项

了解了大数据行业和大数据专业后，对于考生填报与大数据相关的热门专业，需要注意以下几点：

1.报考热门专业和就业热的专业并不一定是重合的，比如软件、计算机、金融，这些专业的就业率实际并没有那么高，地质勘探、石油、遥感等专业，虽然报考时是冷门，但行业需求大，就业率更高。

2.选择热门专业，更需要考虑就业质量。专业就业好，是统计学意义，指的是平均收入水平高，比如金融专业的收入，比其他纯文科专业的平均收入较高，但落实到个体层面，就业情况就不一样了，尤其像金融专业是典型的名校高学历好就业，但对于考试成绩较低的同学来说，如果去一些普通院校、专科院校学习金融，最后就业情况可能还不如会计专业。

3.志愿填报，除了专业，城市因素也很重要：如果想从事金融、互联网的工作，更适合去一线城市，如果是去三、四线大学的学生可以考虑应用面比较广的专业，就是各行各业都能用到的专业，比如会计专业，专科层次的会计和985层次的会计都有就业渠道。如果先选择报考城市，也可以针对所在城市的行业特点选择专业，比如沿海城市外贸相对发达，选择国际贸易、外语类专业就业情况更好，比如武汉有光谷，选择光电类专业更好就业。

4.最终家长和考生更需要考虑个人与专业匹配的问题，金融、计算机等热门专业不是所有人都适合学，好专业不见得对所有个体都是好的。

5.最后，考生报考时要注意，有的高校大数据专业是按大类招生，即按计算机大类，且只招理科生。

下面是人大、北邮、中南大学三校2017年数据科学与大数据技术专业在五个省市的录取数据。其中，人大的大数据专业归统计学大类；北邮的大数据专业归计算机大类。

昨天腾讯视频官方发布大数据，《创造101》的热度是《偶像练习生》的8倍，随后爱奇艺马上发文《这才是中国第一支女团吧》反击！

这一下，娱乐圈突然又掀起高潮了，最火的女团VS最火的男团，两家团队的公司，开始发力了！

我们下边详细的看一下腾讯的大数据：

首先我们看一下这个数据，图文阅读量8.3亿，视频播放8.7亿，话题参与量1735万！虽然没有直接指出是《偶像练习生》的8倍，但是依然在下边罗列出了《偶像练习生》的数据，图文1.1亿，视频1.5亿。

很多人其实都很好奇，腾讯这个数据到底是哪里来的，小编推测，腾讯统计这些数据，应该来于自有的平台：天天快报、QQ浏览器、微信公众号等，所以得出这样的数据，而《偶像练习生》的数据到底是哪里来的，这个目前暂不得而知！

如果说《创造101》的热度超越了《偶像练习生》这个的确是正确的，凭借借王菊、杨超越两个话题女王，《创造101》的八卦新闻基本上长时间霸占了各大娱乐媒体的头条新闻，而《偶像练习生》的八卦新闻，则不是太多，热度真不及《创造101》，而且腾讯采用的是全民点赞投票PICK偶像的方式，基本上全民的参与度非常高，这个是合理的制造热度的好办法。而且《创造101》晚于《偶像练习生》，也一定是借鉴了《偶像练习生》的不足之处，所以才能取得如此好的数据！

但是论人气的话，感觉《创造101》的人气，远远不及《偶像练习生》，因为网络话题更多的是传播的《创造101》的八卦新闻，而非实力颜值之类的新闻！C位出道的蔡徐坤也很快的微博粉丝破1000万，而且陆续开始登陆各大电视平台，同时也在综艺里展现除了超高的情商和超强的个人能力，反观《创造101》，在出道的第二天就登陆了芒果卫视，但是相反，展现出来的是：对口型等负面新闻！

而且《创造101》在总决赛过后，凭借着杨超越第三出道话题热度依然不减，而且李子璇未能出道，被众多明星心疼，话题热度依旧占据各大娱乐媒体头条，但是这些话题热度，都是无关乎实力和团队建设发展。所以，仅仅一个话题热度，无法佐证《创造101》的人气是《偶像练习生》的8倍。这样说，稍微有点言过其实了！

不过作为《偶像练习生》的节目组，爱奇艺很快开始强有力反击：

首先借这这首《恋人未满》为契机，直接切入主题：没有华丽多彩的舞台效果，没有可爱精致的服装，也没有撩人的舞蹈动作。这些好像都在反讽创造101，舞台很华丽，服装很新潮，舞蹈动作都特别撩人。大意就是，《创造101》太虚幻了，重视的是外在，而不是内在的实力！！！真正的实力在哪里，都是高科技的东西！

更重要的是讲，这首歌已经传唱17年了，而《创造101》基本上还没有能拿得出的作品！

一句：S.H.E能红这么多年，音乐实力、人格魅力、团魂缺一不可。反而现在女团最推崇的“漂亮”，不是她们成功的必要条件。

其实这句话小编还是不能认同的，如果说颜值，火箭少女101的确颜值上加分很多，但是论音乐实力和人格媒体，在火箭少女101中，真心的不缺乏这些东西，如果拿这两个来抨击《创造101》只推崇漂亮，有点尬黑的感觉了！

而且提到SHE合体后，经过1年的培训才正式成团出道，而《创造101》23号成团，24号就登陆了芒果卫视。

感觉是不是有点太急于圈钱，而没有经历过严格的培训和真正的相处，在配合度等问题上，出现了很大的问题！

而且也没有太拿得出手，属于自己的作品，是的确有太着急圈钱的可能啊！

然后谈到了年龄，SHE全是18岁的年龄，而创造101基本上全是20岁以上，更重要的是，SHE在之前是没有任何舞台经验的，而且来这里的目的也很简单，不是抱着成名出道的，只是为了一些小目标。而101的这些女团成员，全部都是大有来头，而且是为了大目标才来的：出道成为大明星！

SHE能够在一起这么久，重要的三点就是：作品、性格、凝聚力！而这三个要素，也完全是火箭少女101女团目前特别缺乏的！

特别抨击了相互撕逼，抢C位这种尴尬行为，根本不是女团应该有的行为！

不得不说，爱奇艺的文案也是做的相当不错的，就是不知道躺着也中枪的SHE知不知道，自己被别人当枪用？

你更PICK谁？《创造101》还是《偶像练习生》？到底谁的人气更厉害？

“本文作者 陈睿 ，优知学院创始人新技术、新趋势往往趋之若鹜却又很难说的透彻，希望这篇文章能让大家完整的理解什么是大数据:该篇包含：大数据、技术、场景应用以及大数据的岗位。

什么是大数据

说起大数据，估计大家都觉得只听过概念，但是具体是什么东西，怎么定义，没有一个标准的东西，因为在我们的印象中好像很多公司都叫大数据公司，业务形态则有几百种，感觉不是很好理解，所以我建议还是从字面上来理解大数据，在维克托迈尔-舍恩伯格及肯尼斯库克耶编写的《大数据时代》提到了大数据的4个特征：

一个是数量大一个是价值大一个是速度快一个是多样性第一个是数量比较大，只有数据体量达到了PB级别以上，才能被称为大数据。1PB等于1024TB，1TB等于1024G，那么1PB等于1024*1024个G的数据。

第二个是价值大，你如果有1PB以上的全国所有20-35年轻人的上网数据的时候，那么它自然就有了商业价值，比如通过分析这些数据，我们就知道这些人的爱好，进而指导产品的发展方向等等。如果有了全国几百万病人的数据，根据这些数据进行分析就能预测疾病的发生，这些都是大数据的价值。

第三个就是多样性，如果只有单一的数据，那么这些数据就没有了价值，比如只有单一的个人数据，或者单一的用户提交数据，这些数据还不能称为大数据，所以说大数据还需要是多样性的，比如当前的上网用户中，年龄，学历，爱好，性格等等每个人的特征都不一样，这个也就是大数据的多样性，当然了如果扩展到全国，那么数据的多样性会更强，每个地区，每个时间段，都会存在各种各样的数据多样性。

第四个是速度快，就是通过算法对数据的逻辑处理速度非常快，1秒定律，可从各种类型的数据中快速获得高价值的信息，这一点也是和传统的数据挖掘技术有着本质的不同。

大数据的行业应用

大数据无处不在，大数据应用于各个行业，包括金融、汽车、餐饮、电信、能源、体能和娱乐等在内的社会各行各业都已经融入了大数据的印迹。

制造业，利用工业大数据提升制造业水平，包括产品故障诊断与预测、分析工艺流程、改进生产工艺，优化生产过程能耗、工业供应链分析与优化、生产计划与排程。

金融行业，大数据在高频交易、社交情绪分析和信贷风险分析三大金融创新领域发挥重大作用。

汽车行业，利用大数据和物联网技术的无人驾驶汽车，在不远的未来将走入我们的日常生活。

互联网行业，借助于大数据技术，可以分析客户行为，进行商品推荐和针对性广告投放。

电信行业，利用大数据技术实现客户离网分析，及时掌握客户离网倾向，出台客户挽留措施。

能源行业，随着智能电网的发展，电力公司可以掌握海量的用户用电信息，利用大数据技术分析用户用电模式，可以改进电网运行，合理设计电力需求响应系统，确保电网运行安全。

物流行业，利用大数据优化物流网络，提高物流效率，降低物流成本。

城市管理，可以利用大数据实现智能交通、环保监测、城市规划和智能安防。

生物医学，大数据可以帮助我们实现流行病预测、智慧医疗、健康管理，同时还可以帮助我们解读DNA,了解更多的生命奥秘。

体育娱乐，大数据可以帮助我们训练球队，决定投拍哪种题财的影视作品，以及预测比赛结果。

安全领域，政府可以利用大数据技术构建起强大的国家安全保障体系，企业可以利用大数据抵御网络攻击，警察可以借助大数据来预防犯罪。

个人生活， 大数据还可以应用于个人生活，利用与每个人相关联的“个人大数据”，分析个人生活行为习惯，为其提供更加周到的个性化服务。

大数据的价值，远远不止于此，大数据对各行各业的渗透，大大推动了社会生产和生活，未来必将产生重大而深远的影响。

大数据使用的技术

说起大数据，大数据有三个层数据采集、存储、计算三层。

第一个是数据采集层，以App、saas为代表的服务。

大数据基础阶段需掌握的技术有：Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis以及hadoopmapreduce hdfs yarn等。

第二个数据存储层，比如云存储，需掌握的技术有：hbase、hive、sqoop等。

比如：Hadoop作为一个开源的框架，专为离线和大规模数据分析而设计，HDFS作为其核心的存储引擎，已被广泛用于数据存储。HBase，是一个分布式的、面向列的开源数据库，可以认为是hdfs的封装，本质是数据存储、NoSQL数据库。

HBase是一种Key/Value系统，部署在hdfs上，克服了hdfs在随机读写这个方面的缺点，与hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。

第三个是数据计算应用层，以数据为基础，为将来的移动社交、交通、教育，金融进行服务，涉及到大数据架构设计阶段需掌握的技术有：Flume分布式、Zookeeper、Kafka等，以及大数据实时计算阶段需掌握的技术有：Mahout、Spark、storm。

大数据的岗位

1.数据分析师Data analyst

指熟悉相关业务，熟练搭建数据分析框架，掌握和使用相关的分析常用工具和基本的分析方法，进行数据搜集、整理、分析，针对数据分析结论给管理销售运营提供指导意义的分析意见。

2.数据架构师Data architect

对Hadoop解决方案的整个生命周期进行引导，包括需求分析，平台选择，技术架构设计，应用设计和开发，测试和部署。深入掌握如何编写MapReduce的作业及作业流的管理完成对数据的计算，并能够使用Hadoop提供的通用算法， 熟练掌握Hadoop整个生态系统的组件如： Yarn，HBase、Hive、Pig等重要组件，能够实现对平台监控、辅助运维系统的开发。

3.大数据工程师Big DataEngineer

收集和处理大规模的原始数据（包括脚本编写，网页获取，调用APIs，编写SQL查询等）；将非结构化数据处理成适合分析的一种形式，然后进行分析；根据所需要的和专案分析商业决策。

4.数据仓库管理员

Data warehousemanager：指定并实施信息管理策略；协调和管理的信息管理解决方案；多个项目的范围，计划和优先顺序安排；管理仓库的各个方面，比如数据外包，移动，质量，设计和实施。

5.数据库管理员Database manager

提高数据库工具和服务的有效性；确保所有的数据符合法律规定；确保信息得到保护和备份；做定期报告；监控数据库性能；改善使用的技术；建立新的数据库；检测数据录入程序；故障排除。

6.商业智能分析员Businessintelligence analyst

就工具，报告或者元数据增强来进行传播信息；进行或协调测试，以确保情报的定义与需求相一致；使用商业智能工具来识别或监测现有和潜在的客户；综合目前的商业只能和趋势数据，来支持采取行动的建议；维护或更新的商业智能工具，数据库，仪表板，系统或方法；及时的管理用户流量的商业情报。

每一个为人类创变而萌生的念头都是最高贵的种子，大家好，这里是高贵的种子。

上周末，英美两国的媒体，爆出了一则与Facebook脸书有关的大新闻。报道称，一家名叫Cambridge Analytica剑桥分析的数据分析公司，通过为脸书平台开发的性格小测试程序，收割了超过5000万的用户数据。并且，利用这5000万用户，操纵了2016年的美国大选。接着便有新闻指出小扎道歉：我们错了！对Facebook数据泄露事件负有责任，不配为用户提供服务，他自己很后悔，将来一定会改正，他还保证不再发生类似事件，有新闻称美国联邦贸易委员会正在开展的调查，若属实，Facebook将面临2000000000000美元罚款！（事件时间线下图）

那么它们如何抓取用户信息，又是如何操纵大选的大概过程：

大概意思就是，这个公司针对每个用户的特点，尤其是那些偏中立不知道投谁的选民，投放洗脑政治新闻，进而最终将川普推向大选胜利。利用大数据给人洗脑？还影响选举？小小的一个脸书账号也能搞出这么多事儿？2014年夏天，这个公司和一位剑桥的研究人员合作，展开了一项研究，抓取了大约32万用户的核心数据，这些用户的喜好，性格和交友圈信息，一览无遗。

我举个简单的例子，我们都知道希拉里是赞同接纳难民的，如果据数据判断，一个用户他经常点赞批判接纳难民的相关内容，或者从该用户的交往人群，信仰等线索蛛丝马迹，大概推断此人反移民或者不支持接纳移民，那么对他的主页频繁推送希拉里“接纳移民”的观点新闻，势必会让该用户产生对希拉里的反感。喜欢耸动新闻？没问题，专门给你发送“震惊”类的内容，一次管饱。当用户在潜移默化中，每天被推送阅读这些定制类的新闻时，你很难说他们不被影响。在大数据帮助下，川普团队潜移默化地影响了很多选民，这也成了他登上总统之位的强效助力。

事实上，Facebook这种事，影响的不止是选举这样的大事件。大数据还在操纵我们每个人生活的方方面面。这些公司做的第一步，就是收集数据。我们在网络上的所有行为，每一次点赞，每一次分享，每一次浏览，都将成为被记录分析的数据当代人手机电脑不离手，只要连接了网络，我们就在留下痕迹。搜索引擎成了我们联通网络的大门，每次搜索，都会被看门的数据公司，记录下我们往哪个方向走。搜索过游戏，就给你推荐游戏；消费过护肤用品，就给推送同类型产品；转发过汽车新闻，就给推荐汽车。比如有东西加到购物车还没结账，再进入网站时购物车自动恢复，或者看的小说看到一半，再打开网站时自动找到上次读到的位置。本来这项技术是为了提供更好的客户体验，让大家浏览网站时，不需要一次把所有的事情都做完。然而，这个技术被广告商盯上了，掌握了我们网上的一举一动。通过读取cookie，广告商可以知道我们看过什么网页，看了多久，操作到什么地步。除了读取cookie，数据公司还会收集用户的个人基础信息、点赞、社交圈、消费习惯和生活习惯，也就是Facebook这种公司从我们身上拿到的资料。集齐了他们需要的信息，这些公司就开始对这些数据进行分析。这个分析的过程，叫做用户画像。用社交网站上的各种资料，配合用户在网上的浏览信息建立模型，用模型运算预测用户可能发生的行为。广告商根据这些分析结果，就可以预测我们可能会买什么，进行定向投放广告。它们不仅想知道我们搜索了什么，还想了解我们的各个方面乖乖让用户交出个人信息不是一件容易的事，我们又不是傻子，凭什么给这些公司我们的资料。但是事实证明，道高一尺魔高一丈，为了搞到数据，他们想出各种办法，哄得用户乐呵呵地自己奉上隐私数据。像剑桥分析给每个用户5块钱，用户不仅把自己的东西都交代了，还给了他们权限去了解自己的朋友们。想想我们，是不是也有曾经为了返券优惠，提供额外资料给某些app呢？

就像是我们开始说的那样：大数据，比你更了解你自己。

在大数据面前，我们每一个人都是赤裸的，待宰羔羊。这次Facebook操作选举的事件，只是揭露了大数据时代危险的冰山一角。原来，我们看到的世界，不过是大数据为我们精心定制的一隅天地。大数据，不止了解我们，掌握着我们一切的信息，就像马云他知道那个省妇女的胸大。能给我们安利心动的产品，提供我们需要的服务，还能让我们觉得我们看到了想看的一切。大数据分析出我们的三观，平台可以按照我们的三观偏好推送信息。当我们毫不设防，我们的视野被控制在大数据为我们预设的轨道里，小到消费购物，大到政治宗教，我们最终沦为大数据的提线木偶。

了解你，洞悉你，甚至比你自己都清楚你。大数据时代，我们还有何处可逃？大数据下，我们都是一样的赤裸裸，我们经常接到各类保险的推销电话，我们的信息在大数据情况下，都是一样的赤裸裸，我们能做什么呢，我们别在朋友圈去各种秀；我们把相册加密码；但在现在这大数据时代，我们离不开电脑，手机，更离不开网络，所以我们需要国家建设网络安全个人信息的保护制度是迫在眉睫的。你们怎么认为呢，欢迎留言讨论。

很多老观念早该颠覆了，比如“路遥知马力，日久见人心”。据统计，现代人看篇文章平均不超过5分钟、每次嘿咻平均不超过6分钟。如此讲究效率，哪有心思体验“马力”，哪有工夫跟你“日久”！

大数据时代，交友越来越讲究快、狠、准。比如微信，喷得来就玩，喷不来立马拉黑。

现代人饭局多，往往八竿子打不着的人聚一块，推杯换盏，吆五喝六，半瓶下肚，一圈转完，微信里便能扫进去五七个“朋友”。喝晕回家睡觉，第二天一睁眼就谁都不认识谁了，接下来发朋友圈，咋都想不起来点赞的人长啥样。

“微交往”、“弱联系”的“朋友”越来越多，到底哪个能发展成杵臼之交、能跟自己情投意合，哪个只能是一面之交、最终定然形同陌路，自己始终是一脸懵逼。

今天刀哥给大家发个福利，把数年来的研究成果和盘托出，喷一喷咋利用微信朋友圈看人，学会这个套路，再牛B的人在你面前都会脱得一丝不挂，包括你多年想泡的美女。咱只探讨普遍规律，个别现象不在此列，别跟我较劲，太认真你就输了。

一、晒自拍

群体：80％--90％是18--30岁的45度右上角侧颜P图女；也有装成熟玩深沉连着方向盘一块晒的怪蜀黍，还有始终认为帅是一种罪的非主流男孩；偶现55岁以上中老年人；偶有伪娘出没。

性格：颜控、欲望强烈。外表热情内心奔放，但明骚易躲暗贱难防。口才好，善社交，易勾引异性也易被异性勾引。相对单纯，心眼多但易被识破。

职业：多为学生、私营企业小白领、自由职业、无业；中老年一般为生活极度无聊的退休干部职工、县级及以下喜欢闻着花照相的胖大妈。

事业：多为无事业、事业一般或入职不超过八年，无收入或收入够吃饭，中老年人多为小富即安。

二、晒运动

群体：晒跑步以30--45岁伪中产居多，无论男女；晒举铁多以25--45岁大肚男居多，也有到健身房十分钟拍五十张照片P出来九张发了朋友圈就走的25--30岁女性乍现。

性格：外表冷漠内心火热，无比闷骚无比清高。喊着热爱生活的口号，打着完美主义的大旗，贴着高度自律的标签，拿“管理不好身材就管理不好事业”做掩饰，以追求自我超越自居，大多都是胖到了不减肥不足以平民愤的地步。

职业：多为公务员、高校国企事业单位职工、中高级白领、小企业主。高管、金领每天也运动，但大多不屑于晒。

事业：刚刚起步或者小有成绩，正在突破瓶颈，收入有保障且生活稳定得了无生趣，但家庭年收入不会超过30万（以中部省份中等城市为标准），整天“财务自由”不离口，但离财务自由还差十来个十万八千里。

三、晒孩子

群体：晒的孩子以0--7岁为区间，到了七八岁讨人嫌的时候就不再晒了，多以28--38岁的女性为主，32岁左右集中爆发，大多跟微商一样每天刷着屏，小孩拉泡屎也要晒一晒，晒得草木皆兵、人神共愤；偶有上班忙、酒场多，以发朋友圈为目的“掩人耳目”的35岁左右男性出没；55岁以上带孩子为主业的中老年人亦常参与此项活动。

性格：女性多稳重保守，内外兼修；婚前即便“阅人无数”，婚后也会对老公死心塌地，有孩子后特别是有男孩后性生活不和谐，注意力逐渐转向“小情人”。男性多社交达人、天天有场，人格分裂、表里不一，常利用朋友圈展示自己的“铁汉柔情”、“剑胆琴心”。老人多老实本分、勤勤恳恳，为省下保姆钱任劳任怨。

职业：覆盖各个行业，以机关企事业单位干部、职工居多。

事业：女性多事业顺利、稳定舒适；男性多在瓶颈期，正在突围却无法突围，事业跟那活儿一样常常“不举”，无奈却又力不从心。老人多有积蓄，且远离熟悉的圈子全力以赴帮子女带娃。

四、晒景点

群体：晒名山大川的多是35岁以上直男癌，晒江南古镇的多是20--35岁文艺女，晒红色景点的多是45岁以上中老年。

性格：男性大多性格豁达心性高远沉着冷静心思缜密，话不多但逢说必有条理、铿锵有力；女性常多愁善感、婉约闷骚，爱看韩剧、喜欢意淫，易被异性勾引直至骗炮；老年人多沉湎过往岁月，激情依旧燃烧，生活规律、秉性耿直，个性前卫的年轻人在他们眼里基本都是怪胎。

职业：男性以机关、事业、国企干部职工居多，女性以教文科的高校教师、企业白领、作家、记者、自由职业者、学生居多。

事业：男性即便小有成就，也属有钱无闲之列，没时间带孩没时间啪啪更没时间旅游，但凡旅游必发朋友圈。女性大多工作稳定、财政独立，但基本属于“月光族”。

五、晒书画

群体：95％是40岁以上的自恋大叔；5％是伪才女，可忽略。

性格：大叔多闷骚，酷爱玩深沉，爱讲大道理，热爱文艺但只懂皮毛，多数邯郸学步，更有叶公好龙。这类人装B利器往往不止一种，或朗诵、或唱歌、或摄影、或写作，往往“一专多能”，往往还有一两个整天拖着腮帮子深情仰望并在朋友圈疯狂点赞、假装发痴发嗲的公用小迷妹。

职业：以机关企事业单位中层以上领导、小私企老板（以小房地产商居多）、退休老干部为主。

事业：有所成就但难有上升空间，以写字画画拍照片聊以自慰，有的偶尔找一两个野模拍“私房”，以别人的夸奖点赞满足虚荣心，以死党群内放荡交流满足性幻想。多兼职省市书画、摄影协会会员。

六、晒养生

群体：以55岁以上无知中老年为主；偶有肾功能不好且神经兮兮的年轻人出没。有用“震惊了”、“传疯了”、“马上删除”勾你的，有用“十万火急”、“太可怕了”、“出大事了”吓你的，还有用“不转不是中国人”、“不转死全家”咒你的。甚至还有特异功能、神仙转世、菩萨显灵、不死神功。散布迷信、谣言的主体。

性格：对身体不自信，因经历特殊年代导致对公共安全尤其是食品安全不信任，因与信息时代脱钩导致愚昧无知。极度怕死。

职业：90％为城镇离退休职工、农村中年抠脚大汉，5％为机关退休干部、低学历教师等，剩下5％多是下岗无业者。

事业：年轻时经历挫折，诸事不顺，吃亏较多，很少体验过成功带来的喜悦。即便在体制内，往往也是一路当炮灰的中下层。

七、晒鸡汤

群体：以30--50岁较为集中。55岁以上的奇葩中老年在一定范围、一段时期内集中爆发，且多以标题党为噱头，比如“少妇深夜让仨老头一同入房”，打开一看是“健康、财富、美貌”这仨老头；比如“看湿了，你呢？”，打开内容却是劝世人“要常回家看看父母”；比如“全中国最性感的女人原来是她！”，打开却告诉你“那是你妈妈”。

性格：年轻人多是情商较低，无病呻吟、多愁善感，甚至敏感脆弱、郁郁寡欢。老年人多是猎奇心重，但缺乏最基本的判断能力、思辨能力和审美能力。

职业：年轻人多以小白领、企事业单位职工为主。中老年多以城镇企业退休职工、下岗职工为主。偶有农村中年抠脚大汉出没。

事业：默默无闻，工作平平，历经起伏，多年不见起色，因“鸡肉”都被别人分吃完了，遂以“鸡汤”为主食过活。

八、晒红心

群体：全是30--50岁的亢奋男，没有之一。每天必转新华网、人民网和各种主流媒体的主流新闻，根正苗红、又红又专，转时必加“官味十足”的评论，呼声震天、正气凛然。

性格：多数为有信仰、有理想、有抱负、有担当的“政治家”，深谙大政方针，熟悉各地人事，社会主义脊梁，带领群众脱贫攻坚、全面奔小康就靠他们了。亦有个别“作秀”者，口号上的巨人，行动上的矮子，战争年代，这类人往往是第一批汉奸。

职业：基本全是体制内，以市级以上党政机关干部为主。

事业：上升期。还未到瓶颈，或者刚突破瓶颈。

九、晒怨气

群体：以30--45岁屌丝男为主。偶有55岁以上老屌丝。

性格：耿直易怒，不善言谈，人际关系较差。往往有才，或鬼才、或歪才，并且恃才放旷。蔑视权威，不易服人，也不求人。顶撞领导，搁不住人，拿起筷子吃肉放下筷子骂娘，总觉得单位和社会上没一个好人，全世界都欠他。

职业：以少数公知、蓝领工人、自由职业者、无业者为主，还有个别机关企事业干部职工、无所事事的废纸宅男。

事业：公知凭借泼妇骂街赚得盆满钵满，但往往被政治、经济、社会的飞速发展扇得鼻青脸肿。其他多因性格问题、时运不济导致四处碰壁，屡战屡败，直至怀疑人生。

作者：华律自媒体专栏律师 王福玲

以下是从1579份离婚判决书中得出的结论

一：婚姻几年之痒---我想坐时间飞船赶到前面看结局

1、离婚爆发“高危区”，是结婚3-5年。

2、闪婚族(离婚夫妻中认识半年以内就结婚的），比例最高。

3、离婚夫妻的择偶方式，经人介绍认识，比例最高。

二：离婚由谁提出--婚姻的列车上谁把谁抛下：

1、女方更容易提出离婚（占总体比例的68.06%）

男尊女卑，三从四德等传统观念一去不复返。

2、30岁离婚群（25-30岁离婚人群所占比例最高）。

三：能否脱离--宁毁十座庙，不破一桩婚。

第一次起诉判不离的占70%左右。

四：离婚原因--给我一个不爱你的理由。

幸福的家庭都是相似的，而每个不幸的家庭都有各自的不幸。

离婚原因前五位的：性格不合；长期分居；婚外情；家庭暴力；家庭琐事；

五：离婚过错问题--是谁谋杀了我的爱情。

下列原因：无过错方有权请求损害赔偿（不仅包括物质同时包括精神）重婚；与他人同居；家暴；虐待、遗弃家庭成员。司法实践中被法院最终认定的少之又少，原因就是取证的困难。

六：再婚的离婚问题--踉踉跄跄的受伤，跌跌撞撞的坚强。

心理学家指出，再婚的离婚率比初婚的离婚率高10%

七：子女抚养问题-逃离原生态家庭的魔咒。

1、法院判决子女归母亲抚养的比例高于父亲，司法实践中倾向对妇女权益的保护。

2周岁以内：母亲取得抚养权80.65%，父亲19.35%（一般归女方）

2-10周岁： 母亲取得抚养权59.88%，父亲：40.12%（综合考虑，有利于孩子成长原则）

10周岁以上：母亲 53.19% ；父亲：46.81%（尊重孩子的意愿）

2、孩子大了，婚也该离了。

子女在4-6岁之间，离婚率最高，（入学年龄，对父母的依赖性降低；父母对子女教育矛盾显现）

八：子女抚养费包括生活费，教育费和医疗费。生活费每月在500元左右的比例最大，占56.84%

九：财产处理情况：明年华发虽可啄，却不道人去梁空巢也倾。

涉及房产法院最终处理的比例为21.57%

涉及车辆法院最终处理的比例为51.81%

涉及存款法院最终处理的比例为36%

涉及股权、股票、基金、债券、保险，处理比例为15.38%

财产本身权属不明或法院不宜做出判决，在离婚判决中并未一一处理。

债权处理比例为33%，债务处理比例为52%

十：是否请律师--黑暗旅程幸好有你相伴。

女性请律师占66.47%

男性请律师占33.53%

同时请占30.7%

说明女性维权意识有了显著提高，同时因为女性在婚姻生活中合法权益更容易遭受侵害。

十一：诉讼程序--其实最好的告别，是将你遗忘在路上。

第一次诉讼，简易程序占72.96%，普通程序占27.04%

一心网：事实上，如果消费领域中不是诞生了阿里巴巴这样的一个巨头，而全国习惯网购的网友，基本上都会拥有一个淘宝帐号的话。那么马老板近些年动不动就高喊的“大数据”，自然也就没了实际意义。当我们频繁在某一平台进行同一项操作时（就像我们在淘宝上购物，在QQ上社交），平台就可以根据我们的过往使用的数据，模拟出我们每个人的相关数字肖像。

大数据为什么被互联网公司如此看重，背后的根源就在于，企业可以通过用户过去一段时间内累积的数据，推演和模拟出每个个体特有的数字模型。在没有大数据之前，企业更多凭借管理者的从业经验，对接下来消费者可能喜欢的产品和方向，做出预判，然后进行市场试水。这样的结果自然就是，风险性较高，很有可能会因为误判，而导致某款新产品滑铁卢。

再比如说，对于企业营销至关重要的广告策划。这一直以来都是一个难点，因为虽然理论上说，每款产品都有它特定的消费群体，但是这个消费群体的体量，往往都是庞大的。对一个群体进行习惯和性格的侧写，可要比在刑侦机构，对单个罪犯进行性格特性困难得多。所以企业一贯的习惯，也是点到为止，很难做到精确。另外，这一数据的统计难度和工作量，也过于庞大。

但是在互联网时代，这些显然都不再是问题。由于消费习惯和使用习惯是直接留存在各家互联网平台之上的，那么计算机就可以自动抓取和整理计算相应的数据，最后得出每个消费者的独立数据，并且在后台做好标记。每个消费者的性别与年龄，偏爱什么领域，消费能力与水平，信用和履约能力，统统都可以凭借大数据，获得较为精确的计算。而且往往是使用平台时间越久，积累的数据越多，得出的计算结果就越精确。以淘宝为例，创办至今已越十年，自然积累了每个消费者的海量消费信息。

但无论如何，消费大数据更多还是停留在对用户消费这一领域数据的收集计算，目的也十分明确，为了更加精准的向消费者推送商品广告，从而拉动销售业绩。

作为心里类自媒体的运营者，小心自然是对心理学非常热爱的。平日里除了阅读心理学书籍，查看心理学资讯与文章，还有一大爱好，就是做一些心理测试题。今天小心又做了一套关于爱情性格的心理测试题，在做这套题目时，小心突然和大数据这个概念进行了联系思考，如果心理学信息同样存在大数据的话，那么这个数据的意义，究竟如何呢？

小心先把今天做的这份爱情性格心理测试结果贴上来，供大家参观：

就小心自己对自己的了解而言，这份测试结果，大致还是让小心感到满意的。一些重要的点，和小心的爱情观的确有相似之处。当然了，在某些方面，心理测试和星座学说有其相似之处，即尽可能抓住一类人的一个大的共同点，进行模糊化的阐述。这样一来，只要没有偏差到南辕北辙，测试者都会觉得很有道理。这方面的行家，不是心理测试师，而是街边那些算命的，他们最懂得前来问卦者的心理需求，从而有的放矢，让你心甘情愿把钱掏给她。

作为行业相关从业者，每一次做心理测试题时，我的感官和多数人是不一样的。我会仔细观察每一道题，并且推导这道题对应的分析方向和权重分别是多少，然后有时会像普通人一样凭真实情况答题，有时则是为了验证自己对于心理测试题判断逻辑，故意进行特定轨迹的答题，从而从答案中判断出题人的设定规则。

但是无论如何，小心都认为，如果未来某一家平台，在与用户进行交互的时候，可以搜集获取到大量关于个体的性格大数据，这都将是非常有意义的事情。相比通过消费数据可以更好地引导用户消费，如果获得了一个人性格的大数据，结合不断发展的人工智能技术，我想，这甚至于会产生一种结果：就是计算机真的可以做到模拟人类的情绪和性格，并且能够做出“感性”的判断和选择。

如果将这些数据植入一个机器人脑中，那么会发生什么呢？就是它将不再是仅仅会按照程序进行是与否判断的机器，而成为深刻了解使用者性格、情绪的“超级大脑”。它可以做到和你性格相似，与你成为知己；也可以做到与你性格互补，与你成为搭档。更重要的是，当他不断深入了解你的性格特征中，再结合计算机原本就强大无比的运算能力，他甚至可以像预言家一样，提前判断出你在做某件事时，大概率会犯的错误和遭遇的麻烦。

性格大数据，这真是一个令人无比期待的领域。