【51CTO.com原創(chuàng)稿件】

[[199463]]

作者Yuval Noah Harari

《未來簡史》作者介紹

作者Yuval Noah Harari是一位歷史博士，***本書《人類大歷史》，《Homo Sapiens》得到了比爾蓋茨 (Bill Gates)和馬克扎克伯格(Mark Zuckerberg)的推薦?！段磥砗喪贰罚禜omo Deus》是繼此之后又一部作品，而這部作品得到了中國互聯網大佬們的關注。傅盛(獵豹移動的CEO)就是其中之一的一位粉絲，邀請了Harari教授參加了2016年4月份的獵豹 Connect 大會。會上Harari教授談論了《未來簡史》，以及人工智能在未來世界中將會扮演的角色。

《未來簡史》提出簡單卻有些令人心寒的論點：21世紀人性將因為智能與意識的分離被改變。我們已經制造了機器，包含處理海量數據的網絡，而它們能比我們更好地認識我們自己的感受。谷歌搜索引擎自身并沒有個人想法或偏見，所以它不會在乎我們在搜索些什么。但是它能夠通過處理搜索行為比我們自己更早地知道我們想要什么。

在這篇書評中，我將把重點放在“數據主義”(Data-ism)上。它也是書中的另一個主題。由于大多數的企業(yè)沒谷歌的數據壟斷性資源，我將討論非500強企業(yè)如何能夠采用數據主義去獲取見解以及商業(yè)優(yōu)勢。我將在Harari教授的看法的基礎上進行一些延伸。由于我并不是一個哲學家或者歷史學者，所以我將不討論相關的哲學問題。

什么是數據主義?

[[199464]]

之前，由于人類要將數據提取成信息和知識，數據僅僅只是一系列腦力活動的***步。而據Harari教授說，現如今海量數據已經使信息提取變得異常艱難。由此而看，只有算法才能進行這種處理。

盡管Harari教授對算法有著應有的尊敬，他還是接著列舉了一些數據處理中非算法的機制。

• 價格機制：通過得知人們是否愿意支付，資源分配將變得可能(例如一個像倫敦一樣的大城市該生產多少面包)
• 證券交易所：當政壇丑聞、自然災害這樣的事情發(fā)生的時候，證券交易所只需要大致15分鐘的交易時間就可以獲知一個紐約時報的頭條對大多數股票價格的影響。

Harari教授接著指出了能夠推動非算法的成功的四個方法：

1. 增加“處理器”(Processors)的數量。一個有著一百萬投資人的證券交易所要比一個只有一百人的實體市場有著更高的計算能力。

2. 增加“處理器”的種類。不同的處理器可能會用不同的方式去計算和分析數據，所以在單個系統(tǒng)中使用不同種的處理器或許可以提高系統(tǒng)的活力和創(chuàng)造力。一個農夫、祭司、醫(yī)生之間的談話或許將促成奇特想法的產生，而三個狩獵者之間的談話就未必如此了。

3. 增加“處理器”之間的連接數量。如果處理器間的連接非常不足，那么僅僅增加處理器的數量和種類也就毫無意義了。十座城市相連的貿易網絡無疑要比十座互相隔離的城市帶來更多經濟、技術和社會的創(chuàng)新。

4.增強連接“處理器”傳達信息的靈活性。如果數據無法傳達、連接處理器也就毫無用處。 十所城市間單純的道路修建終會在強盜橫行和獨裁君主限制行動的情況下淪為無用功。

這四個方法有時候相互矛盾。隨著處理器數量和種類的增多，它們間自由連接的難度也就越大。如果要成功地利用好這四個方法，找到一個能解決關鍵問題的折中平衡點尤為重要。

可操作的數碼見解

當你采用以上四個方法來了解團隊如何能夠最有效地獲取高質量的數碼見解，它們可以提供很多幫助。退一步說，如果有著更多數量、同時也更多連接的“處理器”可以供我們利用，我們應該最終會得到更高質的數碼見解。所以，對于脫穎而出的商業(yè)性移動或網絡app而言，到底什么是“處理器”呢?

從最微觀的層次上來說，這些“處理器”就是你的用戶——他們的反饋和行為都是珍貴資源。Harari教授并不是***個考慮根據用戶來獲取見解的人，宜家(IKEA)的創(chuàng)始人Ingvar Kamprad就喜歡坐在一個收銀臺后面觀察客戶。當他被問到為什么這么做的時候，他回答道：“因為這是最合算也是最有效率的調查了，因為我可以問每一個人他們選擇和不選某個產品的原因。”

但你是在運營網站或移動app的時候，你沒法也坐在一個收銀臺后面向別人提問。那么，為了獲取寶貴的見解，你的團隊具體能采用哪些步驟呢?下面就把這些步驟分解到Harari教授的四種方法中。

1. 增加”處理器”的數量

(1) 實際應用

• 記錄所有數據：每個用戶， 比如一個宜家店鋪的顧客，是一個“處理器”，也是一個寶貴見解的來源。細致的數據是關鍵。用戶層面上關于數碼行為及交易的記錄是獲取見解的基礎。

(2) 如何重要

• 舉例說，當使用Google Analytics或友盟這樣免費的數碼分析工具時，它們通常用抽樣，但這個方法會因為一些并不具有代表性的武斷規(guī)則(比如每月的前5000名用戶)而導致目標用戶的過濾/轉換率分析出現偏差。
• 如果非得抽樣，那么你應該自己注明抽樣規(guī)則，而不是讓供應商替你支配。

2. 增加“處理器”的種類

(1) 實際應用

• 群體分析：分辨出一些用戶間的共同特征和共同數碼行為，以便將他們分割進不同的群體。一片大體的數據不太好操作，而群體分析就有助于在各個群體的興奮點上集中精力。
• 了解用戶情緒：數據較難形容用戶是否激動或失望。但通過跟蹤應用內的社交媒體達人，你可以了解他們分享前的行為，更好理解那時的情緒。

(2) 如何重要

• 除了在最有價值的顧客上集中精力外，理解用戶在促銷活動時的花費也有助于發(fā)掘升級機會。
• 舉例說，希拉里(Hillary Clinton)的團隊在2016年的美國大選利用數據的力量找到潛在支持者的***一票。但特朗普(Donald Trump)始終脫穎而出。他通過有力的競選主題，而不是大數據所產生的精確推廣(micro-targeting)。這些主題讓美國選民較激動，在社交媒體轉發(fā)他的Twitter帖子?？梢娗榫w是非常寶貴而難以通過大數據衡量的指標。

3. 增加“處理器”之間的連接數量

(1) 實際應用

• 線上和線下數據的集合：許多企業(yè)在線上和線下進行推銷(比如一個實體店里的二維碼宣傳)

(2) 如何重要

• 線下的市場活動可以增強網絡營銷的有效性：“七的定律(Rule of Seven)”的重要標準。這個概念很簡單：一個普通消費者只有在接觸到一個品牌的信息七次的時候才會消費。用線上和線下的指標來測評不同的通道以及更有效地接觸目標用戶。

4. 增強連接“處理器”傳達信息的靈活性

(1) 實際應用

• 獲取見解的途徑不斷地在改變：企業(yè)采集、管理和數據分析的方式將在5年后有所不同。為了在不斷的變化中與時俱進，一個可提供數據采集、可視化和分析的開放式技術構架是良策。

(2) 如何重要

• 軟件工具和用戶喜好不斷地在更新，但是市場原理并不會改變。因此，企業(yè)們需要掌握原始數據的存取和集合不同平臺上的數據。

算法并不是解決所有問題的良藥

Harari教授認為算法能夠復制這些生活中所見到的復雜、自我調節(jié)的機制。然而，這些算法只能強調關聯性，卻不能告訴我們?yōu)槭裁从脩暨@樣行動。解決這類“為什么”問題會為移動app及網站提供了最巨大的商業(yè)價值。

與其在大數據技術上進行大量投資來獲取或有或無商業(yè)用途的關聯性方面的信息，我認為不如向宜家的創(chuàng)始人Ingvar Kamprad學習和參考Harari教授的四個方法。這能更好地獲知你團隊的數據分析構架該怎么才能更集中于找尋“為什么”的因素。

【51CTO原創(chuàng)稿件，合作站點轉載請注明原文作者和出處為51CTO.com】

戳這里，看該作者更多好文