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