舍恩伯格@@：大数据@@@@的未来在于理念而非机器@@

 

　　以下是@@舍恩伯格@@演讲实录@@：

 

　　非常荣幸能出席今天的盛会@@，今天上午我们听到了很多技术的演讲@@，技术实际上给我们带来了变革@@，这些变革也给我们带来了一些前所未有的成功@@，比如在商业界@@，还有@@各个@@公司@@，无论大公司还是@@小公司@@，都给他们带来了成功@@。在接下来的@@30分钟@@，我想让大家思考一下@@，数据@@实际上给我们带来了工具@@，而这些工具给我们带来了成功@@。但是@@@@我们要真正取得成功@@，还是@@要取决于我们利用这个@@工具的能力@@。这就需要我们要好好的了解什么是@@数据@@@@，还有@@未来的数据@@@@到底是@@怎么样的@@。

 

　　首先我给大家讲一个@@有意思的故事吧@@@@。这个@@故事实际上是@@我的同事凯尔@@（音@@）所发现的@@。在美国的超市@@，很多年前他们销售一些蛋糕@@，这些蛋糕有不同的口味@@，巧克力味@@、香蕉味@@、桃子味@@……这个@@蛋糕的尺寸大概是@@@@30厘米那么大@@，就像一个@@馅饼一样@@。如果你问一下这些美国的超市@@，他们销售的这些蛋糕当中@@，哪款是@@最受欢迎的销量最好的@@，大家觉得是@@什么馅饼呢@@？答案是@@苹果馅饼@@。但是@@@@如果你要真正去问他们是@@不是@@真的喜欢苹果馅饼@@，实际上可能很多人并不是@@真的喜欢苹果馅饼@@。为什么他们不是@@最喜欢苹果馅饼@@，却买它呢@@？因为想一想@@，它有@@30厘米那么大@@，那全家买一个@@苹果派就够了@@。那家里的所有人可以达成一致@@，他们起码比较喜欢的就是@@苹果派@@，即使苹果派不是@@他们最喜欢吃的@@，但是@@@@他们可以吃@@，这个@@可以达成共识@@。因此很多年以来@@，世界上的这些超市@@，卖的派可能未必是@@人们最喜欢的口味@@，但是@@@@之后他们发现了问题所在@@，就是@@尺寸问题@@。如果你让它尺寸变小话@@，每一个@@家庭可以不止买一个@@派@@，每一个@@家庭成员都可以买一个@@自己喜欢吃的口味@@。如果你把尺寸变一下@@，他们可能就不是@@买苹果派@@，他们可以根据自己的口味买香蕉派@@、梨派@@、桃派@@，这个@@问题就很简单了@@。

 

　　其实很多年以来@@，这些超市的策略是@@不对的@@。就是@@尺寸的问题@@，而不是@@口味的问题@@，他们的尺寸太大了@@。之后超市进行了调查@@，问用户到底喜欢吃什么口味的@@，用户肯定会说我想要吃苹果派@@，因为只有那个@@尺寸的苹果派@@。我们一直做数据@@研究@@，在观察周围的环境@@，但是@@@@几百年前几千年前@@，我们看当时的世界@@，也在搜集数据@@@@@@。搜集数据@@@@，分析数据@@@@，是@@需要花费很多的时间@@的@@，有时候也是@@非常困难的@@，它需要做大量的工作@@，有时候也是@@非常昂贵的@@。但是@@@@我们可能用到的数据@@@@只有一小部分@@，很有限@@，因此我们之前拥有的数据@@@@规模是@@非常小的@@。大家可以想一下@@，我们现在的数据@@@@分析@@，或者是@@一些小的样本@@。它们都是@@一些很小的数据@@@@@@。我们是@@把数据@@缩小到一定的规模@@，然后从这些小的规模数据@@上找到一些理论@@。当然了@@，那是@@小数据@@时代@@，也是@@我所成长的一个@@时代@@。

 

　　但是@@@@现在一切都变了@@。我们现在搜集数据@@@@分析数据@@@@的能力越来越强了@@。而且现在搜集数据@@@@的成本也下降了@@。因此我们周围一切都变化了@@。那这时候我们就需要改变自己的思维@@，因为我们所处的是@@大数据@@@@时代@@@@。如果我们找到新的方法@@，就可以有新的理念@@。

 

　　在过去@@我们希望可以利用数据@@@@，来回答问题@@，首先可能先是@@假设@@，这就是@@一个@@问题@@，然后搜集数据@@@@@@，最后进行分析@@@@，这就是@@一个@@流程@@。首先我们从问题切入@@。最后这个@@问题可能会给我们带来这个@@答案@@。那么这个@@问题@@，比如说大家最喜欢的口味的派是@@什么@@，是@@苹果还是@@桃味的@@？最后我们拿到了问题的答案@@，可能就是@@苹果派@@，我们就觉得苹果派是@@最受欢迎的@@，但是@@@@反而我们得到了这个@@问题的答案是@@错误的@@。

 

　　现在我们其实可以做一些改变@@，改变一下我们的方式@@，我们不是@@从问题开始着手@@，因为有可能我们的问题本身就是@@错误的@@。我们先从数据@@着手@@，然后从数据@@开始搜集数据@@@@@@@@，进行分析@@。然后通过分析@@，我们可以提出一些非常棒@@的问题@@。比如说这个@@派的尺寸@@，最合适的尺寸是@@什么@@，这是@@正确的问题@@。根据这个@@分析@@，我们可以获得这样的一个@@假设@@。最后我们可以得到问题的答案@@，就是@@我们需要一个@@尺寸合适大小合适的派@@。我给大家拍张照片@@，后面的两位请微笑@@。好了@@，非常棒@@。现在我就要做一个@@决定@@，我拍了这个@@照片@@，什么是@@重要的@@，比如说如果你是@@非常重要的@@，我们就聚焦在你身上@@，后面的人就变成模糊的影像@@，我可能决定你是@@我的焦点@@@@，我不能让你成为一个@@模糊的影像@@。或者是@@我的焦点@@放在你这个@@人@@@@，那么你后面的人可能会变成模糊的影像@@，这意味着什么呢@@？

 

　　我现在在照一个@@照片@@，我首先要清楚@@，我感兴趣的事物是@@什么@@，人是@@什么@@。我的焦点@@在哪里@@，我需要知道这个@@问题@@，知道了这个@@问题之后@@，我才能知道答案@@。但是@@@@如果我现在不知道焦点@@聚集在谁身上@@，那怎么办呢@@？实际上这个@@聚焦也是@@属于小数据@@@@，如果现在你现在已经决定了你聚焦在谁身上@@，这个@@就是@@小数据@@@@，如果现在还没有决定那怎么办呢@@@@？大家可以看这张照片@@，有一个@@牙刷@@，后面是@@我四岁的儿子@@，可以看到这里牙刷是@@我聚焦的位置@@，我儿子就变得模糊了@@。但是@@@@现在我想改变焦点@@@@，让我儿子成为焦点@@@@，那怎么办呢@@？那我们这张照片实际上是@@用大数据@@@@的摄象头来设想的@@，它实际上可以捕捉到各种各样的数据@@@@@@，现在我们想要让我的儿子变成焦点@@@@，我用这个@@大数据@@@@摄像机拍完了之后@@，就可以调节这个@@焦点@@@@，在牙刷和我儿子之间切换焦点@@@@，因为这个@@摄像机搜集到了所有的数据@@@@@@，不是@@小的数据@@@@@@，而是@@@@大的数据@@@@@@，因此我可以改变聚焦的位置@@。所以我们搜集所有的数据@@@@@@，不需要先定义问题@@，可以先把数据@@搜集起来@@，再聚焦问题是@@什么@@。也就是@@说@@如果你可以搜集到全面的数据@@@@的话@@，可以发现创新性的问题@@。而且你可能完全不需要回答这些问题@@。

 

　　大家可能听说过这个@@品牌@@，多林国@@（音@@），实际上这是@@一个@@学习的应用@@，你可以用@@Iphone或是@@安卓系统来学习外国的语言@@。非常有意思@@，而且很酷@@。如果有兴趣的话@@，我也鼓励大家使用这个@@应用@@，全世界范围内有很多的人@@，每天都在使用多林国@@这个@@应用@@。我们使用数码设备@@，来使用这个@@应用@@，这个@@应用实际上可以捕捉我们的数据@@@@@@，捕捉我们的信息@@，可以捕捉我们学习语言的习惯@@，而且进行分析@@@@。多林国@@（音@@）这个@@公司@@，西班牙语的这些人@@，他们学习英语的方法是@@错误的@@，他们学习顺序是@@错误的@@，如果你可以改变一下这个@@顺序的话@@，西班牙人学习英语的速度@@就会越来越快@@。实际上他们一开始不是@@为了回答这个@@问题而搜集数据@@@@@@，他们先是@@搜集数据@@@@之后@@，然后分析数据@@@@@@，这个@@问题就出现了@@。他们通过分析@@，他们就调节了一下西班牙人学习英文的数据@@@@@@，帮助他们更好的学习英文@@，因此取得了成功@@。大学为什么不用这种方法呢@@？为什么我的教授同事们没有想到这一点@@呢@@？因为他们没有数据@@@@，而多林国@@@@（音@@）公司搜集到了这些数据@@@@。多林国@@（音@@）一开始并不知道怎么使用这些数据@@@@，但是@@@@他们逐渐逐渐的发现了可以如何应用这些数据@@@@，提升了用户的体验@@，也就是@@说@@，他们实际上可以实现很大的价值@@。他们不仅可以为客户提供更好的价值@@，而且可以带来利润@@。在过去@@，在以前@@，我们首先是@@提出问题@@，然后开始搜集数据@@@@@@@@，然后进行分析@@@@，最后拿到答案@@，最后把数据@@给扔了@@，因为数据@@已经完成了任务了@@，所以就把它扔到了@@。你要存储数据@@的话也是@@非常贵的@@，但是@@@@现在储存数据@@是@@不贵的@@。现在你可以应用数据@@实现更多@@的价值@@。你可以反复利用它@@，实现其它的目的@@。实际上我们看到的数据@@@@只是@@冰山一角@@。我们看到的是@@海洋之上的数据@@@@@@，大部分的数据@@@@是@@隐藏在海洋之下的@@。如果你重复使用这些数据@@@@，就可以发现潜在的价值@@。

 

　　大家应该是@@听说过劳斯莱斯这个@@品牌吧@@@@？但是@@@@我这里提到的并不是@@这个@@奢侈品牌@@，不是@@这个@@汽车@@@@，而是@@@@飞机的发动机@@。大家应该也知道劳斯莱斯它也是@@为飞机制造发动机的@@。比如说像空客@@、380，都是@@他们提供的发动机@@。他们也搜集了大量的数据@@@@@@，比如发动机的温度@@、压力@@、速度@@、振动@@、噪音@@等等@@，这些数据@@就是@@发送到发动机的计算机之中@@，再发送到这些公司之中@@，那劳斯莱斯就把这些数据@@全部储存起来@@。飞机每一个@@发动机搜集到@@40G的数据@@@@，这些数据@@最后反馈到劳斯莱斯的总部那里@@，通过这些数据@@@@他们会发现世界上有多少飞机是@@在使用他们的产品@@。他们又分析了这些数据@@@@。比如说飞机是@@停在哪里@@，或者是@@什么时候哪里出了问题@@，实际上这些技术故障出现之前@@，他们就进行维修保养了@@。如果在飞机起飞的时候出问题的话@@，那肯定就不行了@@。劳斯莱斯发现如果仅仅是@@搜集数据@@@@@@，而且知道自己要做什么的时候@@，开始搜集数据@@@@@@，实际上已经为时已晚@@。最好的方式就是@@能捕捉数据@@@@，随时随地的搜集数据@@@@@@，有时候你可能不知道板怎么利用这些数据@@@@，但是@@@@先把它搜集起来@@，因为在未来@@，可能它就起作用@@。

 

　　大家应该知道@@jawbone，这个@@手环@@的制造商@@，他们也在搜集这些数据@@@@，比如你起床@@、运动频率等等数据@@@@。我们也可以搜集数据@@@@@@，然后进行分析@@@@。去年加州发生了地震@@，在加州有很多人都佩戴@@jawbone，他们不断的搜集自己的数据@@@@@@，而且地震发生的时候@@，是@@在午夜@@，他们搜集的数据@@@@有一个@@区县@@，可以看到这里用户的数量@@，他们戴着@@jawbone手环@@，在晚上三点@@钟的时候@@，应该是@@大家都在睡觉了@@，但是@@@@突然地震发生了@@，然后我们看到这个@@峰值@@，因为地震发生的时候@@，大家肯定要从床上跳下来逃生@@，大家就看到了这样一个@@曲线变化@@。为什么这个@@数据@@特别的重要@@？因为不同的颜色代表不同的城市@@。就告诉大家这个@@地震的程度有多少@@，在不同地区@@，这个@@地震是@@大还是@@小@@。jawbone的用户他们很好的捕捉到了地震的数据@@@@@@，甚至比政府做得还要好@@。甚至比政府地震仪捕捉到的数据@@@@做得更好@@。jawbone就想了@@，我们不仅可以来预测地震@@，因为它现在已经搜集到了这些地震的信息@@。但是@@@@实际上这些大数据@@@@给我们提供了一个@@现代平台@@@@，大家可能听说过一年多前谷歌@@收购了@@@@nest，它是@@生产恒温计的@@。其中一个@@创始人我也认识@@。这个@@恒温计是@@调节你在家里环境的温度@@，谷歌@@收购了@@这个@@品牌@@，他们花了三十亿@@美金投资到这个@@公司@@@@，大家就想了@@@@，30亿@@，就买了一个@@恒温计的制造商@@，真的吗@@？值不值这个@@钱@@？他们并不了解谷歌@@的想法@@，这实际上是@@一个@@智能恒温计@@，这个@@恒温计可以记得你整个@@温度的调节@@，它可以记忆你这一天之中@@，哪个@@时间段是@@调节了温度@@，因此它就可以捕捉这些数据@@@@，了解你的行为@@，不论是@@你在家里@@，回到家的时候@@，是@@你想要温度上升@@，或者是@@温度下降@@，它在了解你的习性@@，了解了这个@@习性之后@@，数据@@发送到总部@@。那么现在谷歌@@就获得了很多人在家里的温度的情况@@，而且在哪个@@时间段需要什么样的温度@@，这些数据@@都搜集到了@@，大家可以想象一下这些数据@@的价值有多少@@。这样大家可以通过这样的方式来进行能源保护@@，节省能源@@，比如说你可以采取一些环保的措施@@，这也是@@为什么谷歌@@收购了@@这个@@品牌@@@@。它实际上提供了一个@@全新的平台@@@@。

 

　　大家看一下这个@@照片@@，汽车@@，电动汽车@@@@，这个@@是@@一个@@非常漂亮的汽车@@@@，而且非常快@@。这是@@一个@@创新型的汽车@@@@。因为它是@@电动的@@。然后我们看这个@@车@@，特斯拉其实已经不仅仅是@@一台汽车@@了@@，它对于我来说@@，就是@@一个@@数据@@@@，它是@@一个@@数据@@搜集的平台@@@@，你在驾驶特斯拉的时候@@，实际上汽车@@上装载了很多的传感器@@，它可以去搜集到@@，比如说振动@@的数据@@@@@@，加速的数据@@@@@@，转弯的数据@@@@@@，包括汽车@@平衡性@@、稳定性的数据@@@@@@，都可以搜集到@@，包括整个@@的刹车系统@@、振动@@系统@@，包括一些应急措施@@，这些数据@@都可以搜集到@@@@，搜集到这些数据@@特斯拉怎么做呢@@？当然它可以进一步的提升汽车@@性能@@，比如去年的时候@@，他们进行了提升@@，特斯拉的用户会发现他们的软件是@@实时更新的@@。比如汽车@@行驶历程可以提升@@10%。特斯拉可以用数据@@发现这些用户去了哪里@@，充电站在哪里@@。或者可以用一种无人驾驶的汽车@@@@，可以帮助你驾驶@@。通过这些数据@@@@，它也可以告诉政府@@，这些路段哪一些地方比较安全@@，哪一些比较危险@@。这些是@@通过数据@@而来的@@，未来的汽车@@实际上就是@@搜集数据@@@@的平台@@@@。它不仅载着我们从@@A点@@到@@B点@@，也是@@一个@@数据@@的平台@@@@。

 

　　大家听说过这个@@平台@@@@uber吧@@？它是@@一家出租车公司@@。这是@@通过交通出行来赚钱的公司@@。uber市场价值成千上万美金@@，为什么它有@@这么高的价值呢@@？它也是@@有数据@@@@，比如客户去了哪里@@，汽车@@的行使@@，等待时间等各种各样的数据@@@@@@，uber也是@@利用这些数据@@进行变革@@，变革我们移动的方式@@。当然这里也有问题@@，很多人都有汽车@@@@。在欧洲和美洲@@，几乎每个@@人@@都有自己的汽车@@@@。实际上你花了很多钱在自己的汽车@@上@@，但是@@@@这个@@汽车@@的使用率@@是@@怎么样的呢@@？大概只有@@4%的使用率@@，96%的时间@@，你的汽车@@就停留在那里@@。这个@@效率实在太低了@@。如果我们可以把这个@@效率提升@@，如果我们可以提出一个@@新的理念@@，使用自己的手机@@，然后按一个@@键@@，然后一个@@汽车@@@@，无人驾驶的汽车@@直接行使到你面前@@，然后你驾驶着它到另外一个@@地点@@@@，或者可以自动支付@@，上了这个@@汽车@@@@，载着你到另外一个@@地方@@，然后自动付款@@，然后它再去载另外一个@@人@@@@，这样汽车@@使用率就大大提升了@@，这样你就不用花很多钱去买汽车@@@@。现在这样的效率低下的情况就可以避免了@@。

 

　　还有@@airbnb，这个@@是@@度假的时候使用的@@，比如你可以利用它来找民宿@@，你出去旅游的时候@@，airbnb可以帮助你把房子租出去@@，因为你出去度假@@，房子是@@空置的@@。我们看到这样一个@@现象@@，数据@@的效率转变资源效率@@。现在我们从数据@@转移到了资源效率@@，我们用更多@@的数据@@@@@@，我们处于大数据@@@@的时代@@。比如说我们不断的提升汽车@@的效率@@，移动的效率@@，房子的利用率等等@@。这都是@@有关于资源利用的效率@@。不管是@@@@uber、airbnb、谷歌@@，他们都是@@利用数据@@来提升效率@@，创造价值的@@。那谁拿到了这个@@数据@@呢@@？是@@uber这个@@公司@@拿到了数据@@@@@@。nest拿到了数据@@@@，谷歌@@拿到了数据@@@@@@。不是@@租房子的人不是@@旅游的人拿到数据@@@@，而是@@@@airbnb这家公司获得了数据@@@@@@，也就是@@说@@这些公司@@，他们在捕捉数据@@捕捉价值上做得非常好@@。

 

　　大家想到数据@@@@，可能想到数据@@的规模是@@非常重要的@@，比如谷歌@@@@，谷歌@@是@@花了三十亿@@的美金@@，收购了@@nest获得了数据@@@@。在大数据@@@@时代@@@@，实际上这个@@规模可能没有你想象得那么重要@@。在美国有一个@@公司@@，它是@@预测消费品产品的价格@@，它就可以预测@@，比如像电视机的架构@@，它可以预测到电视机的价格是@@上升还是@@下降@@，他们可以直接预测到这个@@趋势@@。如果这个@@预测错的话@@，他们就会给你返回到差价@@。但是@@@@70%的概率他们是@@正确的@@。他们所做的也是@@捕捉数据@@@@，他们每天搜集到很多很多的价格点@@的数据@@@@@@，每一天成百上千万的用户数据@@他们都搜集到@@，还有@@消费品产品数据@@都搜集到@@，大家觉得这个@@公司@@规模有多大呢@@？总共@@30个@@人@@，包括清洁工@@。他们有多少服务器呢@@？0个@@，因为他们完全是@@使用云端武器@@。大数据@@@@好象听起来很大@@，规模很大@@，但是@@@@这一端@@，小的一端也是@@非常有意思@@的@@，就是@@一些初创公司@@，小的公司@@，也可以很好地使用这些大数据@@@@@@，因为你不需要购买很多的服务器@@，雇佣很多的员工@@，来搜集大数据@@@@@@。这些小的公司@@也可以搜集大数据@@@@@@，只要你有存储空间@@@@，有处理能力就可以了@@。而且这些成本也不高@@。因为我们有云端@@，因此大数据@@@@后面的基本的原理@@，一个@@理念@@，就是@@未来的数据@@@@已经不在于机器了@@，而是@@@@在于你的理念了@@。你需要有这样的理念@@，你要想象一下如何利用这些数据@@@@。这些云端可以帮助你处理一切的数据@@@@@@，非常感谢大家@@。

　　维克托@@·迈尔@@·舍恩伯格@@：《大数据@@@@时代@@》作者@@，牛津大学网络学院互联网研究所治理与监管专业教授@@