TalkingData 崔曉波：信仰資料的人做的決策才是資料驅動的

一年一度的 TalkingData 智能資料峰會，已經成為 TalkingData 向世界展示其真知灼見的最佳視窗。

雷鋒網了解到，如今，所有企業無一例外的面臨着數字化轉型帶來的挑戰和機遇，而 TalkingData 的多年前通過為移動網際網路開發者提供 SaaS 經營分析服務起家，從資料的采集、處理到資料的分析，再到資料的應用與咨詢，已經形成了一套以“智能資料平台(SmartDP)”為主的完整資料應用體系，構築了一套以資料商業化平台、資料服務平台，及資料合作平台為核心的資料生态。 TalkingData 的戰略轉變不斷讓業界耳目一新，更日益形成 TalkingData 洞察趨勢、判斷産業、繼而為更多合作夥伴主動提供解題思路的新模式。

雷鋒網(公衆号：雷鋒網)知悉，近日 2017 TalkingData 智能資料峰會隆重舉行。TalkingData CEO 崔曉波在演講中說：本次大會是智能資料峰會，就是要探讨智能與資料的關系。如今我們所有人都感覺到世界在變、社會在變、技術在變，我們今天就是要跟大家講如何用資料的方法去洞察世界的變化，以及應對世界的變化。

以下内容由雷鋒網根據崔曉波演講速記整理（有部分删減）：

我們今天的主題是知機識變、有唐之盛，來這個會場之前我們都發了一個很酷的邀請函，很多朋友給我發來了賀信，說你們的邀請函很酷，清明上河圖裡面的人都活動起來了。我們今天的話題就想讨論一下，因為我們所有人都在感覺好像身邊的世界在變、社會在變、技術在變。由于技術的高速發展，我們帶來的各種各樣的商品，已經由稀缺變得比較富足了，消費者的選擇變得非常多。其實我們消費者也在變，90 後、2000 後在随後十年裡就會主導市場。我們了解變化、了解客戶、了解消費者，我們今天要跟大家如何利用資料的方法去洞察這個世界的變化，以及應對這個世界的變化。這兩天我們準備了 100 多個演講。希望能夠給大家帶來不同的角度和思考。

在過去的十年裡面，中國的變革主要推動力是什麼？是移動網際網路、物聯網。我們仔細去看過去六年的資料可以注意到，不管是移動手機的數量，還是爆發的物聯網領域，還是可穿戴裝置的增長都是指數級的，不是一年 10%、20% 的增長，更多是成倍成倍的增長。但是這種趨勢，其實大家并沒有意識到。

随着去年到今年人工智能技術（特别是感覺計算，計算技術）的高速發展，整個世界數字化的速度在加快。我們通過人臉把模組的一些特征開始數字化，通過無人車測量街道和城市等等。所有這一切數字的爆炸速度其實已經到了一個難以置信的程度，截至到今天，我們每天産生的資料量就非常有可能達到 351EB。

但是如果我們将來的存儲堆積起來，堆積整個中國的大地都做不到。如果我們的技術不能提高的話，我們就會在一個浩浩蕩蕩的洪流裡面，不知道怎麼取舍，不知道未來的世界會變成什麼樣。

然而大部分人的認知還是線性的，我每天見到小孩的時候，我沒覺得這個小孩樣子變化了。但是如果你突然把時間線拉長，一個月、兩個月你再見到他你會覺得變化怎麼這麼大。實際上指數級增長前面都是有點欺騙性的。因為他剛開始增長的倍數雖然大，但是基數小，大家往往是感覺不到的。

這裡我其實想給大家分享兩個例子，讓大家感覺一下，哪怕是專家也是固守原來的線性思維。20 世紀 80 年代的時候，那個時候 AT&T（美國電話電報公司）請了麥肯錫幫他們做一個決定，那時手機剛剛出現，是以他們要決定是不是要進入手機行業。麥肯錫給出的預測是，到 2000 年手機的數量不會超過 100 萬部，為什麼？因為手機非常的笨重和昂貴。但是實際情況是什麼？2000 年手機就超過了 2 億部。

另外一個例子，2009 年 Gartner 預言，諾基亞的手機和作業系統将在 2014 年統一市場，成為第一大作業系統，将會占據 40% 以上的出貨量。而安卓将僅為 10% 左右，但是實際情況大家都知道，塞班在 2012 年就已經關門大吉了。安卓最後甚至超越了蘋果，成為第一大手機作業系統。

我們仔細分析過這兩個案例，我們發現，這些專家手裡都有大量的資料證明，那個時候不管是手機，還是智能作業系統的增長都是指數級的。但是為什麼還是會做出一個每年增長 10%、20% 的預測，這就是因為人的思維其實是線性的。

那麼，舉一個正面一點的例子，基因測序的例子，1991 年人類決定啟動一個宏大的計劃，就完成整個人類的基因測序組，這個計劃整體投資了 60 億美元，預計耗時 15 年。這意味着什麼？大概應該是 2005 年能夠把這個測序完成。但是實際情況是，時間過了一半，1997 年的時候整個測序的工作隻完成了 1%。

那時候很多專家說花了這麼多錢，但是這個項目肯定是失敗了，肯定測不完。但是有一個人發現了一個規律，每年完成測序的數量是呈指數級增長的，最後實際情況是什麼？大概花了十年左右，整個測序工作就完成了，預算隻花了整體預算的一半，30 億美金。

發現這個規律的那個人是誰？就是奇點大學的創始人。是以大家一定會覺得，這兩個例子好象離我們很遠，但是其實不是，因為在我們服務我們客戶的過程當中，天天都可以看到這樣的例子。會有很多客戶說應該是這樣，但是我覺得應該是那樣，你必須把這個資料給我調整，對不起，這不是 TalkingData 應該做的。我們的客戶應該是相信資料，信仰資料的，隻有信仰資料的人和企業做出的決策才是資料驅動型的。

這種決策往往也是指數級的，這會貫穿我們今天所有的演講。這是我今天跟大家分享的一個案例，讓大家有點感覺。

看一組資料，人類的習慣在被改變，購物 70%、社交 100+ 分鐘、外賣 2.87 億、出行 30%。我不知道大家感覺怎麼樣？大家是不是感覺還不錯？好像是這麼回事，我看起來這個資料還挺舒服的？但是坦率的說，如果大家看到這組資料的時候沒有異樣的感覺，你們的思維就是線性的，這就是我們以前研究市場、研究消費者慣用的方法，因為我們已經習慣了用一種片面的、基于時間切片的、基于很小樣本量的、基于非常弱的論據做出很多決定。

是以我們在過去五年裡面，從企業、政府、各種各樣的組織觀察到的情況：他們隻要看到這樣的資料就做出一個非常大的決策。但是這真的是我們指數級的社會、世界裡面應該采用的洞察的方法嗎？當然一定是 NO，一定不是。那種方法是什麼？如果我們面臨這樣一個世界，是在指數級變化，不停在變，但是我們收集資料的能力、速度、次元已經達到前所未有時代的時候，我們怎麼了解這個世界？我們認為我們看世界的角度會發生很大的變化，我們以前看世界是由實體物質化，會向個數字虛拟化的方向去轉變。

大家可能不太了解這句話，但是我可以給大家分享兩個案例，因為大家都知道谷歌在做無人駕駛，我們參觀過還是挺震撼的。它為了做無人車，放了很多勘測裝置，包括無人車本身，然後在一個城市裡面不斷的收集資料，為什麼收集資料？是因為避障嗎？為了做模型嗎？都不是，最後我們發現數字化的城市，他們把所有的建築、街道、道路、樹木、障礙物，甚至行人都是數字化表示的。

這是最好的方法，在虛拟的世界裡面增強 AI 對世界的認知。我們也非常了解，如果你真的讓一輛無人車上路跑的話，估計跑 10 萬公裡就會碰到故障，因為你怎麼可能讓 AI 迅速了解真實世界，是以我們要數字化、虛拟化，用方法幫助 AI 了解人類。是以這是我們看到的趨勢。

是以，我們研究很多事物的方法和角度一定會發生非常大的變化，在現在的城市裡面，政府其實非常需要一些與人相關的基礎的資料，不限于他們的人工統計學資訊，我們最近和國家統計局合作裡面，包括第七次人口普查裡面都發現有很多的痛點和以前做不到的事情。十年一次普查，抽樣率 1% 到 3%，而且資料是非實時的，我們完全感覺不到一個城市是變化的。基于我們的項目，我們把所有的資料實時化、動态化的來表示，我們開始研究人在城市裡面一天到底是怎麼運動的、怎麼互動的、怎麼社交的、怎麼通勤的，基于此我們會看到一些非常有趣的結論。

第一個結論，最近我們也看到了很多公司做出的一些結果，可以預測人的位置、預測人的行為，準确率百分之多少多少，其實這是不嚴謹的。因為你仔細到城市脈搏的地圖裡面看的時候，你會發現人是有模式的，他在工作日的時候模式非常固定，休息日的時候模式也非常固定，根據我們的模型預算，人有 30% 的時間是完全無法預測的。

為什麼？因為人不是機器人，人有探索性，這是和人的心理學、社會學直接相關的。你去哪玩、你去哪購物其實是非常感性的決定，并不是理性的決定。在做真實世界研究的時候是不可以混淆這些概念的。

時空折疊，傳統的方法看不到時空有折疊，但是你利用實時、可視化的方法把北京所有的人放在一個圖裡，實時的去觀察他變化的時候，你會發現，真的有那麼幾群人，你别看他們地點都在一個區域，但是由于他們的作息時間、生活方式不同，他們生活完全沒有交集，他們都在國貿出現，但是永遠碰不到。這會對城市帶來什麼影響？非常大的影響，按照一個最基本的理論，這個城市會缺乏活力，為什麼？因為不同階層，不同性質的人沒有交集。這對一個城市活力、創新、資源是非常不利的。

人群階層，其實作在城市的誕生都是基于工業化的結果，因為工業化形成的時候，大量的人湧入城市，成為勞工。但是在工業化時代，講究的是中心網絡供給，造成配置設定資源的時候我們就喜歡把所有的資源堆積一起，用所有中心網絡的趨勢分散到這個趨勢。

比如說在北京形成了金融街、CBD、某某學區這種。根據我們的研究，我們利用不同的角度和方法對人的行為進行研究你會發現很有意思，人新的活動方式，生活方式，連接配接方式，他的手機位置，你仔細做聚類，分群研究的話，你會發現分群方法完全不一樣。這是我們用 AI，機器學習的方法自動的把北京的所有人群做了歸類。七類，這是機器學出來的，但是我們的人本實驗室仔細分析他們屬性的時候，我們覺得還是挺符合人的認知的。

這種方法以前從來沒有過，它會帶來城市治理思路的改變，會帶來規劃的改變，會帶來公用設施的改變，我們分布學區、分布醫院、分布各種各樣設施的時候，不能像原來那種南城是一個階層、金融從業人員是一個階層，應該按他們的生活方式來分，這樣城市才是有活力的。

是以，未來我們洞察城市的方法到底應該是什麼樣的？我們推出這樣一個産品——城市透鏡，大家可以看一下。我們會有越來越多的企業會像我們一樣，通過豐富的環境和變化，通過城市透鏡真實對世界可視化呈現，最後把這些觀察和需求，基于 AI 動态模型相結合，在虛拟世界和現實世界轉換中，增強我們對世界的感覺和認知能力。

而這種感覺和認知能力會改變很多商業，昨天和幾個客戶談，如果我們有這樣幾個系統，選址就不需要這樣做了，把選址四個點，實時洞察車流、人流，我可能都不需要很複雜就可以做出一個比以前更真實的決定。我堅信這種技術對地産、零售、銀行、金融、人類、城市都會有非常大的影響。但是我們有了這樣一個面向未來的工具，可以實時的用模拟化、數字化的方式觀察到世界，是不是就夠了呢？根據我們的發現和研究還遠遠不夠。

是以，這是網際網路公司特别容易犯的一個錯誤，網際網路公司做大資料他們研究的是行為模式，他們會推個性化，其實他往往忽略了最重要的，這種形成後面代表着人的心理，人的動機，人的社會學到底是什麼？這就需要很多人的智慧，人現在更了解人。

是以我們推出人本資料實驗室，我們定位是跨領域的開放平台，用資料來了解我們的心智、身體和環境之間的關系。我們堅信即使我們可以用 AI 建立資料模型、了解城市、了解世界，但是人類的心智和情感并沒有就此抹掉，依然是最重要的一部分。我們這樣推動人和人的互相了解，才能改變我們看到的一切。

本文作者：陳夢迪