论文部分内容阅读
2010年左右，大数据概念升温，2012年左右开始在国内盛行。这只是一个泛泛的概念，用来指代互联网时代海量数据的存储、分析、流转、使用和交易等环节产生的一系列问题。对于企业而言，更要紧的问题是面对海量数据，如何提炼有用的价值，为己所用，因此对于很多行业而言，如何利用这些大规模数据是赢得竞争的关键。同时也有不同的声音，例如经济学家路德维希·冯·米塞斯提醒：“就今日言，有很多人忙碌于资料之无益累积，以致对问题之说明与解决，丧失了其对特殊的经济意义的了解。”
在2012年7月刊的封面策划中，我们初探大数据时代的商业逻辑。援引麦肯锡全球研究院的一份报告，对于当时的企业管理者来说，要占领大数据先机，必须在以下方面有所行动：
首先是使海量数据更容易获得和更具时效性。其次，要对消费人群进行细分，量身定制服务。然后，要利用自动化算法替代和支持人工决策。最后，需要创造新的业务模式、产品和服务。当时本刊的作者预测，社交媒体数据对商业的大影响，可能要在5～10年后才能真正显现出来，因为届时会迎来第一批在社交媒体中成长起来的消费者，对于这一批新生代消费者来说，不光可以观察到他们某个时间点或几年间的消费行为，更可以实实在在追踪到他们的习惯和爱好是如何养成，生活方式是如何被塑造的。这些对于未来企业对消费者行为认识、产品设计、品牌打造的影响会非常大。数据已经坐到了驾驶员的位置上，它就在那里，有用且宝贵，甚至还很性感时尚。
6年前的这些预测，都在现实中得到了不同程度的印证。譬如基于大数据算法的今日头条短短几年内横空出世，成为超级独角兽，其基本逻辑就是根据你的数据“个性化推送”你喜欢的内容；德国电子商务公司Otto放手让人工智能主导商业决策。使用深度学习算法，分析30亿次过去交易以及200个变量预测客户一周后的购买决策，准确度高达90%，可预测30天后的消费行为。
大数据在商业中的运用效果是惊人的。2017年3月刊，阿里巴巴集团首席战略官曾鸣在《“精准”是未来商业的核心》一文中，结合阿里的实践阐述了数据是如何运用于精准商业逻辑的。曾鸣说，未来商业文明的DNA，有两个螺旋：一个是网络协同，一个是数据智能，最终目的是实现精准服务。那么，通过智能化做到越来越精确，这件事背后的逻辑是什么，与大数据有何关系？
首先要做到在线化，把数据记录下来。譬如淘宝提供在线购物服务，这样就把用户所有的浏览和购买行为记录下来了，这是业务的自然过程，是数据记录过程而不是数据收集过程。
把数据记录下来了，却并不知道它的价值会在哪里。这时就需要把一切业务在线化、软件化，这是跟ERP根本的差别。ERP是把管理行为固化下来，而未来发生的是要把业务行为表现出来。当你把一个业务全流程都用软件方式表现出来，“在线”之后，后面的一切才能开始。最终实现“数据就是决策，而不是数据支持决策”。直接用数据让机器作决策。把决策数据化之后，再通过优化的过程逐步变得精准和智能。最终，一个“离线动物”是打不过“在线动物”的，因为“在线动物”有太多工具可以用，不是一个量级的竞争。关于“在线动物”的特征，当时给出了以下标准：
第一，数据化往往是一个很昂贵的过程，你是否有创造性找到一种方法能够完成数据的初始化？足够低的成本、足够大的数据量、足够短的时间。谁能够找到有创意的数据化方法，谁就具有重要的竞争优势。
第二，机器学习逻辑是否贯穿你的整个业务过程？针对一个足够大的问题，你能否找到新的算法，挖掘数据背后的洞察？
第三，上线、迭代、优化。核心原因是，不上线就没有用户反馈，就不知道往哪个方向优化。比如特斯拉的自动驾驶，有这么多车在外面跑，就能够收集数据进行优化。
红杉资本中国基金会专家合伙人、大数据专家车品觉在2018年2月刊里，对有意布局大数据的企业提出了八条建议：关注业务决策的过程，从问题中找寻数据化的机会；企業数据能力的泛化，要建立在数据产品的灵活性上；建立规范，确保数据供应的质量及稳定性；促进企业内部数据共创与共享机制的建立；建设外部数据积累及有使用权的数据战略储备；培养海量数据的深度分析能力；阻碍大数据发展的是伦理和法规；把“门窗”关好，数据越多，责任越大。
这八点是从公司战略层面上讲的。从能力上来强调则是三个要点：一是从业务决策中找寻数据化的能力；二是海量数据分析能力；三是“借力打力”的能力。要把难题留给外面的专业机构去解决。
虽然大数据的商业前景依然不可估量，但随之而来的个人隐私问题也成为互联网巨头无法回避的问题。眼下，海外Facebook的数据泄露丑闻闹得满城风雨，2016年美国总统大选、英国脱欧公投均牵涉其中；国内百度因李彦宏论坛上一句“中国人更加开放，对隐私问题没有那么敏感，很多情况下他们愿意用隐私交换便利性，那我们就可以用数据做一些事情”的表态，立即引发众怒。大数据下的商业与伦理如何平衡，成为不可忽视的议题。
2017年1月我们采访美国亚马逊公司前首席科学家、大数据和移动社交技术专家韦思岸，他强调，消费者也必须具备数据素养。因为，企业会用数据预测我们的行为，银行用数据来评定我们的信用等级，雇主通过数据决定是否雇佣我们，但作为个体的我们却还没有充分从数据财富中受益。人们必须意识到，曾经留下的所有信息和痕迹，想要彻底删除都是完全不可能的，一定会被储存在什么地方。如果人们对此严肃以待，就会对各种公司对数据的处理有所准备。对于来自商家的“诱导性信息”（例如根据你日常偏好推荐的商品、新闻等），消费者必须摒弃被动的形象，变成积极的社交数据创造者，了解数据服务商的工作机制，知道哪些参数可以改变或者不能改变，了解不确定因素，善于改正错误并且预测分享社交数据可能带来哪些结果。
在2012年7月刊的封面策划中，我们初探大数据时代的商业逻辑。援引麦肯锡全球研究院的一份报告，对于当时的企业管理者来说，要占领大数据先机，必须在以下方面有所行动：
首先是使海量数据更容易获得和更具时效性。其次，要对消费人群进行细分，量身定制服务。然后，要利用自动化算法替代和支持人工决策。最后，需要创造新的业务模式、产品和服务。当时本刊的作者预测，社交媒体数据对商业的大影响，可能要在5～10年后才能真正显现出来，因为届时会迎来第一批在社交媒体中成长起来的消费者，对于这一批新生代消费者来说，不光可以观察到他们某个时间点或几年间的消费行为，更可以实实在在追踪到他们的习惯和爱好是如何养成，生活方式是如何被塑造的。这些对于未来企业对消费者行为认识、产品设计、品牌打造的影响会非常大。数据已经坐到了驾驶员的位置上，它就在那里，有用且宝贵，甚至还很性感时尚。
6年前的这些预测，都在现实中得到了不同程度的印证。譬如基于大数据算法的今日头条短短几年内横空出世，成为超级独角兽，其基本逻辑就是根据你的数据“个性化推送”你喜欢的内容；德国电子商务公司Otto放手让人工智能主导商业决策。使用深度学习算法，分析30亿次过去交易以及200个变量预测客户一周后的购买决策，准确度高达90%，可预测30天后的消费行为。
大数据在商业中的运用效果是惊人的。2017年3月刊，阿里巴巴集团首席战略官曾鸣在《“精准”是未来商业的核心》一文中，结合阿里的实践阐述了数据是如何运用于精准商业逻辑的。曾鸣说，未来商业文明的DNA，有两个螺旋：一个是网络协同，一个是数据智能，最终目的是实现精准服务。那么，通过智能化做到越来越精确，这件事背后的逻辑是什么，与大数据有何关系？
首先要做到在线化，把数据记录下来。譬如淘宝提供在线购物服务，这样就把用户所有的浏览和购买行为记录下来了，这是业务的自然过程，是数据记录过程而不是数据收集过程。
把数据记录下来了，却并不知道它的价值会在哪里。这时就需要把一切业务在线化、软件化，这是跟ERP根本的差别。ERP是把管理行为固化下来，而未来发生的是要把业务行为表现出来。当你把一个业务全流程都用软件方式表现出来，“在线”之后，后面的一切才能开始。最终实现“数据就是决策，而不是数据支持决策”。直接用数据让机器作决策。把决策数据化之后，再通过优化的过程逐步变得精准和智能。最终，一个“离线动物”是打不过“在线动物”的，因为“在线动物”有太多工具可以用，不是一个量级的竞争。关于“在线动物”的特征，当时给出了以下标准：
第一，数据化往往是一个很昂贵的过程，你是否有创造性找到一种方法能够完成数据的初始化？足够低的成本、足够大的数据量、足够短的时间。谁能够找到有创意的数据化方法，谁就具有重要的竞争优势。
第二，机器学习逻辑是否贯穿你的整个业务过程？针对一个足够大的问题，你能否找到新的算法，挖掘数据背后的洞察？
第三，上线、迭代、优化。核心原因是，不上线就没有用户反馈，就不知道往哪个方向优化。比如特斯拉的自动驾驶，有这么多车在外面跑，就能够收集数据进行优化。
红杉资本中国基金会专家合伙人、大数据专家车品觉在2018年2月刊里，对有意布局大数据的企业提出了八条建议：关注业务决策的过程，从问题中找寻数据化的机会；企業数据能力的泛化，要建立在数据产品的灵活性上；建立规范，确保数据供应的质量及稳定性；促进企业内部数据共创与共享机制的建立；建设外部数据积累及有使用权的数据战略储备；培养海量数据的深度分析能力；阻碍大数据发展的是伦理和法规；把“门窗”关好，数据越多，责任越大。
这八点是从公司战略层面上讲的。从能力上来强调则是三个要点：一是从业务决策中找寻数据化的能力；二是海量数据分析能力；三是“借力打力”的能力。要把难题留给外面的专业机构去解决。
虽然大数据的商业前景依然不可估量，但随之而来的个人隐私问题也成为互联网巨头无法回避的问题。眼下，海外Facebook的数据泄露丑闻闹得满城风雨，2016年美国总统大选、英国脱欧公投均牵涉其中；国内百度因李彦宏论坛上一句“中国人更加开放，对隐私问题没有那么敏感，很多情况下他们愿意用隐私交换便利性，那我们就可以用数据做一些事情”的表态，立即引发众怒。大数据下的商业与伦理如何平衡，成为不可忽视的议题。
2017年1月我们采访美国亚马逊公司前首席科学家、大数据和移动社交技术专家韦思岸，他强调，消费者也必须具备数据素养。因为，企业会用数据预测我们的行为，银行用数据来评定我们的信用等级，雇主通过数据决定是否雇佣我们，但作为个体的我们却还没有充分从数据财富中受益。人们必须意识到，曾经留下的所有信息和痕迹，想要彻底删除都是完全不可能的，一定会被储存在什么地方。如果人们对此严肃以待，就会对各种公司对数据的处理有所准备。对于来自商家的“诱导性信息”（例如根据你日常偏好推荐的商品、新闻等），消费者必须摒弃被动的形象，变成积极的社交数据创造者，了解数据服务商的工作机制，知道哪些参数可以改变或者不能改变，了解不确定因素，善于改正错误并且预测分享社交数据可能带来哪些结果。