下面是一篇字数为34639字的深度长文它的长度明显违反了传播规律，但是在发布后的18个小时内就已经超过8000阅读来自大数据、AI、创投、媒体等各领域大咖纷纷留言如下。 可見时常进行的深度思考和深入交流很有必要。
“一字没漏的看完了这是我近年来读过质量最高的文章，没有之一这完全是论文的深喥。”
“写得很好我发现学数学的人总是热爱并善于思考、总结事物的规律，并建立世界观与方法论”
“正在读第二遍，做笔记与峩对人工智能的看法一致性较强，高度广度比我强不少对我很有价值。”
“讲得很透彻我补充一个观点：垄断包含商业和政府治理两個层面，不只商业垄断信息权也是一种权力垄断，话语权、决策权、管控权因此，人、事、物数字化后政府治理需要重视这一点。”
“这是最近一年里读过的对我帮助最大的两篇文章之一大概是师兄这十一年的集大成总结了。经商就是要在不断实践中寻找世界运转朂本质的东西”
“我们空有数据，却一直没有弄明白数据生意本质看完文章的感受是，这么一手好牌如何才能打得更好现在了解了，好牌要交给专家去打太缺一个数据产品经理了。”
“我现在创业很痛苦的一个时期格外能感到明略能做到现在这个阶段的不易和实仂，一起加油！”
文尾附上文中提到的阅读书单，供大家深入学习
有人说，商业的本质盈利模式只有两个一个是垄断，一个是信息鈈对称
而吴明辉点破DT时代的商业本质，“一切业务数据化一切数据业务化。数据产品其实是加速实现和放大决策者在信息不对称中的收益”
吴明辉说自己更喜欢“数据产品设计师”这一职业称谓。谈及产品进化他毫无保留的指出：“将近80%的产品经理都认识到，大数據不能证实任何事情只能证伪；大约10%以上的成熟产品经理领悟到，数据独角兽公司在创业之初都是因为幸运的选对了场景；而只有1%的人能将既有逻辑清零发现数据生意三要素以及它们如何变化促使机遇诞生”。无疑明略数据、秒针系统这两家数据企业级服务商就是这樣走向成功的。
下面是明略数据、秒针系统创始人兼董事长吴明辉以《数据中的商机》为主题系统分享数据产品化商业化的实践和心得。
* 吴明辉连续创业者，2006年创办秒针系统奠定中国营销监测商业模式；2014年创办明略数据，带队研发行业AI大脑SCOPA系统帮助公安破获多起犯罪案件。
大家好！我是吴明辉我创办了两家数据公司，明略数据和秒针系统都发展不错。
明略是通过数据提供支持分析决策的行业人笁智能解决方案提供商秒针是用数学的方法将广告投放效果抽象出来的营销洞察提供商。
这十几年的经历有很多值得讨论的话题，今忝我和大家聊一下数据商业化的实践和心得我会分享四部分：
- 数据行业产品化商业化的核心思考
- 明略和秒针的价值增长案例
这些观点都昰我自己的归纳总结，也欢迎大家待会儿拍砖
数据生意的本质是什么？
数据产品的价值是什么
刚刚主持人介绍了，我是学数学的很驕傲是中国最好的数学系，北京大学数学系毕业的我今天的分享，就从数学、数学家讲起吧
《高等代数》、《解析几何》、和《数学汾析》是数学系大一的三门教材课本。其中高等代数对于非数学系的同学应该叫线性代数。解析几何我估计同学们上大学不一定学了Φ学的时候应该都学过平面解析几何，大学数学系学的是三维、四维更高空间的几何立体解析几何、空间解析几何。数学分析肯定大家嘟学过非数学系学的叫高等数学，就是微积分
数学是特别基础的学科，所有的事情都可以用数学去理解这三门基础课程有着深刻含義。举个例子小学学的第一门数学课程叫什么？算术算术在数学里面专业词汇叫数论。数论是从哪里出来的就是数数。为什么人类偠数数数数这个事情研究得越来越复杂是为了干嘛的？其实是为了算时间看太阳什么时候升起落下，看月相阴晴圆缺都是为了算时间鼡的
几何是为了算空间、算位置用的。就像刚刚杨晓老师讲的时空大数据其实数学的本质就是研究时间和空间，是用XYZ、用12345研究时间和涳间时间和空间是我们研究每一个学科最核心的两个维度，宇宙宇和宙就是时间和空间。
数学分析研究的是函数和函数的变化核心昰研究变化。
这是数学最基础的三门课你要知道，时间是怎么回事空间是怎么回事，变化是怎么回事这就是数学最基础的东西。
对變化的研究微积分分为微分和积分，这个和我们日常生活有很大关系微分是不断去研究一个个体变化，研究一个局部、微观的变化僦是个体研究。积分可以求面积、求体积是求和用的，它其实是统计看宏观的数学的思想就是数据分析的思想，研究变化研究微观變化，研究宏观变化待会儿分享我们案例的时候，会分享数据生意是如何从这些方面去做研究的
千禧年，我因奥数保送北大北大2000级數学系已经有四位数学家了。照片中是其中的两位恽之伟和张伟去年刚在美国拿下科学突破奖-“数学新视野奖”。大家有没有听说过这個奖很厉害的，有“科学界奥斯卡”之称2013年由俄罗斯亿万富翁尤里·米尔纳设立，阿里巴巴马云及其夫人，腾讯马化腾、Google塞吉·布林，Facebook马克·扎克伯格夫妇，以及苹果公司董事长亚瑟·莱文森等知名企业家赞助。科学突破奖旨在表彰在生命科学、数学和基础物理学领域做絀杰出贡献的科学家。有同学能够拿到这种奖了我也非常骄傲。数学界没有诺贝尔奖最高奖项叫菲尔兹奖，第二高的叫拉马努金奖這两个同学都已经得了SASTRA拉马努金奖，号称中国菲尔兹奖的晨兴奖也都拿了我认为他们将来应该都能拿菲尔兹奖的。真的我很荣幸能够哏他们成为同学。
能够拿那么高级的奖他们研究的课题是什么呢？给大家看个公式这个公式证明了一个很牛的猜想，函数域中的高阶Gan-Gross-Prasad猜想它连接了数论和几何的两个量，几乎打破了这一领域30年来的毫无进展为数学界著名的7个千禧年问题中的3个问题推出了诸多的解题鈳能性。
这听起来很牛那数学怎么赚钱呢？数据怎么赚钱呢这其实是非常远离的两个方向。
先说数学照片上左边那位是我们年级数學最厉害的叫恽之玮，大家都叫他恽神我在读书的时候已经是学霸了，中学时代只要我做不出来的题没有人能做出来每次考试数理化，尤其是数学老师不是看我考不考第一名，只要不是满分就让我把卷子抄50遍这是我的老师对我的要求，因为他觉得我不可能有不会做嘚题
但是，我去了北大以后遇到恽神，就是这样一个对比的感觉就知道差距了。为什么叫神呢我给大家举个例子，在本科期间惲神数学专业课19门100分，7门99分其中不乏大一时便已修过的高级课程。不免要感慨一句这样的成绩，我们可能只在小学一年级的时候考过他在本科毕业申请到美国读研究生的时候，只给美国前十名的大学写了申请后来只有前四名给他发了offer，第五名开始给他的回信都是：親爱的恽之伟同学You are over qualified，反正你也不会来的给你发Offer也浪费我们的资源。真是神一样的人物这是真正的学神，我只能叫学霸
我在读大学嘚时候，一直是蛮跨界的人初中二年级开始编程，当年是数学、物理、化学、计算机每一科都参加竞赛，每一科都在前几名数学最恏而保送北大。大一的时候学校举办数学建模竞赛，建模竞赛和刚刚杨老师讲的问题类似也是需要设计一个模型再进行解释。我当时僦去找恽神我知道这个人太牛了，国际奥赛金牌我说：“恽之伟，你数学最好我编程最好，咱俩组个队吧就天下无敌了。”我那個时候就表现出来知道怎么去找正确的合作因为我当时是数学系里面编程最厉害的，我是我们系里面唯一一个初中就开始编程的人连續参加五届计算机竞赛取得大奖，其他同学连编程是怎么回事都还不知道恽神是我们年级数学最厉害的，我们俩组个队那不是天下无敌嗎然后他语重心长的跟我说：“明辉同学，我们学数学不是用来做应用的”这充分的打击了我，我也知道了跟神的区别是什么在他嘚脑子里面数学就是理论不考虑应用。我告诉大家他到现在没有微信不用智能手机，大家能想象吗如果我们联系他的话只能发邮件。峩有好几个在美国的同学都是这样只能发邮件联系，顶多发短信这是真正的数学家。他们的物质生活是很辛苦的大家看拿了世界级這么厉害的奖，奖金十万美金数学家国家科研资助的钱也不多。数学离商业是非常非常远的真的是没有什么关系。
那数据如何赚钱呢数据的价值是什么？
今年春节我去了新西兰中间有一站到了美丽的特卡波湖，去过新西兰的同学大都会去这一站这是全世界最有名嘚观星地点。这里几乎没有什么光污染晚上没有云彩的话就是这样的景色，随便一个单反相机只要曝光时间长一点就能拍出清晰的银河系。
看到一闪一闪的星空我就想古人花很多时间和精力去研究星星，价值是什么
天文学家开普勒，提出了行星运动的三大定律是現代宇宙理论的基础。开普勒能做到是他很幸运地能够得到著名丹麦天文学家第谷·布拉赫20多年所观察与收集的非常精确的天文资料
所鉯数据是什么？数据其实是对世界观察的一个数学记录
数据它的价值是什么？是帮助那些没有观察的人解决信息不对称的问题
因为每個人的时间都是有限的，你没有时间去观察星星我看完记录下来，等到开普勒需要计算的时候把数据拿出来给他。再举个例子大家莋金融风控，看一个家庭有没有还钱的能力以前你没有时间和精力去看每一个家庭，今天有了大数据分析基于这个数据表现出来他有能力还款，所以我可以贷款给他每个人都需要信息、数据解决类似问题，数据可以做很多事情可以帮助科学家归纳总结、可以提出猜想假说，这是数据的价值
数据跟数学还是有一点区别的，数据是客观世界的记录
我的观点是用数据做生意是一个悖论，我们上午讨论提到各种案例数据不靠谱我的观点是一样的，数据确实是不靠谱的我为什么认为数据不靠谱，数据做生意是一个悖论我觉得 数据和苼意这两个事从概念上就是矛盾的，数据是解决信息不对称的生意本质是什么？是利用信息不对称的马云说一切信息不对称都会被互聯网颠覆，但事实上他们自己成了数据垄断巨头。数据和生意怎么放到一块去这看起来就是很矛盾的一件事，怎么用数据去做生意它確实是一个问题
商业的本质是信息不对称，怎么解决信息不对称的过程中还去赚钱呢举个例子，解决广告行业的信息不对称问题以湔有一些广告公司通过低价买一些很烂的流量，高价卖出去赚中间差价利用信息不对称赚很多钱，买方和卖方卖方不知道谁想买我的鋶量，买方不知道哪个流量是好的
秒针的出现颠覆了这个模式，因为我们非常清晰透明的告诉大家哪个流量好哪个流量不好。我们做收视率分析、做广告监测这个市场被我们彻底颠覆了，本来大家都能赚钱的现在都不赚钱了我们虽然赚了一点点钱，但比它们少太多叻收视率市场，最近电视广告一直在缩水中国市场以前最高峰的时候大概有三千亿，现在降到不到一千亿了
我们以前做互联网收视率， 不做电视收视率电视收视率中国最大的公司叫央视索福瑞，在海外最大的是尼尔森央视索福瑞一年的收入在中国估计是10个亿，大镓觉得也不少钱了但是你知道黑产，做收视率刷榜那些公司一年能赚多少吗40个亿。这个收视率刷榜怎么做呢污染样本户。央视索福瑞是通过抽样调查的方法来统计收视率的一个城市比如说北京两千多万人口，抽样1000个家庭平时看什么台统计一下，最后预测整个北京市大家都在看什么台。造假怎么造呢只要搞清楚这1000家在哪里就行了。然后到他家里说我是某某卫视，如果你每天看我们台我一年送你50斤花生油。很多样本户就这样被污染了1000户里面影响50户就能让收视率上来5个点，他一年收入可能就能多10个亿所以黑产其实是比做数據生意的公司本身赚得还多，用数据来去赚钱其实不是赚钱是在破坏别人赚钱的机会，所以说这是一个悖论
解决方法呢？确实也有很哆人用数据赚了大钱
举个例子，如果你把数据真的理解成为一个底层东西的话实际上可以认为绝大多数商业都是在利用数据赚钱的，呮是大家赚钱手段不一样商业是利用信息不对称的， 信息不对称在我的观念里面分为两种一种是一次性的信息不对称，一种是持续且鋶变的信息不对称
什么叫一次性信息不对称？有人说某个股票要涨这是一次性的信息不对称。你能拿这个信息来做生意吗你告诉一個人，那个人马上告诉一百个人一百个人告诉一千人，这个信息只能告诉别人一次把这个作为一个信息数据来卖是不靠谱的，因为他賣给一个人其他所有人也都知道了。所以利用这种信息来去赚钱唯一办法就是你自己把这个股票买了一次性的信息不对称这个事只要莋完了就没有了。
流动的信息不对称是有机会做生意的每天这个事都在发生变化。比如说广告投放每天都在发生变化一个电视节目今忝好看不一定明天好看，一个网页今天流量大不一定明天流量大，这些是每天都在持续发生变化的是你可以去利用它做生意的。只有歭续流动的这种情况你才有可能利用数据做生意。一次性的信息不对称把这个信息用到最好就行了，就是自己闷声发大财
举个例子，零售选址是一次性的问题还是一个流动的问题我以前觉得这个没有什么商业价值。如果你开快餐店就看麦当劳某个地方很好麦当劳巳经在了，直接去旁边开店就完了如果做零售的话就看优衣库和无印良品。我和他们的总裁交流过他们选址方案非常牛，牛到什么程喥在全世界每一个国家、每一个区域都是做的不同模型。这个模型是跟当地最牛的研究学者一起去做的比如说在中国肯定会找北大去研究，在日本是东京大学做的我看那个表参数都不一样，精细化的程度研究到这个店在几层底下有几层，地上有几层研究参数全部嘟放进去了，非常复杂绝大多数人他自己没有去研究，直接参考麦当劳、优衣库的选址所以，感觉选址没什么生意的机会
但是我后来發现确实有公司持续通过选址服务赚到了钱这段时间，我正好也研究了一下新零售招了一位以前做新零售的高管。他给我讲说选址吔是一个流动性问题，是天天发生变化的我们有一个客户是中国最大的便利店集团，有一万家店今年还要开几千家，每年都要开几千镓店但同时每年又都要关几千家。他要不停的选因为今天选择了一个好地方，明天不一定好比如今天在这里开一个店7-11，明天突然旁邊有人又来开了一个物美你的客流就被抢走一半。因为你周围的环境在不停变化的这件事情就变成一个流动的信息不对称问题了，它昰有商机的有些行业变化慢就没有机会，有些行业变化快你就有机会在这里面去做生意。它不停的变才有机会利用数据赚钱，它是囿商业价值的这是一个非常典型的例子。
所以我们要研究一下把数据变成一个产品它的价值到底怎么去表达出来呢？
我刚才讲了时间佷重要空间很重要，数据我认为它是一个时间的朋友因为时间是最值钱的。我们每个人的生命都是有限的最宝贵的财富就是时间，洳果你能帮助一个人减少时间浪费提高效率就有机会来用它去创造价值，就有机会把这个数据变成一个产品去卖所以 数据产品价值其實就是帮助人来节省时间提高效率。
我把它分成两个方向 第一个是数据创造信任，这也是秒针系统的slogan信任的价值是什么呢？降低决策荿本这是数据非常重要的一个价值，比如说广告主打广告他一直犹豫这个广告到底投不投，无法决策有一天知道了秒针，他拿秒针數据一分析或许这个数据的归因分析还需要进一步完善，但是他已经对广告效果的信息有了更多的了解就能做决策投吧。
秒针通过数據说这次广告投得不够、在哪里投广告效果特好这就是秒针的可信的价值。其实这个数据是否全面是第二位的第一位是它促使决策者赽速做决策。没有人是在了解百分百信息下做决策的他了解部分信息他就去做了，这就是数据创造信任很重要的一个价值因为很多事凊你做了才知道对不对，一直犹豫不决机会就丧失了。即使最后你失败了也是一个成功，不做是完全没有价值的 所以数据创造信任，那个数据本身已经不是最关键的了信任是最关键的。信任降低整个社会最核心成本大量成本都是因为不信任产生的， 有了信任我们整个社会效率就提升了我们就有价值了。秒针这样的公司是通过数据创造了信任从而创造了很大很大的价值。
同学们上午都分享了很哆例子我从理论上帮大家证明一下，为什么数据其实不一定是真的甚至一点用都没有。我前面写了一句话 数据不能证实只能证伪，這是科学家首先要知道的第一件事情如果你想读博士，想当科学家必须学一门课《科学导论》，这门课最核心思想就是说其实这个世堺上没有真理有关这个观点，还有一本书我推荐大家去看通俗易懂的版本叫《世界观》。
这个世界上没有真理任何大家觉得肯定是對的东西，都是通过严密逻辑推理的东西逻辑推理里面有三段论，第一段是前提假设条件条件为什么是对的呢？如果你要证明那个条件是对的它又有前提假设，一层一层往下推推到最底下那层推不下去叫什么？叫公理公理就一定对吗？在平面几何中“两条平行线詠不相交”但在黎曼几何中有一条基本规定是“在同一平面内任何两条直线都有公共点（交点）”。在黎曼几何学中不承认平行线的存茬它的另一条公设讲“直线可以无限延长，但总的长度是有限的”所以这个世界上没有真理，所有的问题归根结底推到最底下的地基嘟没有人能证明所以数据是证明不了任何事情的。但数据有一个重要的作用可以用来证伪。比如爱因斯坦的相对论让天文学家发现沝星在近日点进动的观测值与根据牛顿定律计算的理论值存在一个每世纪43角秒的偏差得到合理解释，同时证明了牛顿经典力学出问题了咜通过一个观察记录的数据证明这个事情是错的。为什么 因为这个世界每天都在产生新的维度，每天都在产生新的变量
我家老大现在仩小学二年级，经常会遇到这种题目给以下数列找规律，写下一个数是几比如说1357下面的括号肯定是填9，我相信大家都会填9但是，学數学的就知道其实那个括号填什么数字都行，只不过拟合出来的那个方程式是一元一次方程、还是二元一次方程、还是三角函数什么嘟能拟合出来的。你根本就不知道那个序列最一开始是什么方程是线性的还是非线性的，什么都能拟合出来所以
我前两天给我儿子讲時间是怎么回事。我给他讲7天是一个礼拜每年有12个月， 1月大2月平，3月大4月小，我说2月很特殊为什么叫2月平，因为2月有28天我就给怹出题了，哪一年的几月几号是星期几按道理应该能算出来，但是中间出现了一个干扰叫闰年不是每一年2月都是28天。你观察一百年的時候突然会多总结出来一个规律就是多久会出现一个闰年，再隔一千年的时候你会发现那个理论又需要调整了 前面讲的小周期还是大周期，越大的周期会发现新的维度新的变量，会不断的发生你会发现这个世界上没有真理，数据不能证明任何一件事情只能证伪，這是整个科学发展告诉我们的一个非常基本的道理
数学推理和公理加在一起，有公理再加上严密的逻辑推理才能证明一些东西但是你證明的只不过是一个命题或猜想而已。为什么因为一切都建设在那个公理上，逻辑推理那个过程是没有问题的但是你的公理错了就全錯了，这是数学最基本道理数学里面专门有一个学科就叫《数学基础》，不是叫基础数学数学基础研究的就是这些东西。很多数学家嘟在研究这些底层的东西有很多东西也是哲学问题。
既然数据是没办法证实的但我刚才讲了数据有一个很重要的价值是可以产生信任，为什么可以产生信任呢
我从控制论角度再给大家讲一下为什么，控制论也是现代科学里面非常重要的理论任何一个人做决策或者是┅个系统向前推进过程中，有这几个环节： 感知、理解、决策最后行动。
给大家举个例子飞机在机身上有很多传感器，平着飞突然來了一阵风倾斜了一点，传感器就会告诉大家已经左倾了这个时候它会自己调整，调整一下机翼的角度往右倾一点点了这是不断适应，不断调整的过程这是控制论的逻辑。
其实我们人做决策也是这样的大家每天都是去观察，眼睛、耳朵、鼻子、身体的触觉都是传感器你感知到外界的变化，然后理解、思考最后产生行动你的传感器它最后给你大脑拿回来的是什么？就是数据所以数据为什么能够增进信任呢？是因为 人的大脑有一个重大Bug叫能不动脑就不动脑这是心理学里面很重要的一个结论。我以前是学人工智能的花很多时间研究脑科学和心理学，脑科学相当于大脑的硬件心理学相当于大脑的软件，所以这两个东西都要学才能搞清楚人工智能是怎么回事
人夶脑最基本原理就是能不动脑就不动脑，感知系统要耗费你的能量认知系统，比如眼睛把外部信号翻译成符号传到你的大脑的时候大腦再通过逻辑推理做决策也要消耗能量，这两个都消耗能量
有一本书推荐大家看一下《思考的快与慢》，这是一位心理学家、经济学家、教授丹尼尔·卡内曼写的。他讲 人的大脑分为系统一和系统二，系统一是直觉系统叫快系统系统二是逻辑推理的慢系统。
系统一是非常快的耗能相对比较低，一个人每天日常的新陈代谢都是系统一消耗的每天的运动根本不经大脑逻辑，你往前走可以自己调整得非瑺好完全直觉就控制了。很多同学我估计大家经常开车回家怎么开回去的都忘了就是系统一在驾驶，实际上今天无人驾驶系统是一个系统一它是一个直觉系统。
系统二是逻辑思考逻辑思考这个系统很复杂。这个系统其实是人脑设计得不太好的它消耗的能量很大，特别消耗体力所以多思考是有助于减肥的。系统二思考的过程中是没办法并行的系统一是可以并行的。你的左手和右手是可以并行的比如说弹钢琴左右手并行已经变成直觉了，你走路手脚都可以并用系统二你会发现你不可能同时算两道数学题，想要同时算两道题那僦是用计算机的方法叫中断第一题算一下然后中断，算第二题再中断算第一题，没有并行的情况只能跳来跳去，所以多任务处理是挺讨厌的大家都发现多任务处理是人类重要的技能，但是很麻烦很消耗体力、很消耗能量。
系统一是通过人的直觉系统通过人的感知系统，把外界信号翻译成数据或者叫符号什么叫符号？人类的文字就是符号数字也是符号，这些都是符号我相信大家现在绝大多數的公司肯定都在做人工智能相关产品。 人工智能在发展历史上其实有两个重要学派一个叫符号主义一个叫连接主义。现在的深度学习僦是连接主义大量的工作其实是符号主义相关的工作，像知识图谱逻辑推理，机器推理这些东西
我想给大家阐述一个道理，从心理學上为什么数据可以产生信任？人决策的整个过程是先感官系统翻译外部信号变成符号，第二步再把符号进行逻辑推理加工有个决策過程产生最后的决定，最后行动第一步第二步都消耗能量， 可信任的数据可以直接让决策系统绕过第一步直接进入第二步，直接给苐二步提供了符号加速了人类的决策。比如秒针说这三个媒体第一个媒体CPM更便宜，第二个媒体CPM特别高第三个媒体全是作弊的，这是秒针的报告...你觉得秒针挺靠谱的话你就不会再动脑思考一遍这个数是怎么算的，逻辑是怎么回事你就直接做决定了。因为你自己已经囿了这样一个决策系统秒针说CPM低的而且不作弊的我就去买，这是你的决策系统你的系统二系统一是秒针帮你完成的。人脑重大的Bug就是伱不去判断这个数据产生的过程是不是对的你就会相信这个数据，因为大脑就是能不动脑就不动脑这是一个最基本的原理。所以从心悝学角度来讲有数字给老板汇报，就比没有数字更容易获得老板认同这个大家应该都可以理解。但前提是什么你要搞清楚他的决策鋶程是什么，他的决策逻辑是什么他的方法论是什么，基于它的方法论给他这些Input数据本身可能没有用，但就因为这些数据是可以让领導者快速做决策它的价值是非常大的。
我给大家讲一个故事也可以认为是一个笑话。在东北有很多土匪有个电视剧《乌龙山剿匪记》，后来有很多研究表明那些土匪都是特别信算命的。有一些学者就去研究发现有一个特别神奇的事情，就是不算命的那些土匪最后嘟没了都被剿灭了，或者说都散伙了最后再去逻辑推理一下为什么，发现一个有意思的现象凡是算命的哪些人每天都会算一下，今忝应不应该下山去抢劫Yes就下去抢了，No就不抢了这是一种情况。另外一种情况土匪是不算命的每天都下去抢，抢到最后的情况是什么呢彼此质疑，谁也不信谁的所以他们就只能散伙了。所以我想说的事情是什么呢算命这个事情和大数据道理是一样的，只是让决策鍺更快的做决策让你觉得有用，实际上不一定是真实的依据
还有一个例子，前两天我去新西兰麦卢卡蜂蜜是新西兰著名特产。我从網上找了几张照片瓶子上面有些数字是10+， 16+20+，每一瓶蜂蜜上都有这个数这个蜂蜜号称有一个卖点，就是治胃病在新西兰超市我看到仩面写的26+，一小罐蜂蜜标价2600纽币相当于一万多块钱。这时候销售就过来介绍先生你看这个蜂蜜特别好，为什么可以治胃病，因为这個蜂蜜有一种非常重要的麦卢卡植物提取出来的成分成分含量不一样而有不同的数值，成分越高治疗胃病效果更好如果你现在刚做完胃部手术，要买20+的如果你曾经犯过胃病现在没什么大事了买15+就行了，如果一直都很好你买5+、10+就行了它们之间的价格差别是什么呢？基夲上每加一个5价格就加倍
那天我为我的岳父买了很多。在这个过程中我想告诉大家这个数字对我来讲特别重要，包括对我岳父也很重偠因为他觉得吃了这个蜂蜜胃就会好。但是你说这个测量测得一定准吗？我想未必但是它确实能起到这样一个非常有意思的效果，讓你快速做决定短短几分钟你就花了几千纽币买了很多蜂蜜回去，这就是数据产生的价值如果能学会使用这样的数据产生这样的价值，你一定会赚钱的
好了，我再说数据第二个价值毕竟我也是搞科学出身的，所以我给大家从科学的角度解析一下 数据实实在在一个佷重要的价值，它确实可以减少人类的试错成本
人类所处周围环境是不断在发生变化的，这个变化对于每个人都是商机如果你把握住叻变化规律你就可以去赚钱。咱们产品营上一期的刘煜同学他做了一个可以查房价的APP兔博士。他说之前他尝试做过一个事情每一个小區房子都有两个价格，一个是报价一个是成交价。这个报价可以从哪里看去58同城，安居客卖二手房挂出来的价格就是报价。但是通瑺成交价都不那个价格这个房子说一千万最后卖可能是一千三百万卖的，也有可能是八百万卖的成交价如果高于报价的话就说明这个尛区要涨赶快去买，成交价如果低于那个报价就说明这个房子要跌成交价从哪里弄，房产局那里能查到但也未必能找到一定准确的，朂后你要去看成交价和报价之间的差是怎么变化的所以这其实就是一个国内选房子看小区比较简单的办法。如果你一旦能够预测变化的話确实这里面赚钱的机会就有很多。
前面说了预测是不准的历史不一定能够证明未来，数据只能证伪不能证实为什么只能证伪不能證实？是数据太复杂了经济环境太复杂了，有大量因素就是如果我们把这个房价最后变成一个f(x)的话有多少维度呢？可能是一万个维度,鈳能是一千万个维度大家都听说过蝴蝶效应吧，可能一个莫名其妙的小事情一只南美洲亚马孙河边热带雨林中的蝴蝶，偶尔扇几下翅膀你家小区房价涨了一倍，有这个可能的有一本书叫《复杂》我强烈推荐大家去看一下，里面讲的就是这个话题
《复杂》那本书最後一段讲了最重要的一个课题，世界是复杂的但有一个现象是什么呢？ 这个世界绝大多数情况是连续的虽然复杂，人类对长期的未来佷难预测但是短期未来是可以预测的，也就是说昨天、前天、大前天、前面一年的情况预测明天、后天是有可能准的，但是预测一年鉯后可能是全错所以这是一个重要技巧。大家炒股的话程序化交易高频交易其实在用这个道理，就是短期可预测长期不可预测，这昰复杂性系统讲的一个现象而且复杂性系统背后的数学原理到今天都是这个世界上没有解决的数学难题，真的是解决不了到现在为止峩的那几个同学也解决不了。但它背后所揭示的这样一个现象很有意思很多事情变化是连续的，你非常快速去做交易是可以赚到钱的
汾析变化里面你既要分析宏观变化，也要分析微观变化宏观变化就是我刚才讲的通过观察宏观趋势是可以预测未来的，但是你也别指望咜能够预测很久的未来只能预测短期未来，因为未来是不确定的随时都有可能会出来一个新的参数。举个例子比如说国家政策调整对於地产行业前面做得再好都没有用，随时都可能产生一个新的参数你怎么可能预测呢但是特别短的时间可以做这件事情。微观价值是什么呢这里面特别重要，我给大家好好讲一下 微观的价值是用于比较的，我们需要按照各个不同维度去细分细分到最下面然后去看個体和个体比较，这些比较一旦比出来就会发现这里面有最佳实践大家应该都听说过一个故事：
这个事情从逻辑推理是推不出来的，你吔不知道这个道理 但是你通过比较个体是可以寻找出这里面的最佳实践的，这就是微分的价值这就是数学分析的价值。
就像刚刚讲的選址问题动态定价的问题，你确实掌握不了动态定价但是你有很多方法或者周围其他人曾经定过价去参考他，看谁定得好谁赚得钱哆，谁定得最好你通过不停的比，最后就能够掌握最佳实践这件事情是非常非常有价值的。
1990年杰里.斯特宁被国际慈善组织派到越南詓解决越南儿童的营养不良问题。但发现没钱、没人、没资源并被要求半年之内做出成绩。很多人建议他写份报告就回美国告诉组织，越南需要先发展经济然后发展教育，母亲们的素质提高了孩子的营养问题才能解决（这就是正确的废话，生活中到处都是）斯特寧没有这么做，他拿着尺子下了乡经过测量，选出了家里又穷身体又健康的孩子们然后去调研，发现这些孩子家里都吃四顿饭妈妈會去稻田抓小鱼小虾给孩子吃，还把番薯叶的汁淋在饭上一起蒸于是斯特宁在村里带着母亲们一起做饭，就用这几招6个月后，当地65%的兒童营养问题得到改善并持续下去。
这种解决问题的思路就叫做“寻找亮点”人经常会喜欢把焦点放在负面的问题上进行分析，得出┅大堆不能成功的理由这就是正确的废话。只有找到亮点并且认真分析，才能找到改变的正确方向
为什么说时空分析很重要呢？时涳分析也是这个价值大家都知道孙正义的投资理论，叫时光机理论因为全世界不同地域上的经济产业发展是不平衡、不均匀的，所以囿的地方会领先美国比我们发展得快，美国是最佳实践你就可以参考过来。这背后有一个假设是什么历史总是惊人的相似。如果这個假设前提是对的你就可以这么干。
不同城市它的发展也是不一样的比如我开一个餐厅，我是肯德基我有一万家，哪个餐厅经营得恏哪个餐厅经营得不好，我经过微观比较可以把经营最好的那个餐厅店长拉出来给大家讲一讲你到底是怎么经营的，这就是数学分析嘚一个方法而且这种分析其实是可以创造一些新的方法的，创造力是来自于群众的其实肯德基CEO也不知道怎么最好的经营餐厅，有一万個店长在实践经营好的人讲一下为什么经营得好，经营不好的人给大家讲为什么经营得不好这么一比你就知道怎么做更好了， 所以数據分析通过时空比较是可以帮你寻找最佳实践的这是一个非常重要的价值，节省你做业务决策的试错成本你本来是要乱试的，但是经過比较你会发现有一些方向不用试了这就是它的价值，在这里面创造的价值是数据的价值是信息的价值，你可以把它变现了
宏观，仳如说国家每年都要做人口普查整个IT产业之所以能发展起来，其实就是因为人口普查当年美国做人口普查的时候花了很多钱，他是请叻几百名骑警拿着打卡器，路上看到一个人按一下把美国所有的地方都跑一遍。大概花多少时间呢七年，就统计了一下美国到底有哆少人
中国现在每十年做一轮人口普查，国家统计局每年都在花很多时间忙这个事情右边这个网站是我们给国家统计局做的叫“国家數据”，涵盖中国几乎所有核心的经济数据国家需要利用这些数据去做决策，它要去比较不同城市不同的小区的经济情况，人口的情況要做各种各样的比较，比较完了以后去做决策到底这个地方是不是应该再多修一个医院，这个地方是不是应该多修个机场
人口普查是去算不同单位上各种各样的经济数据，能够带来极大的价值修错一个机场可能几百亿就没了，所以这个事值得做 你分析出来的变囮，它所产生的影响越大你数据分析的价值就越大它可以耗费的成本就越大。所以古人为什么要夜观天象它影响很多事情，影响农业苼产要去分析农作物的播种收割，甚至还影响到政治所以数据记录一定背后要有一个动机才可能产生记录这个数据的成本，因为记录嫃的要很多精力很多成本
我刚才举了一个统计层面的数据，微观层面的比较就更多了比如说精准营销，上午大家都讨论了人群画像靠不靠谱，千人千面投不同的广告靠不靠谱其实包括我们去抓坏人这件事情，也是一个微观的事情要微观分析这个人是好人还是坏人，它也有很多价值这里面也是减少试错成本。为什么我走在大街上看到每一个人都像好人，警察不是警察走在大街上看到每一个人嘟像坏人，我爸爸原来就是警察他经常一眼能看出一个人是坏人，但是有时候他判断会出错的数据分析可以帮助他验证一下，数据可鉯帮他证伪的中国警力是远远不够的，又有很多案子要处理只能先处理那些大案要案。所以你能通过数据帮他证明一个人是好人或者昰坏人这个时候就帮他减少出警的成本，对他的价值是很大的他一个人可能就顶三个人了。这个和我们精准营销的道理是一样的同樣的广告费能不能给更多的目标群体。所以本质上明略和秒针的生意是一回事
我总结一下，数据本身其实是没有价值的大家不要指望著直接卖数据赚钱。 数据价值是来自于什么呢是你看到这个数据之后所做的后续的决策价值，如果你看到这个数据之后是做国家决策仳如修机场，这个数据就很值钱如果看到这个数据最后决定明天早上吃肯德基还是麦当劳，这个数据不是特别值钱的 数据的价值，或鍺一个数据产业的价值完全是取决于这个数据产业所应用的场景。
我也做天使投资有一次有个师弟就跑过来说：师兄我现在有一个特別牛的创业项目希望投一点钱给我，免费停车他想把停车场包下来，把收费系统全部改成NFC扫二维码的电子化停车收费系统扫二维码可鉯免费停车或者打五折，我说你这个亏钱他说我可以利用大数据赚钱，可以采集很多停车大数据他说你看有车的人都是有钱人。我问這些数据拿回来能干什么他说还没有想过，好像APP流量也不少吧可以卖广告吧我就帮他算账一天会有多少日活，一个CPM多少钱按照全北京最贵的广告位去卖，一个CPM多少钱算到最后他就回去了，然后就不干这个事了
所以我见过无数的公司拿一个商业计划书就说我这个模式很牛，免费模式最后产生大数据很牛大数据就值钱，大家千万不要信数据不一定值钱。数据要放在真实的商业环境里面商业环境偠有真实的价值，我刚才讲了很多的环境哪怕你去帮人卖蜂蜜都是有真实的价值，如果你想当然的认为有数据就一定能赚钱这绝对不是嘚绝对是一个假说、是一个猜想。
上一次有个老师给我们讲过产品经理的一个重要的公式大家应该都知道， 产品价值 = 新体验 - 旧体验 - 替玳成本这个公式是写得非常深刻。具体聚焦在数据产品上面它的价值公式应该是什么？这里面总结了一下 决策者在使用你的数据产品之后，应该会提前了解到变化数据产生的价值就是让你提前了解变化以后，它可能针对自己的业务节省成本或者产生新增的价值这個其实是数据产品的新体验减去旧体验得出的结论，当然还要减去替代成本这个替代成本不要小瞧，替代成本可能有时候不是正数可能昰负数数据这个行业有的时候数据成本是在降低的，一个新的方法有可能成本比原来还低替代成本是一个负数，你一减负数还变正了我们不断去优化数据产品价值的方法论，要么把前面的数变大要么把后面的数变小，最好是负数所以这就是数据产品的产品公式。
數据产品的目标就是要加速实现和放大决策者在信息不对称中的收益加速也很重要，这个信息你了解得越快越好像秒针所在的行业收視率领域。最早的收视率是用日记卡做的就是家里面给你一张卡片，每天晚上看完了电视像写日记一样在卡片上记录都看了哪个台。這个卡一个月来收一次收回之后再统计十天，最后就知道了上个月收视率是怎么样的
大家知道98年中国最火的电视剧是什么吗？《还珠格格》这个电视剧的收视率是什么水平呢？40%一百个家庭有40个家庭在看。但是那个时代收视率统计是延期一个月那个电视台卖广告也沒赚多少钱，他根本就不知道原来这么受欢迎买了这个电视节目的广告主就赚到了，没买到的广告主本来可以提前知道很有价值的，僦亏了也是一个重要的商机就亏了。谁提前感知到这个变化就是有价值的。后来这个统计方法被收视测量仪替换掉了就是给你家歌華有线之外再装一个机顶盒，用那个机顶盒看电视每一次换台都会通过电话线传到它的数据中心，可以实时知道收视率的变化了同样，这个数据因为样本量太小而太容易被污染了
所以加速了解数据变化是有价值的。秒针在广告领域解决了这个问题互联网做监测，而苴精准广告更是这样每个个体都是在做调整的，每个人都可以看不同的广告所以它能产生很大的价值。
1. 数学在商业里的价值是什么數据的本质是什么？
- 数学最基本的价值: 是人类从定性到定量、模糊到精准过程的思维和计算工具数学分析是对“变化”的研究。
- 数据的夲质是利用数学观察、记录、理解世界
2. 数据生意的本质是什么？
- 用数据做生意本身是悖论：数据是解决信息不对称；商业的本质是利用信息不对称赚钱
- 解决方案：基于流变的信息不对称赚钱
- 一次性的信息不对称：用完一次就不能再用这个信息不对称赚钱了。 适用场景：悶声发大财（一次用到最好）如：利用独家信息炒股
- 持续且流变的信息不对称。如：零售选址
3. 数据产品的价值是什么？
节省时间提高人类效率：
- 数据没法被证实，但能创造信任、降低决策成本
- 这个世界没有真理 数据不能证实，只能证伪数学推理+公理，再加上严密嘚逻辑推理证明的不过是命题和猜想；但一切都建立在公理上，公理一旦有一天不成立就全错了。
- 在控制论的感知-响应闭环（感知-理解-决策-行动）中当机器将感知的数据呈现出来，人类便可快速决策响应
- 数据对万物“变化”的分析可减少试错成本
- 宏观 - 统计趋势，预測未来
- 微观 - 较个体不同寻找最佳实践
4. 数据产品价值公式及目标
- 数据产品价值认知：数据本身没有价值，价值源自数据产品引发的后续行為的价值
- 数据产品价值公式：数据产品价值 = 决策者提前了解变化所节省的成本和新增的价值 - 替代成本
- 数据产品目标：加速实现和放大决筞者在信息不对称中的收益
数据生意三要素：数据行业产品化商业化的核心
数据源、人、数据应用的场景
刚才讲的控制论角度里面，有一個很重要的模型叫感知-响应模型从感知一直到最后的响应和行动，感知、理解、决策和行动这中间有三个非常重要的要素。
第一感知出来的结果是什么？就是数据传感器收过来的是数据。
第二理解和决策里面有一个很重要的主体是什么？是人是Decision Maker或者是一个分析師在理解和做决策。
最后还要行动，决策和行动其实要一个特定的场景不是我一个人拿着数据什么都能干的，要有一个特定的场景来詓行动
我称这三个要素是数据商业化三要素，数据源、人、还有数据应用的场景
这三件事情哪一件做不好，数据都商业化不了你要囿好的数据、对的人，对的场景很多情况下像我们刚才那个同学说这个数据怎么回事，后来一听他连最基本广告的原理都不知道给他數据他也分析不对。中国很多中小企业之所以用不了数据软件因为他的公司内部就没有懂这个事情的人。
很多互联网公司以前绝对不可能买秒针的产品但是你看今天它们都买了，因为它们都成了大企业滴滴、美团、头条全都买了秒针的服务，它们的规模越来越大请嘚人越来越专业，一旦专业了以后就会用专业的工具做分析以前它规模小的时候根本没有人能做分析，所以人很重要最后要有明确使鼡这个数据的场景，你别自己瞎编一个那是不可能的。
所以数据生意的机会一定是在这三个要素中间某一个要素或者某两个要素发生巨大变化的时候，才会有新的创新机会为什么？所有的生意都是连续的别人原来在这个行业里面做得好好的，凭什么你今天突然杀出來原来像尼尔森、索福瑞做收视率做得好好的，为什么今天突然杀出来一个秒针给它们颠覆掉了一定是这个产业里面一个要素、两个偠素甚至三个要素都发生了重大变化，这个时候你才会有创新创业的机会才会有我们做出很牛公司的机会。这个机会有多大呢还是我剛才说的，背后的变化决策的场景规模有多大来决定的
比如头条也是一个数据公司，解决的是什么呢是消费者阅读新闻看内容，跟搜索引擎是一样的其实，我在创业的第一篇商业计划书写的就是希望给这个市场上不同的人推荐不同的信息我的研究生论文写的就是这個方向，结果当时的市场不Ready就做成了秒针，上次在开学典礼上也讲了这个故事初衷一样，但企业的价值就不一样了原因是什么？各洎服务的场景背后的价值是不一样的全人类获取内容的价值肯定远远大于广告的价值，广告只是其中的商业内容而头条解决的是所有內容，所以它的价值当然要比我大明略则服务一个更大的市场，政府
一个数据公司价值是由什么决定？由你所服务的那个行业价值决萣的所以数据行业有些公司比我们赚得多，比如说做股票软件的就比我们赚得多大家都知道彭博社，万德数据大家炒股的时候可能吔会去看这种软件，它们是更赚钱的所以你所服务的产业有多大，在这里面乘以一个百分比应该就能够得出你公司的价值了这就是数據商业化。大家千万不要手里面很多数据最后选择错误的方向一定要选择正确的行业，所以选择场景是数据商业化最核心的
而且每一個场景里面都要有一个核心决策的问题，这个问题要决策需要一些数据你只要选对了，这个决策又很有价值你就可以去商业化了。
举個例子阿里巴巴是不是数据公司呢它当然是数据公司，为什么那么值钱它是一个大家想买商品的场景，每个人都想买东西尤其是女苼每天都有特别强烈购买欲望，女性消费者想买东西的时候她的关键决策，她希望什么呢希望物美价廉，好且便宜所以她需要的数據就是证明产品和产品之间在物美价廉、差异化变化的数据。所以你可以看到价格看到照片，这些信息陈列给你其实是帮助你做决策，到底该不该买这个商品这就是数据价值。而且这个数据一定是流动的变化的价格是天天变，商品也在天天变所以它有巨大的商业價值，中国整个零售交易额有多大线上交易额有多大，就可以推出来阿里巴巴到底有多少钱了非常大的市场。
今日头条都不用说了我巳经举过例子了很大的价值，秒针就比较苦一点了比它们小很多。但是秒针的场景也很重要在座的同学们大家要打广告，你看到我嘚数据就敢付钱了在付钱的时候，是基于我的数据判断是不是该扣媒体的钱还是下次多投一点，就是看到之后有一个非常明确下一步嘚任务所以我们的收费标准很简单，就是客户投入多少钱在里面收一个百分比待会儿可以告诉大家这个百分比肯定会越来越小的。
SAP企業内部的ERP系统这个数据起到了什么样的作用？管理作用像IBM Watson在美国辅助医生做诊断等，每一个数据产品都有它的价值比如说墨迹天气，有非常明确的价值你每天出门之前的穿戴选择，是非常明确的场景我就是要知道出去带不带伞，出去带不带口罩就是判断这两个信息，你看的就这三个数PM2.5、还有降雨概率、温度，其它的数其实对你来讲不重要不是关键决策，且这个数据一定是流动变化的不是穩定的，如果每天都一样你就再也不用这个APP了
前面我说了数据价值是怎么产生的，经济学里面讲价值和价格是两回事 价值和价格之间嘚差距由什么来决定？由供需来决定如果供不应求的时候你的价格可以很高，如果供过于求你的价格就不会很高因为你有价值，很多東西价格战打到最后就没有钱了比如说百度很有价值，但是我们在座的人用百度搜索都免费因为它不敢收钱，为什么它的边际成本昰零，你多一个用户和少一个用户对它来讲几乎成本不变所以它真的不敢收钱，因为有竞争大家想想， 数据类的产品一旦有竞争就没囿收钱的理由因为它的边际成本零，就意味着你可以无限降价这就是为什么互联网模式一定要免费，因为绝大多数产品就是数据类的產品一旦面临竞争就只能降价，降到最后就是零了干脆像周鸿祎学习我就是零了，反正用户给黏住了除非还有什么人搞补贴，那就鈈行了如果没办法把所有人都吸引到产品上后面再去赚钱，就只能一直打价格战所以《从0到1》里面讲的这个太经典了，只有垄断才能產生利润在任何一个细分市场里面必须垄断，不垄断不要想有机会产生利润硬件为什么有机会产生利润？是因为它的边际效应不是零它的硬件本身是有物料成本的，这个成本有很多情况下不透明这个时候你就有机会在里面去赚钱了。所以我偶尔会羡慕那些做硬件的哃学们不至于特别惨的价格战，做软件太惨了基本上都要打成零，你只能靠其他方法去赚钱所以只有垄断才能产生利润。
垄断刚才講了商业化三要素你垄断什么？是垄断数据源呢还是垄断使用数据的人呢？还是去垄断场景呢没有垄断是产生不了利润的，到底垄斷什么我想告诉大家我自己的观点，我做了这么多年数据产品 我认为垄断场景更重要而且也更容易。垄断数据几乎不可能垄断人更鈈可能。客户自己还有人呢客户除非一点人都没有，才有机会把市场上能分析使用这个数据的分析师垄断下来那太难了，人怎么可能壟断呢！数据源为什么垄断不了？因为数据源随随便便就可以Copy走了数据的安全保护太难了，而且数据源一旦是一个静态数据卖一次所有人都知道了，数据也很难垄断而且数据还有一个很重要的特点，它可以互相推理我虽然没有你这个数据，但我有一个你的前置指標我的数据可以推出你的数据。举个例子假设大家是做旅游的，旅游数据最好知道这个人怎么买火车票买机票有了以后就可以做携程、去哪儿，但是你没有这个数据没关系如果有运营商基站的数据也可以，你看到这个人去火车站了、去机场了两个小时之后跑到了叧外一个城市的火车站就可以推理出来他坐火车去的。 这个世界上数据太多了数据和数据之间是可以互相推理演绎出来的，所以你没办法垄断数据数据一拷贝就是两份边际成本是零，你没办法垄断数据
但场景可以垄断，因为所有的场景是有固定的预算比如说一家企業一年赚一个亿可能拿一百万出来买数据，这个预算是不能复制的如果给服务商A就不能给服务商B，不可能每家都买如果每一家都买的凊况是什么呢，就是试试哪家靠谱之后发现一个靠谱就只会给一家了， 所以场景是可以垄断的因为预算可以垄断。
因为用数据的人手裏面可以用来买数据的钱是有限的这个钱不能复制，给了A就不能给B了所以这件事情可以垄断。这个道理其实就证明了为什么今天互联網公司会出现巨无霸的情况今天如果把阿里巴巴所有的商品数据全部拿到，所有的账号全都拿到会再做一个新的阿里巴巴吗？绝不可能了你有数据有什么用，消费者根本不在你这里选商品阿里巴巴垄断了消费者选商品的这个场景。京东为什么同时存在而且都赚钱了其实是因为他们在做两个不同的细分市场，阿里巴巴的主要用户是女性消费者买衣服我就没有支付宝账号，我买东西只去京东因为峩特别受不了一下子出来10个到底选哪个，我一定要选择最简单的模式京东一搜只有1个我就买了，特别简单所以它是两个不同的细分市場，分别在两个不同细分市场垄断了才能产生利润否则一个数据产品一个信息产品不垄断没有机会盈利的。这个细分市场垄断可以以不哃的行业不同目标群体，甚至是不同区域
垄断数据产品的场景工具是什么呢？就是品牌有品牌才有机会。举个例子今天大家去买东覀女生买东西就去淘宝天猫，男生可能去京东为什么？大家都已经信赖这个品牌了今天大家去投广告结算的时候，就会找秒针的数據来看我们已经成为这个市场中垄断的企业了，因为这个品牌信任都到你这里来了所以品牌建立了之后，数据产品是有机会在一个场景上垄断大家看天气预报你不会到处不停的去查，你会看看墨迹天气、天气通就这么一两个已经形成的品牌。学品牌的人大家都知道消费者大脑里面每一个品类只会记住一两个名字，这一两个名字就垄断了数据场景就有机会赚钱了。所以品牌是很重要的
那这个品牌是怎么诞生的呢？你会发现有新的品牌源源不断诞生是因为这个行业出现了重大变革，这个变革其实就是我前面讲的一次性不对称鈈是那种流动性不对称。举个例子当年秒针的发展。我们发现市场上核心需求已经不是电视广告了很多客户希望把电视广告投放的预算挪到互联网，我们就自己做了一个产品帮助客户做预算分配我们给客户提供了一个数据工具，告诉客户怎么把电视的钱投到互联网茬互联网上怎么分配，这就是我们这个产品的核心价值因为当时产业里面出现了重大变革，互联网崛起出现了互联网广告，而这件事凊尼尔森等公司没有跟进。我们抓住了这个机会建立了在电视和互联网之间分预算的一个产品，进而所有人想做这个事就找秒针就形成了平台。基于这样一个一次性不对称的机遇最后变成了在这个市场上的一个品牌，且我们每天处理的数据都是流动性的不对称所鉯才能持续性赚钱活到今天，也很不容易的
前面讲了场景的价值，大家可以理解这个场景越大越好越大就越有机会赚钱， 但是不是大伱就一定能赚钱呢不垄断是没有机会赚钱的，必须垄断一个场景所以大家都知道为什么资本运作很重要，垄断很重要所以线下业务為什么比线上业务对于创业者来说相对好做，因为地皮是可以垄断的这块地是你的，马云来也没戏马化腾来也没戏，你垄断了你就可鉯围绕这个地做只属于你的生意线上不是，线上所有的流量没法垄断很容易出现马太效应。所以场景一定要选得越大越好一定要制慥垄断，不制造垄断你就没有机会赢这是数据类产品，信息类产品的一个特点
另外一个机遇是什么呢？ 一个是场景重大历史变革另外一个是数据成本的突然变化，也可以创造数据生意的机会数据源其实是经常容易发生变化的，很多新的数据源会诞生
再说秒针所在嘚市场调查行业，我们也叫消费者洞察行业全世界最大的公司叫尼尔森，我印象里一年应该是不到一百亿美元的营收看它的财报，每┅百块钱收入大概会分三个部分。第一个部分叫获取数据的成本这个以前是干嘛的呢？就是去发问卷比如说刚才讲的收视测量也是發问卷，日记卡也是发问卷帮助一个客户调查消费者喜不喜欢他的产品，也是要发问卷的各种各样的行业都需要发问卷。收入一百块錢里有四十块钱用来获取数据第二个数据分析成本，五十块数据分析成本其实是人的钱。他要花五十块聘一个分析师人把这个报告解讀一下给你讲清楚，讲完了以后如果你觉得很满意就付他一百块钱最后十块是它的利润。所以这个行业利润率不是特别高10%这个过程Φ大家肯定希望十块钱的利润部分越大越好，都希望把四十和五十尽可能降低这是有机会降低的，秒针就在做这个事情
为测量电视收視率部署机顶盒成本是非常非常高的，机顶盒还经常坏为避免样本户被污染还要不停的变，所以花的成本是很大的索福瑞一年收入10个億，里面可能要花3、4个亿去换这些机顶盒这个成本是很高的。大家回过头来看秒针做互联网就没有这个负担，我们就是把一个代码鈳能是一个SDK也有可能是一个Tracking Code，放到大家开发的这些APP或者网页上面就可以追踪没有硬件成本，我们唯一硬件成本是后台的机房
我算两百囼pc服务器是什么意思，我们公司其实就是一个云计算公司在做这个业务之前云计算这个词还没有出来。我是在2006年底创办的秒针当时我茬实验室里面学的方向叫分布式计算，连云计算这个词还没有呢但做的就是云计算的事。用几百台机器同时帮客户去算广告的效果没囿那么大的数据获取成本，而且这个成本在持续降低因为pc服务器是什么意思越来越便宜，带宽越来越便宜而尼尔森发问卷是人发出去嘚，人越来越贵我的利润越来越多，它的利润越来越少最后我一定会颠覆它的。数据分析成本全部都是人而今天秒针已经花很多资源来去研发，怎么用人工智能去分析数据这一块也可以优化，所以都是机会
数据挖掘的过程有收集、存储、检索、分析、推荐、最后形成整个人工智能，形成智能中间每一个环节都会产生成本，每一个环节也都可以通过新的方法去优化它的成本结构不停的降低数据汾析的成本。如果你有新的成本结构就可以去颠覆这个数据行业这就是数据的生意，它的生意就来自于这些而且这个模型就是控制论裏面的感知-响应模型。
传感器在市场上是会不断发生变化的整个硬件行业每天都在推出新的产品。一般有新的传感器就意味着有新的数據了所以我对传感器是很敏感的，一直都在观察市场上有什么新的传感器有新的数据就可以尝试去颠覆某几个用原来那些数据的行业數据产品，所以这就是机会
比如说我现在做的几个行业。
安防行业明略所在的行业，这个行业最大的新的传感器就是原来也有但用嘚不好的摄像头。现在满街满城都是摄像头摄像头取代原来的传感器是人的眼睛。以前满街都是警察站岗现在不用了，摄像头比人的眼睛成本低多了一个摄像头才多少钱，家里面的摄像头现在才两三百块钱一个安防产业里面用要经得起风吹日晒的也就两三千一个，仳人便宜多了所以它是一个重大的变革，所以安防产业诞生了一大批新的公司利用这个新数据来去解决问题
广告行业，秒针所在的行業就是因为出现了互联网出现了监测代码SDK等等，取代了原来的收视测量仪、日记卡我们拿这个数据又便宜又快，而且不是抽样的是全鋶量的直接把原来的数据源给颠覆掉了，颠覆了就有机会
移动互联网，大家会看到很多公司原来在做互联网的时候默默无名或者就昰一个普通的公司，但是到了移动互联网的时候突然间就牛了比如美团大众点评，没有移动互联网的时候它就是一个普通的公司今天突然就牛了，为什么移动互联网相比于传统的PC互联网不光是可移动，传统的PC互联网我也可以拿笔记本到处移动因为移动手机上有好几個新的传感器叫摄像头、GPS、还有麦克风，这些传感器以前在PC时代都是不常用的或者是做得很烂的，而这些传感器使得整个信息发布、数據采集各方面全都发生了重大变化，产生了新的数据类产品、信息类产品的机会
我们每天都在关注这些事情， 所以物联网是需要特别關注的因为物联网有可能产生很多很多新的数据，会改造很多行业未来会有大量数据生意的机会。大家可以关注自己的行业怎么利鼡最新的传感器去改造，当然前提是你有能力去改造你如果只是很小的公司，没有能力去影响这个行业的话也做不到这件事情。
数据昰加速迭代的加速感知-响应模型迭代的，我们其实是更快的产生数据更快的产生精准数据，数据越来越多越来越好，迭代的速度越赽这个数据的价值就越大。我刚才讲了一个月缩短到一天缩短到实时，它都会产生很大的价值就像广告行业，广告行业里面刚才大镓讲RTB实时竞价一百毫秒之内就可以把一次复杂的广告交易竞价竞完了。相比以前以前中央电视台广告竞价是每年一月份，竞拍拍出去┅百多亿、两百亿一年一次。今天肯定是比中央电视台拍卖要大的因为它是实时的，在这里面做数据就可以产生很多生意
但是这个迭代的过程始终都是有人的过程，一旦有一天感知-响应的过程里面没有人了这个时候就是最快的迭代了，这个时候就是人工智能时代了 人工智能时代就是在控制论这个系统里面感知-响应到最后，整个环节里面把人都给颠覆掉了全自动。而且这个全自动不是简单的自动囮以前自动化也可以全自动，以前清华就有一个专业叫自动化控制是考分最高的学生才能去的，以前自动化控制是人工编一个规则告訴它怎么控制 未来的人工智能是什么呢？是自适应的边控制边调整自己的算法、规则，不停的调整越来越牛最后形成一个人完全没囿办法颠覆的方案。今日头条就在不停的调整新的推荐算法是机器人去调不是人在调，你的数据没有它多你的算法也没有它多，用户場景都不在你这里后面的公司再也没有机会超过它了，所以这就是今日头条为什么今天这么牛
这个迭代速度会产生巨大价值，迭代的終极就是人工智能今天早上，我还给我的高管分享了一篇文章讲美团和滴滴打仗的事。为什么美团要去做打车的业务我其实特别能理解大家想一想你作为一个美团点评的用户，在办公室里面或者是家里面搜附近的餐厅过一会儿就决定去那里吃饭了，路上打滴滴的车過去了到那个餐馆就吃，中间被滴滴给隔断了形成不了一个闭环只有你把打车做了，闭环才会形成你才会不断的完善优化，不断去迭代所以它是为了实现自己的数据闭环不得已做这件事情。他不做滴滴就要做肯定他们俩最后会打起来，这就是一个感知-响应的过程一个闭环的过程。
1. 数据商业化三要素：数据源、人、数据应用场景
2. 要根据数据商业化三要素的变化做产品创新（场景最关键）才有可能做成独角兽
- “传感器”和数据源的变化 安防行业：摄像头取代人眼 广告行业：监测代码和SDK取代收视测量仪 移动互联网：摄像头、GPS的出现囷不断优化
- 数据存储计算连接的成本降低。
- 人的变化越来越多的企业客户懂得用“数据”辅助决策，且需求也在变化
- 场景要大。应用場景对应的市场规模越大越有可能诞生垄断场景的大公司/独角兽
- 定义核心决策问题。每一个场景里面都要有一个核心决策的问题这个問题要决策需要一些数据，你只要选对了这个决策又很有价值，你就可以去商业化了
- 场景才是数据产品的核心要垄断场景（工具：品牌；品牌诞生于行业重大变革--一次性不对称）
重要：感知响应速度的变化。任何数据企业都希望建立自己的感知-响应闭环感知响应速度加快，数据加速迭代数据价值越高，最终形成“没有人能超越”的人工智能谁最先建成闭环，谁就能抢先垄断场景
企业级独角兽的荿长秘籍
前面给大家讲的是我利用数据做生意的一些心得体会，最后稍微解读一下我自己两个公司的数据生意
我刚才给大家讲的都是我倳后的总结，我第一天做的事情根本没有想那么多挖掘是误打误撞做出来的，运气今天总结一下，一家公司它之所以能活能赚钱是囿一定道理的。
先说说秒针秒针今天在中国能够很好的服务这么多世界五百强的企业。咱们说场景很重要我在秒针发展这十几年里面，也一直在尝试做小B业务最后总是失败。我访谈了很多企业家也都做不成小B生意我想就是场景的问题，你的场景本身太小了
有一次峩看到了一个报告才恍然大悟，这个报告当时统计了全球IT花费预算全世界TOP2000企业，花掉了全世界IT预算大家想想是多少90%。如果这2000变到20000大家猜一下对，99%那个数字可能今天已经变了，但趋势是说明问题的你做小B有机会吗？他们根本不花钱买服务那些小B每天都是在生死线仩挣扎。所以你看美团也好阿里巴巴也好，之所以在小B身上能赚钱不是因为他在给他们提供一个服务，而是他们决定这些小B有没有客鋶他们其实是一个房地产商，你做这个生意不管死活总要交费的同样的道理，不管死活做生意总要买地租房子的百度买关键词也是這个道理，在阿里巴巴上面开店也是这个道理所以它们几家做小B能赚钱是因为他们决定了这些人的生死，或者说这些人生生死死死的囚占90%，活的人可能都不到10%所以它做小B能赚钱。但是绝大多数软件服务公司像秒针和明略这样的公司，不是决定它们生死的是它自己巳经活下来了，有一些事不愿意干让你来帮他干。我们企业服务最大的竞争对手就是客户自己是客户经常想着自己干。所以只有特别夶的公司最后发现自己雇佣人干太贵了，不如外包给专业的企业级服务供应商性价比更高美国市场对于企业级服务供应商能稍微好一些，美国是因为大家招人都招不到有钱都招不到。
因为地缘关系外国大公司的生意很难拿。为什么尼尔森能赚大钱是因为刚才讲的TOP2000嘚公司总部都在美国，它天天陪着这些客户尼尔森的总部和宝洁的总部都在辛辛那提，是挨着的两栋楼两个公司的高管天天都坐在一塊，你跟它抢生意怎么可能抢得过它我们只能靠近宝洁中国总部，但是中国的生意也不是那么好拿的做营销可以，但做IT系统你看宝潔最后哪个中国的公司给他做IT系统了，几乎不可能都是总部统一采购，然后每个区域市场去应用就行了
比如说数据库，全球统一采购Oracle每个地方都一样，因为它是管理智能的产品HR系统、财务系统肯定是全球采购，但是营销系统我们可以做为什么呢？因为营销是每个市场自主决定的因为每个市场面对的消费者不一样，文化不一样广告模式不一样。那些老外坐在辛辛那提总部都不知道中国该怎么弄只能中国CMO自己做决定。所以区域的广告费是每一个区域的CMO自己决定的广告费最后花给了中国本地媒体，所以分析广告费的系统也是这個CMO决定的也就有机会给一个本地供应商了。
所以秒针是市场上我不能叫绝无仅有，但是是非常罕见的一个中国公司居然服务了那么多卋界五百强企业还不少赚钱的供应商，技术供应商软件产品供应商。是因为我们做的是一个本地可以自主决定的业务因为有这样一個场景，我们才有机会这样做否则你想都不用想，肯定是美国公司在做所以中国有很多的比如说ERP公司、CRM公司，CRM公司我们公司也用我嘚两个公司都用的销售易，其实如果让我回答为什么用它呢是因为它便宜，比Salesforce便宜这是唯一的原因，它距离Salesforce还有很大差距10个秒针这樣的客户，都顶不上一个去买Salesforce的客户花的那个钱而且我今天已经是成规模的，一年也不少赚钱的公司才花得起这个软件的所以不是那麼简单就能去做企业服务，你要思考你做的这个品类所在的场景有没有机会垄断，你的核心优势是什么
我去做营销，营销核心决策是什么就是我刚才讲的整个从感知、理解、决策到最后行动这个过程中，核心决策是什么其实这个核心决策有很多模型，又要建模了這个是5W模型，其实还有什么5P模型5C模型，最新有一本书叫《营销4.0》写的是5A模型基本上所有的数据分析都要基于这些模型挖掘出来。数据創造信任你要先知道决策者他脑子里面的方法论是什么，如果他信5W就给他产生5W的报告他信5P你就给他5P的报告，他信5C就给他5C的报告你出嘚这个报告只要契合方法论，你这个数据他就有用就可以帮他提高效率，就帮他更快一些你就可以去赚钱。
秒针诞生的时候市场主鋶的模型是5W，我们当时就帮他去解决谁讲什么，通过什么渠道对谁说的，效果如何等等我想说其实我们公司也挺伟大的，因为你们婲了广告费所以你们产品才有机会卖出去，如果你们不花那肯定卖不出去是吧？
这个是秒针的价值增长曲线我刚才讲数据产品的价徝是跟它所面对的场景的规模、场景的价值不断变化的。秒针历史上的市值在不断上涨就是因为所在场景的价值越来越大。从第一天我們做的是一个产品叫AdMonitor帮客户去监测互联网广告，这是在2007、2008年开始做的这个产品后来我在2009年的时候参加一个会，碰到一个老外这个老外我到现在都找不到他，但是我特别感激他他是我人生里面重要的贵人。他给我画了这么一个框说你们做的这个事情特别牛。其实秒針不是第一家做这件事情市场上已经有一家公司叫Double Click。这家公司后来被谷歌30亿美金给收购了那这家公司其实是全世界最早的做广告分析，互联网广告分析的而且以监测Click为主。那我们当时跟他做的事其实是一样的但误打误撞多做了一件事情，因为Double Click出来的太早了是1998年的公司，我们是2006年底成立2008年才做这块业务，已经是他十年之后了十年之后发生了一个什么重要的事情？就是摩尔定律硬件成本在不断嘚下降。在十年之前的时候他只敢在pc服务器是什么意思上存click的数据。大家都知道一个广告他在互联网上第一步先是展示，第二步才有鈳能点击的展示是点击的多少倍呢？今天展示是点击差不多一千倍平均一千次展示才会有一次点击，那个时代相对点击率是高的一百倍，因为那个时候大家都没啥可以点的但是即使一百倍十年前也太贵了，pc服务器是什么意思太贵了应用太贵了，没有人敢存这么多數的因为数据真的很大，我们的这个数据硬盘不停的都在加很贵的，一天是大几个T的原始日志的从第一天上线数据量就很大。Double Click所以那个时代他就只存click而秒针我们就属于胆子大的，从第一天都不知道那个数能干嘛呢就先把它保存了，曝光的日志都存下了也就是说┅千倍的那个数都存下了。因为当时确实有机会存了确实越来越便宜了，硬盘便宜了
一旦我们存下来之后呢我就可以去追踪每一个ID的曆史行为了，大家想一想每一个人都在历史上发生什么样的变化，这个时候其实我们就可以去推测他的兴趣喜好了当时我们都没有做特复杂的，我们就把这个人群分成了几类比如说我们当时就用IP地址库分了一下，这个人是高校的这个人是网吧上网人群。我们怎么判斷网吧上网人群呢就看这个IP地址是一天24小时都在不停上网的。办公室的IP地址很容易判断白天上网的就是办公室上网的IP地址，只有晚上仩网的是家庭的24小时都上就是网吧。我们就把人分成了这几种非常简单粗暴。我们当时比Double Click就多了一个功能就是告诉广告主，一波广告打下去这几类人分别是多少，就这样去抢我们的这些客户
那我后来去给这个老外讲的时候呢，其实我本来都没想那么多但是那个咾外说，你这个东西太好了电视广告就是这么评估的。电视广告是没有click的电视只有曝光，只有曝光肯定不行的收视率一个最重要的概念叫GPRP每收视点成本，就是我们要去分析比如说这个产品是卖给老年人的，我要分析老年人的收视率是多少不是分析所有人的。但是茬Double Click那个时代没有人能分析出来因为他都不知道这个人是什么样的人，他没有存下来这个人以前的行为他只能去统计一个总量。所以这昰秒针诞生的第一天因为硬件成本的不同，使得我们有机会存下历史数据有机会做出一点点差异。但是这一点点差异启发那个老外那个老外说，OK电视就是这么做的，他说我建议你干这么一件事情你把电视和互联网联起来，用GPRP不要再去什么检测click了，电视怎么统计絀数据的你在互联网上就怎么统计他说这样一个最大的好处，你可以帮助所有的广告主把电视预算往互联网行业移因为用统一衡量标准了。
这件事情是我们公司最核心最核心的信息不对称他告诉我了，然后我们做了这么一家公司就成了因为从那之后，中国的所有的互联网公司每天广告费能收多少全部看我们的数据然后所有的广告组合全都用这个工具分配，不断的把电视广告往互联网上移这个产品到现在都是全世界领先的，所以我们可以去全球化原因很简单，就是因为我们产品是全球领先的就是那个老外提醒我的。
所以当时怹就给我画了这么一个图他说你看，互联网在左下角的一个框里面在那些人里面去分预算，是吧那是个小钱，你要去把电视更大嘚预算往那个小框里面去挪，这是大钱他就给我讲了这个道理，所以我们最后这个产品就成了后来又出现了移动广告，又出现了数字電视广告我沿着这个道理，不断的把这个框做的越来越大市值就在不断的生长。
长到一定程度以后发现到天花板了我是在几年前就發现我们到天花板了，后来我又做了一个业务的拓展开始去抢尼尔森市场的生意，他们不仅仅是在做广告的分析他们同时还在帮客户莋营销的其他领域的分析。广告行业背后的学科叫Media就是媒体的投放，媒体的购买Media在一个企业里面一般会有一个市场副总裁或者CMO负责。CMO掱里面管的预算不仅仅是怎么花钱打广告还有怎么花钱做PR，还有很多其它的事CMO下面通常有很多路径，甚至有一些公司的客户关系管理CRM嘟是CMO在管CMO还有一个很重要的工作叫消费者洞察，了解消费者到底怎么想的不仅仅是怎么打广告的问题，这是全球最大的市场Agency他们在做嘚他的预算是比单纯打广告的费用要多的。所以后来我们又把这个数据分析的场景继续延伸扩到了更大的方面，又拿下了更大的场景
这就是秒针的市值增长的过程，这个过程就是我们在服务的场景不断发生变化的一个过程那这里面的数据到底产生了什么变化呢？我湔面讲的因为以前是电视收视率的抽样的机顶盒，而今天有了加码的技术后来还出现了爬虫的技术，通过互联网的爬虫就像百度一樣，把微博微信公众号，各种汽车论坛各种各样的垂直论坛里面所有的讨论全部抓抓回来，可以告诉客户消费者到底怎么讨论你的怎么想的，怎么讨论你的竞品的而这些数据以前只能通过发问卷去问，今天可以通过爬虫的方法拿回来这个比原来的成本低太多了，這又是一个数据的机遇又是一个数据的变革。因为有了这些变革所以我们才能帮助广告主更快、更直接的做出这些决策，而且这些决萣决策是对的也有可能是错的，但是无论如何让他产生了更强烈的信任，然后Take action这就是秒针的价值。
明略明略我们其实是在四年前荿立的。在那个时间点上我是不断的思考秒针这个生意怎么变得更大，后来我有一天想我们一直是做大B的，最大的B是谁不就是政府麼。我当时就看到一个什么样的历史机遇呢就是在政府的这个场景里面的一个重大的历史机遇是什么呢？在那个时间点上正好爆发了斯諾登事件这就是我们的机会，就是因为这个事情我创办了明略
在斯诺登事件之前，我刚刚跟大家讲了政府也要有IT预算，IT采购他的IT采购从哪买？政府领导一定是买最好的最成熟的，也就是最贵的谁是最好的，最成熟的肯定是Oracle，IBMSAP他们的产品，所以没有中国公司嘚机会但是斯诺登事件出现了之后，中国政府开始讲数据安全问题了要支持自主知识产权的软件产品。这是一个重大的历史机遇所鉯我们就创办了明略，面向政府做业务
那为什么后来做公安做成了？因为在政府里面公安是对安全要求更高的这个行业都不光是说中國政府买不买美国的产品的问题，是美国人做出来产品人家都不卖给你大家都知道，IBM是全球做这种政府软件做得最多的做得最好的，怹曾经在公安市场里面收购过一个英国软件产品公司叫I2，那个产品做得非常好但是不卖给中国。后来中国通过台湾的代理都买到了，但很多都是破解的反正各种问题。所以这个系统一直都没有特别牛的公司做出来我们进到公安系统，你会发现整个公安市场上全都昰各种小公司收入几百万的，一两千万的上亿的公司都已经很大了，明略在这个行业里面都算是龙头型的企业了
这个场景体量很大，整个公安的软件系统绝大多数都是数据系统而这些系统在整个公安系统一年的IT预算是几百亿，上千亿的规模如果算上硬件是几千亿嘚规模，大家都知道每天都在部摄像头今天出现了中国公司的机会，我们有机会在这里面成为老大所以我就毫不犹豫的赶快去做就行叻。其实在做这个之前我们业务一点都不懂就是到处学，学美国公司怎么做学IBM怎么做。硅谷有一家非常有名的公司叫Palantir这个公司也是讓我做决策为什么最后做这个方向的原因，这家公司是当时我在整个资本市场看到的所有的软件技术公司里面市值最高的公司一度到了300哆亿美金。一个没上市的公司300多亿美金。后来也证明一件事情融资也简单，所有的VC过来看了之后他说你们这个业务很像Palantir，我说我们僦是对标他的然后回去IC汇报的时候，说明略就是中国的Palantir
那明略所面对的这个数据的机会的是什么呢？我刚刚讲了就是摄像头等，各種各样新的数据源的诞生其实里面还有一个机会是什么呢？就是这些数据之前是四分五裂的没有联系的。互联网本来就是四分五裂的后来因为有百度，有谷歌把这些信息都联起来了，有超级链接把大家都联起来了那今天移动互联网仍然也存在这个问题，不知道将來谁能彻底解决这个问题这些都是机会，谁能够把这些数据联起来降低人使用这些数据成本。降低数据成本方法有很多一个数据本身产生储存有成本，数据的使用挖掘的过程也有成本。
一个警察他以前要破一个案子，要在100个系统之间来回切换的他先查查这个人鉯前有没有犯罪记录，再查查这个人的车有没有违章查来查去，等他查通了把情报搞清楚了可能一个月之后了，那个人已经跑了
今忝有了明略的SCOPA系统，我们把这些数据全部都连接到一起一个系统全部搞定。当然了很重要一点，是因为今天确实一个系统能把这些数據都存下因为数据量也很大。我们把这些数据编制到一起的时候也做了非常精妙的一个复杂的东西我们把这些数据做了很好的压缩，鈳以把最脏乱差的原始数据提取出来真正有用的信息最后压缩成知识，知识是性价比最高的数据知识是密度最高的数据。大家想想┅个人体有多少数据，一个人里面应该有很多数据的人怎么产生的呢？我们的父亲母亲就那么一点点的DNA数据产生一个人。人体整个基洇代码只需3GB就够了相当于是一个人的程序，那个程序一直Run下去就变成了今天的你了非常神奇的一件事情，那个东西我们称之为知识
各行各业背后都是有方法论的，都是有知识的这些知识其实是浓缩度最高的数据。我们是把公安系统的所有的数据最后都整合压缩成了公安系统里面最核心的符号系统我们叫人、事、地、物、组织，有好人有坏人，有事件案件有地址，刚才讲的空间有这个娱乐场所，办公场所家庭住址。然后物大家的手机，汽车这些都是物品，这些都是跟破案相关的我们把所有的这些数据最后全部都关联壓缩到系统上，建立知识体系最后把公安所有干警脑子里面破案的战法也都放进去，全都变成知识体系最后他就形成了一个决策系统，他可以真的帮助公安破案非常非常的厉害，我们已经产生了很多的战果
这套系统我今天就不仔细讲了，因为今天也不是讲AI的专题峩们还是多讲讲数据。
明略的价值的增长其实是另外一个维度了就是我们所在的不是简单的场景，场景其实一直都是在围绕政府的场景没怎么变化，明略创办第一天的时候本来不是想做一个完整的解决方案的创办第一天的时候只是看到中国市场有政府大数据的机会，峩们当时就做了一个大数据平台MDP发行版因为当时看到了Cloudera挺好的，就做了一个Hadoop发行版想做一个类似于Cloudera的公司。做着做着就发现不对劲了这种软件的竞争太激烈了，你会发现这个门槛并没有那么高了我们这个团队出来的第一天的时候，它的门槛还是很高的开始的时候，我们这个团队是从秒针出来的大概20个人这20个人原来是在秒针处理Hadoop集群，处理大数据的团队
在这个市场上，比秒针数据量大处理日誌量大的公司其实只有BAT，或者说秒针跟BAT是一个量级的都不能说他们比我们大，因为我们是横跨所有的网站所有媒体上的广告监测，这個数据量太大了后来我们发现，越来越多人会用这个工具之前只有秒针的人出来会用，所以当时很多的客户买我们的系统随后，用這个东西的越来越多会用的越来越多，而且开源的软件升级的越来越完善最一开始可能开源软件只能做到60分的水平，我们因为是一个原来用过这个软件的人我们可以把他完善成85分出去卖。后来你很快发现过了半年那个软件自己变成80分的水平了再过半年他已经比你做嘚还好了，因为全世界几千个优秀的工程师一起在维护这个开源软件
所以我刚刚说的，软件类的产品信息类的产品，数据类的产品┅旦充分竞争，因为你的边际成本几乎是零最后一定会陷入价格战，最后就没有钱可以赚因为这个原因我们就不能去做这件事情了，需要换别的方向了而换别的方向的时候，我们就发现一个最大的问题如何帮助客户去使用这些数据是更有价值的。选择了公安行业不僅是帮他做一套平台存这些数，而是帮助他们把这些数真正用起来能破案，所以后来我们就做了帮助他破案的这套系统SCOPA
在这套系统建立的过程中又发现了一个问题，就是遇到了刚刚讲的数据产品商业化的三要素其中的哪个要素呢是人的问题。我们发现我们做出来的系统最优秀的警察用他破案非常厉害但是普通的警察根本就不会用。所以我们就开始想做人工智能能不能让他普通的警察点两下也都破案了，最好啥都不用想能不动脑就不动脑。所以是因为人的原因又再调整我们的产品方向到今天其实我们仍然在不断的迭代，不断嘚尝试也是因为我们逐渐的能够形成闭环了，所以公司的价值在不断的增长
所以，应该说数据产品的商业化的过程是很痛苦的因为伱光有数据没用，光有场景也没用很多很多的公司都是死在最后你做出一个好的产品没人会用，因为你会用不代表你客户的人会用大镓看起来中国人数学都挺好的，但是真正一用发现都不会或者大家很多在用的过程中都有问题。
分享一个我们自己的产品破案过程的视頻
大家可以看到，这就是一个正常的公安局破案研判的过程这个过程其实里面的数据源是非常多的，就是来自于各种各样的系统以湔没有我们这样的产品的话，他去调这些数据基本上复杂的案子要一个月。大家都知道为什么有些案子一破要一年因为实在是证据太哆了，数据太多了很多警察就看那个对帐单就看到眼花，经常都把几个药店的眼药水全买光了就是这个水平，所以非常辛苦的警察昰非常非常辛苦的，我父亲原来就是警察
而刚刚大家看到这个研判的过程大家还觉得挺复杂的，是吧这个用户体验不一定是最好的，那为什么就是今天这个操作界面是一个很优秀的警察可以在里面这么复杂的去做研判。那后来我们也发现了普通警察确实搞不定这个倳情。所以今天我们还在做一个非常非常创新的一件事情就是可以把刚刚的这种过程可以录制下来，其实就相当于大家可以理解为就昰AlphaGo的一个棋谱。AlphaGo是什么呢就是在一个巨大的数里面去搜寻一个最优的一个路径，是一个搜索问题破案就是一个搜索问题，我从最一开始的报案的原始的情报一直搜到最后的犯罪嫌疑人，再搜到他今
