大數據時代：機器越便宜，人的掂量越貴（圖）

　　數據是變化的，技術是變化的，所以我們還要回到人的本質，要分清什麼是機器不能做而只有人才能做的。

　　

　
　　網際網路在過去10年發生了巨大的變化，以下數據可以做參考：今天的數字化資源佔到所有資源的98%，而10年前的比例是25%，其他都是紙張、唱片、膠捲等信息。到目前來說，網際網路發展得非常迅速，98%的數字化數據說明我們的生活已經完全數字化了。如今一天上傳到Youtube的視頻數量超過以前50年的拍攝視頻總量，這個數字是爆炸性的。

　　隨著生活越來越數字化，網際網路的邊界趨於消失。關於大數據、網際網路應用的論斷已有很多，但我們還應從以下五方面進行思考。

　　第一，反過來問，最後邊界在哪？

　　計算機能做什麼，不能做什麼？柏拉圖在《洞穴寓言》里說，我們人類有沒有反思過？如果我們是一群被鐵鏈捆綁的人，你的臉一直看著的是那堵牆，這時候那堵牆就是你知道全部的世界。而真實世界是發生在你背後的，有正在移動的人、桌子、椅子、動物，他們都在一個火炬的光源前面移動過，而你看到的僅僅是那堵牆。

　　你會怎麼理解這個世界？你永遠不知道真的世界是怎麼樣的。你看到的只是一個平面，而不知道它背後發生了什麼。他說，人類只有跳出鎖鏈，進行聯想，才能看到背後真的發生了什麼事情，而這是機器做不到的事情。

　　第二，人和機器的差別在哪裡？

　　「這個人怎麼樣」是描述性的語氣，「如果我漲價，銷量會變得怎麼樣？」是虛擬語氣，但不是每一種文字都有專門的虛擬語氣，例如：如果我是你，情況會怎麼樣？如果雞不叫，天會不會亮？這是人類獨特的特點，機器是做不到的。

　　現在許多機器能夠學習和處理大量的數據。人有多少特徵可描述？我的回答是無數個。給你一個蘋果請你描述，你會問，用什麼角度？因為有無數個角度，如形狀、顏色、甜度、厚度等等。現在各行各業的指標有很多，如傳統銀行描述一個客戶存貸款的變數之前有幾十個，現在發展為幾百個，阿里巴巴的變數則有上萬個。怎麼用這些指標？有了這些大量的數據（一天產生量是過去50年產生的量），機器是可以學習的，我們可以探索其中的所有關係，但是機器做不到「掂量」。

　　機器學習有一個重大的缺陷，它能提出許多的相關性，但是因果關係無法判斷。只有人才能掂量哪個因素是重要的。我們所有學管理的人都在探討馬云為什麼成功：他營銷做得好？他平台做得好？還是他高瞻遠矚？有無數的理由。最近我聽到一個理由說，阿里巴巴開始時都是虧的，後來才賺錢，最重要的原因是從小抱著計算機長大的那些人和相信計算機的人開始賺錢了。我們看到阿里巴巴成功的數據和整個大經濟的狀況，而所有這些數據展示出來時，從那麼多的因果關係中篩選出最主要的，這是機器做不到的。

　　第三，人會欺騙，這也是獨有的

　　網際網路的時代是一個嶄新的時代，但是以前有電報的時候，大家有沒有想過那是新的時代？有電話的時候，又是很新的時代？其實，只有很少人有電話的時候，你確實是比別人高一點，但是人人都有電話的時候你就不會比別人高多少。這時候我們要回歸一個本質，即最終決定勝負的是能不能建立非常牢固可靠的人與人之間的信任關係。在大街上遇到騙子問我要錢時我不會給他，如果他給我打電話我就會給他了嗎？如果他有一個ID我就會給他了嗎？我給阿里巴巴做了好幾年經濟顧問，其中一個重要的領域就是網規，建立起人與人之間的信任。實際上，人的聰明程度是遠遠超過機器，人們會利用它，然後會出現職業差評師。包括在社交網路裡面轉發什麼樣的帖子，是不是專發不靠譜的帖子，這些都會被記錄。

　　第四，人需要激勵

　　人們經常說網際網路就是大數據，是所有人共享的。有些大公司喜歡說他們是全資共享的，但真拿出來的共享資料是有限的。我們會發現一些數據資源，特別是經過人工判斷和因果關係判斷的數據是很貴的，不會隨便拿出來。別說是一個外人，就是公司內部也不是每個部門都同樣能夠得到這些數據的。不同部門把數據都保護得很好。另外，在一個公司里相同數據的使用受限程度也往往不同。

　　大數據不僅是大，而且要求活，要以具體的業務作為導向。很多人認為大數據非常廉價，比如說伺服器、雲，但機器越便宜的時候，人的判斷、人的因果關係，「人的掂量」就越貴。

　　第五，大數據需要的人才必須非常專業

　　據我所知，美國只有為數不多的一些人在專門做大數據處理，他們都是跨行業的人才。大數據需要的人才有非常專業的，比如對技術非常了解的黑客，比如清理數據能力、建模能力、溝通能力都非常強的數據專家，這幾個是不同的領域，人才也是非常專業的。但大數據更需要跨領域人才。因為溝通的成本最貴，如果能找到一個有若干本領的人才，在一個人的腦中就可以溝通，這就是非常有用的人才。

　　總之，數據是變化的，技術是變化的，所以我們還要回到人的本質，要分清什麼是機器不能做而只有人才能做的。