疫情期間，在每日的跑步過程中，聽完陸奇的一門混沌課程《數字化浪潮與創新機會》。
這門課，我聽了三遍，或許因為不夠聰明，有些地方不甚了解，就帶着問題再聽一遍。
陸奇提到的一個思考方法，來自Richard Feynman，1965年諾貝爾實體獎得主，被認為是愛因斯坦之後最睿智的理論實體學家。
For things I do not konw how to create it I do not understand.
他是說，如果有件事情我沒法建立它，我就沒法真正了解他。
他的建立，不是真正的實體上的建立。對任何一個複雜體系，如果你想得深，你把它拆解成子問題，對拆解到一定階段以後，對每一個子問題想清楚之後，去跟大學大學生（非專業視角）交流，如果大學大學生能接受，他就認為這個子問題的答案是成立的，然後把所有子問題的答案，組裝成對原來問題的解答，這樣的話就變成一個結構化的思維。
你可以按照這個方法，對任何一個複雜問題，都可以想的更深，看得更遠，這是分享一個簡單的陸奇常用的一個思考方法，也是我深以為然的方法，我用這個方法給很多人講企業資料營運體系的建構。
沒想到，今天聽陸奇的課，不僅采用了大緻一樣的方法，并且，對數字化的了解，我們拆分出來的本質過程竟然趨于一緻。
起點學院的很多同學聽過BLUES講的這門課程《資料驅動産品疊代》。
什麼是數字化的本質
我們每天都講數字化産業，那麼什麼是數字？
數字化的核心要素有6個組成部分，缺一不可。
第一是擷取資訊，對某個自然現象或者社會現象。BLUES的了解，就是資料源是什麼，資料從哪兒來，如何産生。
第二是表達資訊，用某一種簡潔的，可以用來計算用的一個表達方法。BLUES的了解，這裡是資料的定義和描述，例如在做數字化的時候，就是做資料的名額定義，資料名額體系的建構，公式定義。
第三是存儲資訊，把表達好的資訊存儲在某一種實體媒體上。這個比較好了解，就是建立資料存儲機制，按照一定的存儲規則，建立資料倉庫、資料湖，建設資料中心，進行資料存儲。
第四是傳輸資訊，用某一種傳送機制（transport）來傳輸資訊，就是資料從資料源傳輸到資料存儲系統。
第五是處理資訊，這是最核心的，通過計算的方法來進行針對性的處理，針對某個任務，針對人類的某個需求進行處理。
第六是傳遞資訊，将處理好的資訊傳遞給端點（end-point）來達到目的。
概括一下，就是下面的這個表格。
聽到這裡，我當時是在跑步機上跑步，不由得笑起來，大道相通，我做了十多年的數字化工作，也是契合了這六個本質，後來總結了自己在騰訊、YY語音、迅雷等公司做資料營運的經驗和方法，最底層的邏輯，就是這六個核心要素。
來看看BLUES做資料營運分享課程的三張PPT頁面。
第一張PPT，是2009年，BLUES在騰訊做資料營運時候，上的一門資料課程，将資料系統分為：資料源、資料傳輸、資料存儲、資料計算、資料表達、資料應用，六大部分，和陸奇的提煉幾乎吻合。
第二張PPT，是亞馬遜的物聯網、大資料和人工智能技術的內建系統，從六個本質來看，一樣是契合的，資料源變得更多樣，包括了交易資料、ERP資料、日志資料、連接配接裝置的物聯網資料、社交媒體資料等。
通過采集接入傳輸，經過資料ETL清洗，流入資料湖進行存儲，黃色框内是資料處理分析計算，然後提供資料服務，最後到資料應用子產品，提供給資料科學家、資料分析、業務使用者、客戶支援平台，自動化/事件管理。
第三張PPT，是騰訊2016年時候的一張資料系統架構圖，一樣的契合陸奇提煉的六個要素。
左邊是當時的七大事業群，資料擷取來源于各個事業群的産品，例如線上消息、離線檔案、DB-Binlog等。
資料進入騰訊資料系統的TDBANK（實時資料接入平台），這個部分負責資料的傳輸，包括格式适配、加密傳輸，然後進行緩存分發。
資料存儲部分是TDW（分布式資料倉庫），由查詢引擎、計算引擎、存儲引擎構成。
實時運算系統（TRC）進行資料的實時處理，秒級的計算，應用到實時精準的個性化推薦平台。
大家可以注意到，這六個要素，陸奇說第五個處理資料，是最核心的，是展現數字化效率的最重要的部分。
對于很多傳統行業，要實作數字化，最基礎的，最難的，其實是第一個部分，資料擷取，也就是資料源，這個難，不是技術的難，而是人，是思維方式的難。
傳統行業，很多時候，是單兵作戰，沒有特别高效的協同能力，看起來也能獨立存活，即使沒有數字化，自己單店經營，貌似也活得不錯，是以，将一個事業做大，尤其是原來這個傳統行業就做的挺大的，而且也沒有借助特别高效的數字化手段，那麼原來做這個行業的人，就對數字化有排斥感，就是不需要什麼數字化，也可以活，至少目前可以活。搞數字化，反而是投入大，産出小的一件事情，至少，在他們在任的這幾年，數字化不一定能馬上發揮作用。
這也是一種事實，數字化的過程，是需要積累的，資料從産生到積累，存儲到運算，到算法的不斷完善，機器學習的不斷深入，計算的速度逐漸提高，數字化的效用才逐漸展現。
人類曆史上的三大财富創造體系
第一是農業體系。農業體系的核心是通過利用土地和光合作用來創造财富，在這個階段，人所需要的隻是簡單的工具，并不需要處理大量的資訊。但是限制也很明顯，那就是産量基本取決于土地的大小，産出效率是比較低下的。
第二是工業體系。工業時代是财富創造的第二曲線，它用的是化學能源，采用電力傳輸的方式，大規模的整合了人的技能。為了更好地融入工業社會，我們需要在大學學習專業的技能，然後參與到社會分工中去。本質上說，工業時代依靠的是化石能源和人的技能。
第三是資訊與知識體系。從圖中可以看到，在這個時代，财富創造的速度遠遠超過工業時代的增長速度。本質上講，這個時代，創造财富的核心驅動力是通過資訊、數字化在資訊當中抽取知識，用知識不斷重組人類社會的現有資源，最終實作财富的快速創造。大家可以回顧一下20年之前全球最大的10家公司，基本上都是石油、汽車企業。而現在，高市值公司基本變成了高科技公司，他們創造财富的核心能力是數字化。
數字化與智能商業
聽完陸奇的課，就想起去年看過的阿裡副總裁曾鳴的一本書《智能商業》，非常通俗的講述了阿裡的數字化過程，也就是智能商業形成的過程。
未來商業的核心有三個要素：
（1）資料化：以資料方式，記錄使用者所有的操作行為。
（2）算法化：根據資料，提出優化的算法模型。
（3）産品化：和客戶直接連接配接，形成回報閉環，進一步提高算法能力。
首先是資料化的效率在很大程度需要線上化，通過移動網際網路、物聯網讓交易過程每個環節線上，提高資料産生的效率，然後形成網絡化，各個部分之間産生網絡連接配接，資料互通，最後一個階段是智能化，基于前期大量的銷售資料、使用者行為資料、交易資料，形成智能算法，讓商品的搜尋結果更加精準，讓商品的推薦更加個性，機器比使用者更了解使用者想要什麼，真正做到淘寶的千人千面，并随着資料的不斷流動，形成資料回流，完成了淘寶的資料閉環建構。
在企業數字化程序當中，要走向商業智能，企業必須拷問自己四個問題：
（1）企業是否最大限度實作網絡化？
（2）企業能否盡可能的引入機器的學習效應？
（3）企業能不能在網絡擴張的過程中，盡可能用機器決策取代人工決策？
（4）企業能否讓自己收集的資料與更多不同類型的資料進行交換？
這四個問題，就契合了數字化的六個組成部分，網絡化讓資料擷取和傳輸和存儲更加高效，機器學習讓資料計算更加智能，機器決策取代人工決策就是數字化的傳遞成果。企業讓自己的資料與更多不同類型的資料進行交換，就是讓資料的擷取、資料處理更加開放，更多的資料會讓機器學習加速自身的完善。