人们都说，这是一个大数据时代，是数据产生价值的时代，更是数据成为资产的时代。真的是这样吗？
要认真探讨这个问题并不容易。首先，要理解什么是数据。对于数据，可以给出多种不同的定义，各有其道理。但是，哪种定义能够帮助我们更好地理解数据产业？理解它的昨天、今天，还有明天呢？其次，要理解什么是资产。会计学对资产的定义是什么？数据就是资产，这个说法站得住脚吗？根据会计学的定义，资源要成为资产有一个必要条件：带来预期的经济收益。那么什么是经济收益？我认为就是商业价值。由此可见，不是所有的数据都可以称为资产，只有那些能够产生商业价值的数据才可以称为资产。因此，数据创造价值的过程，就是数据资源资产化的伟大历程！
数据如何产生价值？纯粹而孤立的数据有商业价值吗？没有。数据价值的彰显需要一个必要条件：业务场景。只有合适的数据配合合适的业务场景，才能产生价值。业务场景可以孤立于数据之外而产生价值，但是数据却无法孤立于业务场景之外产生价值。因此，数据价值之道在于：场景为王，数据次之，算法最后。所以，数据分析的第一步，也是最重要的一步，不是分析数据，不是建立模型，而是分析业务。对业务缺乏充分的理解，不可能让数据产生价值。为此，需要一套规范的方法论，帮助我们从业务角度定义数据分析，从数据分析角度实践业务。这就需要具备一种能力，即把抽象的业务问题转变为数据可分析问题。这是数据分析最困难、最具挑战也是最了不起的地方。为此，你需要重新理解什么是回归分析。
人们通过各种数据建模的技术手段，对业务的核心指标做出预测，希望可以无限准确。但悲催地发现，无论如何努力都无法做到非常高的预测精度。你可能开始怀疑人生，变得焦虑、苦恼、迷失方向。其实不必慌张，这一切都很正常，这才是数据分析的真实世界。对真实的数据分析而言，预测不准是常态，预测过度准确才是一个让人非常担忧的“变态”。为什么？因为预测过度准确常常是一个假象、一个幻觉。预测过度准确可能是人们犯了愚蠢的错误。所以，任何时候我看到预测过度准确的模型，第一反应是：错了!从未失手!因此，你需要坦然接受预测不准的常态，这是大千世界无常的一个正常反映。所谓无常就是难以预知的变化，就是不确定性!在实践中，不确定性随处可见。不确定性常常由两部分组成：一是无知，二是无奈。无知可以通过数据分析、模型学习慢慢化解；无奈却让人束手无策，而无奈恰恰决定了预测不准是常态!
既然预测不准是常态，为什么还要做预测？一个预测不准的场景能有什么用处？其实，这才是数据模型最有价值的场景。在这个场景下，由于不确定性的
影响，数据模型预测精度可能算不上完美，但是没有
数据模型加持的经验方法往往表现更差。因此，数据Copyright©博看网 www.bookan. All Rights Reserved.
76|2020 JANUARY
悦读 BOOKS
JANUARY 2020 |
77模型的价值主要体现在预测精度的相对优势上(相对于经验方法)，而不是对绝对预测精度的无限追求。事实上，对于一个业务场景，如果数据模型可以预测准确，那么经验方法常常也会表现优异，甚至与数据模型旗鼓相当。此时，数据模型并没有相对优势。深刻理解了预测不准是常态这一道理，你的世界观就变了。虽然仍在努力改进数据、改进模型，提高预测的精度，但已不再排斥不确定性。开始拥抱预测不准这一常态，看待数据商业价值的高度也就变了！
任何事物都有它的两面性。数据带来价值的同时，也带来了伤害：隐私泄露。相信你也深受其害。我家小朋友上了一个英语补习班，其他英语学校的骚扰电话就接踵而来，不胜其烦!因此，全社会对于隐私保护的意识越来越强烈。但为了隐私保护而保护隐私，就如同医生给病人看病，头痛医头，脚痛医脚，不治根本。隐私保护的根本是：数据确权与合规。仔细思考，什么是隐私保护？就是保护同隐私相关的数据。为此，你需要得到法律的支持，即我才是这个数据唯一的合法拥有者。因此，需要对数据确立清晰的产权，这就是数据确权。数据确权非常重要，不局限于隐私保护。如果数据的产权都不明晰，它又怎么能成为可交易的数据资产呢？但现实中的关键问题是：数据如何确权。数据资源的生产过程很复杂，往往多方参与其中(企业、政府、用户等)，而且数量巨大(海量用户)。这一点同实物资产很不一样，需要一些独特的创新，需要法学的智慧!
最后讨论的是，数据资产如何定价？定价的逻辑是什么？同实物资产相比，有什么异同之处？数据资
产与实物资产的相同之处在于，资产的价格无法通过一个神奇的数学公式准确计算。因为同样的资产(无论是数据资产，还是实物资产)，在不同的场景下价值各不相同，无法给出一个绝对准确的价格。而资产只能遵循最基本的经济学供求关系：高价格提高供给、降低需求，低价格降低供给、提高需求。但是，价格与供需之间到底是什么样的数学关系，无法描述，只能交给市场，通过大量的交易自动碰撞摸索形成。因此，交易才是定价的核心微观基础。要想给数据资产定价，就要促进数据资产交易。那么数据资产应该如何交易？交易的形态应该如何设定？数据资产和实物资产的不同在于，复制成本
几乎为零。因此，如果数据资产模仿实物资产，以金钱为媒介进行交易恐怕欠妥。因为购买方可以零成本立刻复制多份盗版向市场非法售卖，其监管成本极其高昂。由此，我大胆猜测，数据资产交易需要一种独特的交易形态和交易场所。这是本书最后为大家分享的内容。
吴辉以上就是本书想要讨论的内容，总结了我对数据产业的思考和瞎想，纯思想性内容，没有任何数学公式。所有的讨论都关注在一个焦点上：践行数据商业价值，也即数据资源资产化。希望探索一条践行数据商业价值的道路，发展一套数据资源资产化的方法。显然，我不能保证书中所有的观点都是正确的，恰恰相反，其中必有荒诞、谬误甚至陷阱。但是，不经历这些哪来的康庄大道？希望你不要袖手旁观，能够为我加油，并提出建设性意见。我想以此书为践行数据商业价值的同行加油喝彩，为我国的数据产业讴歌，为数据资源资产化的伟大历程做忠实记录!
《华为团队工作法：华为19万员工力出一孔的人才管理法则》
推荐理由：
华为是中国率先将人才作为战略资源的企业，华为团队工作法是其持续壮大的动力和源泉。
作为构建华为人才体系的核心成员，吴建国在本书中聚焦人才选拔、团队搭建、人才培养、激励机制与组织激活，系统阐述了华为“精准选配、有效激励、加速成长”三位一体的团队管理法则，揭示了华为
团队建设和人才管理的核心要点。本书富含真实的场景化案例，让读者既能学到方法论，更能理解该技巧的适用背景和限制条件。无论是正在崛起的新生代企业还是转型中的传统企业，都可以按图索骥，学以致用，解决人才引不进、选不准、用不好、长不快、调不动、送不走
的“六不”难题。
Copyright©博看网 www.bookan. All Rights Reserved.
发布评论