舍恩伯格：大數據的未來在于理念而非機器

 

　　以下是舍恩伯格演講實錄：

 

　　非常榮幸能出席今天的盛會，今天上午我們聽到了很多技術的演講，技術實際上給我們帶來了變革，這些變革也給我們帶來了一些前所未有的成功，比如在商業界，還有各個公司，無論大公司還是小公司，都給他們帶來了成功。在接下來的30分鐘，我想讓大家思考一下，數據實際上給我們帶來了工具，而這些工具給我們帶來了成功。但是我們要真正取得成功，還是要取決于我們利用這個工具的能力。這就需要我們要好好的了解什么是數據，還有未來的數據到底是怎么樣的。

 

　　首先我給大家講一個有意思的故事吧。這個故事實際上是我的同事凱爾（音）所發現的。在美國的超市，很多年前他們銷售一些蛋糕，這些蛋糕有不同的口味，巧克力味、香蕉味、桃子味……這個蛋糕的尺寸大概是30厘米那么大，就像一個餡餅一樣。如果你問一下這些美國的超市，他們銷售的這些蛋糕當中，哪款是最受歡迎的銷量最好的，大家覺得是什么餡餅呢？答案是蘋果餡餅。但是如果你要真正去問他們是不是真的喜歡蘋果餡餅，實際上可能很多人并不是真的喜歡蘋果餡餅。為什么他們不是最喜歡蘋果餡餅，卻買它呢？因為想一想，它有30厘米那么大，那全家買一個蘋果派就夠了。那家里的所有人可以達成一致，他們起碼比較喜歡的就是蘋果派，即使蘋果派不是他們最喜歡吃的，但是他們可以吃，這個可以達成共識。因此很多年以來，世界上的這些超市，賣的派可能未必是人們最喜歡的口味，但是之后他們發現了問題所在，就是尺寸問題。如果你讓它尺寸變小話，每一個家庭可以不止買一個派，每一個家庭成員都可以買一個自己喜歡吃的口味。如果你把尺寸變一下，他們可能就不是買蘋果派，他們可以根據自己的口味買香蕉派、梨派、桃派，這個問題就很簡單了。

 

　　其實很多年以來，這些超市的策略是不對的。就是尺寸的問題，而不是口味的問題，他們的尺寸太大了。之后超市進行了調查，問用戶到底喜歡吃什么口味的，用戶肯定會說我想要吃蘋果派，因為只有那個尺寸的蘋果派。我們一直做數據研究，在觀察周圍的環境，但是幾百年前幾千年前，我們看當時的世界，也在搜集數據。搜集數據，分析數據，是需要花費很多的時間的，有時候也是非常困難的，它需要做大量的工作，有時候也是非常昂貴的。但是我們可能用到的數據只有一小部分，很有限，因此我們之前擁有的數據規模是非常小的。大家可以想一下，我們現在的數據分析，或者是一些小的樣本。它們都是一些很小的數據。我們是把數據縮小到一定的規模，然后從這些小的規模數據上找到一些理論。當然了，那是小數據時代，也是我所成長的一個時代。

 

　　但是現在一切都變了。我們現在搜集數據分析數據的能力越來越強了。而且現在搜集數據的成本也下降了。因此我們周圍一切都變化了。那這時候我們就需要改變自己的思維，因為我們所處的是大數據時代。如果我們找到新的方法，就可以有新的理念。

 

　　在過去我們希望可以利用數據，來回答問題，首先可能先是假設，這就是一個問題，然后搜集數據，最后進行分析，這就是一個流程。首先我們從問題切入。最后這個問題可能會給我們帶來這個答案。那么這個問題，比如說大家最喜歡的口味的派是什么，是蘋果還是桃味的？最后我們拿到了問題的答案，可能就是蘋果派，我們就覺得蘋果派是最受歡迎的，但是反而我們得到了這個問題的答案是錯誤的。

 

　　現在我們其實可以做一些改變，改變一下我們的方式，我們不是從問題開始著手，因為有可能我們的問題本身就是錯誤的。我們先從數據著手，然后從數據開始搜集數據，進行分析。然后通過分析，我們可以提出一些非常棒的問題。比如說這個派的尺寸，最合適的尺寸是什么，這是正確的問題。根據這個分析，我們可以獲得這樣的一個假設。最后我們可以得到問題的答案，就是我們需要一個尺寸合適大小合適的派。我給大家拍張照片，后面的兩位請微笑。好了，非常棒?，F在我就要做一個決定，我拍了這個照片，什么是重要的，比如說如果你是非常重要的，我們就聚焦在你身上，后面的人就變成模糊的影像，我可能決定你是我的焦點，我不能讓你成為一個模糊的影像?；蛘呤俏业慕裹c放在你這個人，那么你后面的人可能會變成模糊的影像，這意味著什么呢？

 

　　我現在在照一個照片，我首先要清楚，我感興趣的事物是什么，人是什么。我的焦點在哪里，我需要知道這個問題，知道了這個問題之后，我才能知道答案。但是如果我現在不知道焦點聚集在誰身上，那怎么辦呢？實際上這個聚焦也是屬于小數據，如果現在你現在已經決定了你聚焦在誰身上，這個就是小數據，如果現在還沒有決定那怎么辦呢？大家可以看這張照片，有一個牙刷，后面是我四歲的兒子，可以看到這里牙刷是我聚焦的位置，我兒子就變得模糊了。但是現在我想改變焦點，讓我兒子成為焦點，那怎么辦呢？那我們這張照片實際上是用大數據的攝象頭來設想的，它實際上可以捕捉到各種各樣的數據，現在我們想要讓我的兒子變成焦點，我用這個大數據攝像機拍完了之后，就可以調節這個焦點，在牙刷和我兒子之間切換焦點，因為這個攝像機搜集到了所有的數據，不是小的數據，而是大的數據，因此我可以改變聚焦的位置。所以我們搜集所有的數據，不需要先定義問題，可以先把數據搜集起來，再聚焦問題是什么。也就是說如果你可以搜集到全面的數據的話，可以發現創新性的問題。而且你可能完全不需要回答這些問題。

 

　　大家可能聽說過這個品牌，多林國（音），實際上這是一個學習的應用，你可以用Iphone或是安卓系統來學習外國的語言。非常有意思，而且很酷。如果有興趣的話，我也鼓勵大家使用這個應用，全世界范圍內有很多的人，每天都在使用多林國這個應用。我們使用數碼設備，來使用這個應用，這個應用實際上可以捕捉我們的數據，捕捉我們的信息，可以捕捉我們學習語言的習慣，而且進行分析。多林國（音）這個公司，西班牙語的這些人，他們學習英語的方法是錯誤的，他們學習順序是錯誤的，如果你可以改變一下這個順序的話，西班牙人學習英語的速度就會越來越快。實際上他們一開始不是為了回答這個問題而搜集數據，他們先是搜集數據之后，然后分析數據，這個問題就出現了。他們通過分析，他們就調節了一下西班牙人學習英文的數據，幫助他們更好的學習英文，因此取得了成功。大學為什么不用這種方法呢？為什么我的教授同事們沒有想到這一點呢？因為他們沒有數據，而多林國（音）公司搜集到了這些數據。多林國（音）一開始并不知道怎么使用這些數據，但是他們逐漸逐漸的發現了可以如何應用這些數據，提升了用戶的體驗，也就是說，他們實際上可以實現很大的價值。他們不僅可以為客戶提供更好的價值，而且可以帶來利潤。在過去，在以前，我們首先是提出問題，然后開始搜集數據，然后進行分析，最后拿到答案，最后把數據給扔了，因為數據已經完成了任務了，所以就把它扔到了。你要存儲數據的話也是非常貴的，但是現在儲存數據是不貴的?，F在你可以應用數據實現更多的價值。你可以反復利用它，實現其它的目的。實際上我們看到的數據只是冰山一角。我們看到的是海洋之上的數據，大部分的數據是隱藏在海洋之下的。如果你重復使用這些數據，就可以發現潛在的價值。

 

　　大家應該是聽說過勞斯萊斯這個品牌吧？但是我這里提到的并不是這個奢侈品牌，不是這個汽車，而是飛機的發動機。大家應該也知道勞斯萊斯它也是為飛機制造發動機的。比如說像空客、380，都是他們提供的發動機。他們也搜集了大量的數據，比如發動機的溫度、壓力、速度、振動、噪音等等，這些數據就是發送到發動機的計算機之中，再發送到這些公司之中，那勞斯萊斯就把這些數據全部儲存起來。飛機每一個發動機搜集到40G的數據，這些數據最后反饋到勞斯萊斯的總部那里，通過這些數據他們會發現世界上有多少飛機是在使用他們的產品。他們又分析了這些數據。比如說飛機是停在哪里，或者是什么時候哪里出了問題，實際上這些技術故障出現之前，他們就進行維修保養了。如果在飛機起飛的時候出問題的話，那肯定就不行了。勞斯萊斯發現如果僅僅是搜集數據，而且知道自己要做什么的時候，開始搜集數據，實際上已經為時已晚。最好的方式就是能捕捉數據，隨時隨地的搜集數據，有時候你可能不知道板怎么利用這些數據，但是先把它搜集起來，因為在未來，可能它就起作用。

 

　　大家應該知道jawbone，這個手環的制造商，他們也在搜集這些數據，比如你起床、運動頻率等等數據。我們也可以搜集數據，然后進行分析。去年加州發生了地震，在加州有很多人都佩戴jawbone，他們不斷的搜集自己的數據，而且地震發生的時候，是在午夜，他們搜集的數據有一個區縣，可以看到這里用戶的數量，他們戴著jawbone手環，在晚上三點鐘的時候，應該是大家都在睡覺了，但是突然地震發生了，然后我們看到這個峰值，因為地震發生的時候，大家肯定要從床上跳下來逃生，大家就看到了這樣一個曲線變化。為什么這個數據特別的重要？因為不同的顏色代表不同的城市。就告訴大家這個地震的程度有多少，在不同地區，這個地震是大還是小。jawbone的用戶他們很好的捕捉到了地震的數據，甚至比政府做得還要好。甚至比政府地震儀捕捉到的數據做得更好。jawbone就想了，我們不僅可以來預測地震，因為它現在已經搜集到了這些地震的信息。但是實際上這些大數據給我們提供了一個現代平臺，大家可能聽說過一年多前谷歌收購了nest，它是生產恒溫計的。其中一個創始人我也認識。這個恒溫計是調節你在家里環境的溫度，谷歌收購了這個品牌，他們花了三十億美金投資到這個公司，大家就想了，30億，就買了一個恒溫計的制造商，真的嗎？值不值這個錢？他們并不了解谷歌的想法，這實際上是一個智能恒溫計，這個恒溫計可以記得你整個溫度的調節，它可以記憶你這一天之中，哪個時間段是調節了溫度，因此它就可以捕捉這些數據，了解你的行為，不論是你在家里，回到家的時候，是你想要溫度上升，或者是溫度下降，它在了解你的習性，了解了這個習性之后，數據發送到總部。那么現在谷歌就獲得了很多人在家里的溫度的情況，而且在哪個時間段需要什么樣的溫度，這些數據都搜集到了，大家可以想象一下這些數據的價值有多少。這樣大家可以通過這樣的方式來進行能源保護，節省能源，比如說你可以采取一些環保的措施，這也是為什么谷歌收購了這個品牌。它實際上提供了一個全新的平臺。

 

　　大家看一下這個照片，汽車，電動汽車，這個是一個非常漂亮的汽車，而且非?？?。這是一個創新型的汽車。因為它是電動的。然后我們看這個車，特斯拉其實已經不僅僅是一臺汽車了，它對于我來說，就是一個數據，它是一個數據搜集的平臺，你在駕駛特斯拉的時候，實際上汽車上裝載了很多的傳感器，它可以去搜集到，比如說振動的數據，加速的數據，轉彎的數據，包括汽車平衡性、穩定性的數據，都可以搜集到，包括整個的剎車系統、振動系統，包括一些應急措施，這些數據都可以搜集到，搜集到這些數據特斯拉怎么做呢？當然它可以進一步的提升汽車性能，比如去年的時候，他們進行了提升，特斯拉的用戶會發現他們的軟件是實時更新的。比如汽車行駛歷程可以提升10%。特斯拉可以用數據發現這些用戶去了哪里，充電站在哪里?；蛘呖梢杂靡环N無人駕駛的汽車，可以幫助你駕駛。通過這些數據，它也可以告訴政府，這些路段哪一些地方比較安全，哪一些比較危險。這些是通過數據而來的，未來的汽車實際上就是搜集數據的平臺。它不僅載著我們從A點到B點，也是一個數據的平臺。

 

　　大家聽說過這個平臺uber吧？它是一家出租車公司。這是通過交通出行來賺錢的公司。uber市場價值成千上萬美金，為什么它有這么高的價值呢？它也是有數據，比如客戶去了哪里，汽車的行使，等待時間等各種各樣的數據，uber也是利用這些數據進行變革，變革我們移動的方式。當然這里也有問題，很多人都有汽車。在歐洲和美洲，幾乎每個人都有自己的汽車。實際上你花了很多錢在自己的汽車上，但是這個汽車的使用率是怎么樣的呢？大概只有4%的使用率，96%的時間，你的汽車就停留在那里。這個效率實在太低了。如果我們可以把這個效率提升，如果我們可以提出一個新的理念，使用自己的手機，然后按一個鍵，然后一個汽車，無人駕駛的汽車直接行使到你面前，然后你駕駛著它到另外一個地點，或者可以自動支付，上了這個汽車，載著你到另外一個地方，然后自動付款，然后它再去載另外一個人，這樣汽車使用率就大大提升了，這樣你就不用花很多錢去買汽車?，F在這樣的效率低下的情況就可以避免了。

 

　　還有airbnb，這個是度假的時候使用的，比如你可以利用它來找民宿，你出去旅游的時候，airbnb可以幫助你把房子租出去，因為你出去度假，房子是空置的。我們看到這樣一個現象，數據的效率轉變資源效率?，F在我們從數據轉移到了資源效率，我們用更多的數據，我們處于大數據的時代。比如說我們不斷的提升汽車的效率，移動的效率，房子的利用率等等。這都是有關于資源利用的效率。不管是uber、airbnb、谷歌，他們都是利用數據來提升效率，創造價值的。那誰拿到了這個數據呢？是uber這個公司拿到了數據。nest拿到了數據，谷歌拿到了數據。不是租房子的人不是旅游的人拿到數據，而是airbnb這家公司獲得了數據，也就是說這些公司，他們在捕捉數據捕捉價值上做得非常好。

 

　　大家想到數據，可能想到數據的規模是非常重要的，比如谷歌，谷歌是花了三十億的美金，收購了nest獲得了數據。在大數據時代，實際上這個規?？赡軟]有你想象得那么重要。在美國有一個公司，它是預測消費品產品的價格，它就可以預測，比如像電視機的架構，它可以預測到電視機的價格是上升還是下降，他們可以直接預測到這個趨勢。如果這個預測錯的話，他們就會給你返回到差價。但是70%的概率他們是正確的。他們所做的也是捕捉數據，他們每天搜集到很多很多的價格點的數據，每一天成百上千萬的用戶數據他們都搜集到，還有消費品產品數據都搜集到，大家覺得這個公司規模有多大呢？總共30個人，包括清潔工。他們有多少服務器呢？0個，因為他們完全是使用云端武器。大數據好象聽起來很大，規模很大，但是這一端，小的一端也是非常有意思的，就是一些初創公司，小的公司，也可以很好地使用這些大數據，因為你不需要購買很多的服務器，雇傭很多的員工，來搜集大數據。這些小的公司也可以搜集大數據，只要你有存儲空間，有處理能力就可以了。而且這些成本也不高。因為我們有云端，因此大數據后面的基本的原理，一個理念，就是未來的數據已經不在于機器了，而是在于你的理念了。你需要有這樣的理念，你要想象一下如何利用這些數據。這些云端可以幫助你處理一切的數據，非常感謝大家。

　　維克托·邁爾·舍恩伯格：《大數據時代》作者，牛津大學網絡學院互聯網研究所治理與監管專業教授