2023年数据是没有方向的子弹只有“人”懂得瞄准.docx

数据是没有方向的子弹，只有“人〞懂得瞄准 李北辰 毋庸置疑的是，2022年中国资本市场最大的一件事，就是中小型创新企业能够在科创板上市。 从国家首次提出科创板和注册制概念，到最终开板，一共只用了220天。相较于之前创业板和中小板经历的数年之久，科创板创造了中国证券史上开板的最快纪录。这委实也是在印证，其背负着整个市场的宏大期许，人们希望它能成为“中国的纳斯达克〞。 这种期许表现在以市场为导向的一系列措施：譬如将核准制改为注册制，取消了交易规那么中间的诸多限制，得以让一些有潜力的年轻企业突破旧秩序的牵制； 再比方，对企业的判断标准不再是现实盈利，而是让市场判断它是否有未来潜力。 其实就像金融学者香帅所言：“科创板的实施过程就是一个词：放权。把监管的权力交还给市场，让市场进行选择，看是不是能在沙里面淘出金子来〞，这些措施也给市场释放了一个信号：“国家坚持市场经济的导向趋势不会变，不但不会变，而且还会加大市场在资源配置中的作用。〞 而谈及科创板与市场经济的关系，敏锐者不难觉察，ABC（人工智能，大数据，云计算）等新技术在不同行业的渐次落地，早已作为商业竞赛的重要一环，在市场资源配置中应用广泛。从现在到未来，新技术之于各个产业的最大意涵，就是优化经济效率，降低决策本钱。 所以马化腾才说：“今天当信息化这个最大的变量开始融入到各行各业，产业竞争的方式正在发生变化，由垂直纵深的各个实体产业和横向延展的信息产业相结合，形成了纵横交错的新伙伴，可以说产业竞争已经演化为双打的比赛。〞 以信息化的“主体〞——大数据为例。无需赘言，“信息战〞已成为商业竞赛的一大主战场，数据将在不同决策方向上充当“灯塔〞角色。 但是，即便这盏灯塔如此耀眼，许多企业却依旧视而不见。依我之见，这是因为他们对大数据这个熟悉的概念，依旧一知半解。 1 早在“大数据〞的商业内涵呼之欲出之时，业内就已达成共识：大数据的奥秘不是“量大〞，是“量全〞，也就是要具有多维度的特征，且各个维度最好是“正交〞的。 我印象很深，浪潮之巅作者吴军老师用基因举过一个例子。一个人的基因全图谱数据大约在1TB，也就是1000个GB，数量庞大，却无法得出有效的统计规律，因为我们无法从个人数据看出是否有潜在疾病，而且由于每个人的基因不同，即便拥有100个人的基因数据，即便发现某个人的一段基因和其他人不同，也不能说明他有疾病——但倘假设叠加另一维度的信息，比方这100人过去的病例，就有可能发现某段基因和某些疾病间的联系。 其实在今天，从电商平台到社交网络，从搜索引擎到各类流媒体，都在通过相互叠加印证的逻辑，不断丰富获取数据的维度，以此判断用户的不同选择偏好。 如果你认为大数据在ToC端的应用司空见惯，那么我今天举一个ToB——而且是貌似是最传统不过的行业：招商。在不久前结束的中国国际数字经济博览会“科创板与数字经济顶峰论坛〞上，首次亮相数博会的华夏幸福产业大数据平台，就让外界看到了当新技术遇到“旧〞行业，究竟能够释放出何种新意。 根据官方数据，这一大数据平台是其基于17年的产业招商经验，结合AI与大数据研发的专业化平台，主要聚焦10大产业，拥有2760万家企业11.5亿条动态数据。这些海量，多维，实时的数据，能够基于不同应用场景，为企业投资选址和区域产业开展提供效劳。 你大概可以将它理解为一个“产业大熔炉〞，将产业知识，数据，技术等一切资源作为助燃方式，放在里面融会贯穿，待到熔炼为一体，就会以界面友善的产品化方式落地，为不同产业输出最正确决策。 值得一提的是，随着科创板的上板，平台也最新推出了“科创板大数据〞的新产品，聚焦新型显示，半导体，汽车，生物医药等6大科技创新产业，提供上市企业分析，申报企业监测，资本流向预测，招商时机挖掘等数智化效劳。并从36个行业赛道，428个细分方向中筛选出183个最具招商潜力的热点赛道，综合热点赛道内企业资本，研发，产品，市场等多维度动态信息，辅以科创板上市标准，输出有望登陆科创板，有投资选址或扩产意向的两类企业名单，快速精准筛选标的科创企业，大幅提升招商效能。 其实从这一大数据平台不难发现，为了防止失真，与ToC端相似，ToB端同样珍视信息的维度。尤其是当你希望潜心下沉至不同产业的细枝末节，希望对同一产业复杂的节点关系洞假设观火，这种“多维度动态信息〞，就变得尤为重要，它们是这座数据灯塔最耀眼的光芒。 换句话说，如果将单一企业比作基因，那么这一平台不但知晓个体基因的优劣，还能知晓不同基因数据之间的联系，用算法模型评估和预估企业投资决策。 在这个意义上，“未来几乎所有产业都将变成数据密集型产业〞，无疑是一种确定性趋势。 2 不过，在这种趋势背后，我今天还想谈另一件事：诚然，数据很重要，算法很重要，但它们是最重要的决策因素么？也许未必。 在数博会参观这个大数据平台时，我就一直在想：大概从数年前开始，“大数据和AI将取代人类工作〞的论调，就已甚嚣尘上，我看到至少十几个研究报告和专家观点都指出：2045年人类失业率将超过50%。考虑到那时本文读者大概率依旧健在，这一比例委实令人不悦。 不过好消息是，回眸历史不难发现，人类因机器丢掉工作的悲观论调通常并非事实，尤其是在工业革命后，那些老旧且低技能的工作，会被新鲜且需更高价值的工作取代——譬如在1862年，美国90%的劳动力是农民，20世纪30年代下降到21%，如今那么不到2%。用一课经济学的作者赫兹利特的话说，“当今全球人口是18世纪中叶工业革命形成规模前的4倍，如果没有近现代机器，这个世界根本无法养活那么多人。我们当中四分之三的人能有工作可做，都要拜机器所赐。〞 未来或许也将如此。 事实上，人类每一次革命性的技术飞跃，都会带来经济效率的大幅提升，大数据和人工智能更是如此。但就像许多学者所言，在这个过程中，大局部行业不会迅速消失，而是会向与机器共舞的方式演化，有大量协同工作需要与机器为伴，尤其是在裹挟着更多利益的商业领域——而在这个过程中，不同行业精英最需要做的，就是用坚实的行业知识，构建起一道连接不同维度信息之间的桥梁。 为什么这么说？篇幅所限，我只说一个角度，那就是当大数据维度增多之后，难免出现一些“矛盾〞。吴军在得到专栏中展示过一张图：左图有两个维度的信息，它们共同圈定了一个目标范围； 右图那么有三个维度的信息，但它们之间并没有共同的交点。这个时候，我们该“信任〞谁？ 答案是“信人〞。 如同吴军老师说的那样：“消除数据之间的矛盾，需要领域知识。因此在一个行业里从业很长时间，具有专业知识的人，不仅不会被大数据取代，而且有可能利用好大数据，在事业上更上一层楼。〞 我舉个例子，在数博会的展台，面对被聚光笼罩的产业大数据平台，让大多数人心生敬畏的，是屏幕上不断闪烁的数据，它们是“未来已来〞的绝佳隐喻。但我知道，站在聚光灯背后的，是一支4600人的产业开展团队。相较于数据和算法，这些行业专家才是大数据平台的最大壁垒，受益于常年积淀的实践经验，他们知道如何将多维度信息按照不同的产业逻辑，先进行数据分装，再根据不同的模型调参进行分析，最终形成产业决策。 事实上，这一平台本身就在印证，在产业分工不断细密的时代，无论哪种行业，任何一个“缺乏为外人道〞的零星知识碎片，都显得弥足珍贵，这些哈耶克眼中最纯粹的“一手知识〞，以及对这些知识的理解和嫁接，才是点亮“数据灯塔〞的关键。 毕竟归根结底，在商业信息战中，数据只是没有方向的子弹，只有“人〞才懂得瞄准。