数据是没有方向的子弹，只有“人”懂得瞄准

编者按：本文系专栏作者投稿，作者李北辰。

毋庸置疑的是，2019年中国资本市场最大的一件事，就是中小型创新企业能够在科创板上市。

从国家首次提出科创板和注册制概念，到最终开板，一共只用了220天。相较于之前创业板和中小板经历的数年之久，科创板创造了中国证券史上开板的最快纪录。这委实也是在印证，其背负着整个市场的宏大期许，人们希望它能成为“中国的纳斯达克”。

这种期许表现在以市场为导向的一系列措施：譬如将核准制改为注册制，取消了交易规则中间的诸多限制，得以让一些有潜力的年轻企业突破旧秩序的牵制；再比如，对企业的判断标准不再是现实盈利，而是让市场判断它是否有未来潜力。

其实就像金融学者香帅所言：“科创板的实施过程就是一个词：放权。把监管的权力交还给市场，让市场进行选择，看是不是能在沙里面淘出金子来”，这些措施也给市场释放了一个信号：“国家坚持市场经济的导向趋势不会变，不但不会变，而且还会加大市场在资源配置中的作用。”

而谈及科创板与市场经济的关系，敏锐者不难察觉，ABC（人工智能，大数据，云计算）等新技术在不同行业的渐次落地，早已作为商业竞赛的重要一环，在市场资源配置中应用广泛。从现在到未来，新技术之于各个产业的最大意涵，就是优化经济效率，降低决策成本。

所以马化腾才说：“今天当信息化这个最大的变量开始融入到各行各业，产业竞争的方式正在发生变化，由垂直纵深的各个实体产业和横向延展的信息产业相结合，形成了纵横交错的新搭档，可以说产业竞争已经演化为双打的比赛。”

以信息化的“主体”——大数据为例。无需赘言，“信息战”已成为商业竞赛的一大主战场，数据将在不同决策方向上充当“灯塔”角色。

但是，即便这盏灯塔如此耀眼，许多企业却依旧视而不见。依我之见，这是因为他们对大数据这个熟悉的概念，依旧一知半解。

1

早在“大数据”的商业内涵呼之欲出之时，业内就已达成共识：大数据的奥秘不是“量大”，是“量全”，也就是要具有多维度的特征，且各个维度最好是“正交”的。

我印象很深，《浪潮之巅》作者吴军老师用基因举过一个例子。一个人的基因全图谱数据大约在1TB，也就是1000个GB，数量庞大，却无法得出有效的统计规律，因为我们无法从个人数据看出是否有潜在疾病，而且由于每个人的基因不同，即便拥有100个人的基因数据，即便发现某个人的一段基因和其他人不同，也不能说明他有疾病——但倘若叠加另一维度的信息，比如这100人过去的病例，就有可能发现某段基因和某些疾病间的联系。

其实在今天，从电商平台到社交网络，从搜索引擎到各类流媒体，都在通过相互叠加印证的逻辑，不断丰富获取数据的维度，以此判断用户的不同选择偏好。

如果你认为大数据在ToC端的应用司空见惯，那么我今天举一个ToB——而且是貌似是最传统不过的行业：招商。在不久前结束的中国国际数字经济博览会科创板与数字经济高峰论坛上，华夏幸福产业大数据平台就让外界看到了当新技术遇到“旧”行业，究竟能够释放出何种新意。据官方数据，这一大数据平台是其基于17年的产业招商经验，结合AI与大数据研发的专业化平台，主要聚焦10大产业，拥有2760万家企业11.5亿条动态数据。

你大概可以将它理解为一个“产业大熔炉”，将产业知识，数据，技术等一切资源作为助燃方式，放在里面融会贯通，待到熔炼为一体，就会以界面友善的产品化方式落地，为不同产业输出最佳决策。

而随着科创板的上板，平台也推出了“科创板大数据”的新产品，聚焦新型显示，半导体，汽车，生物医药等6大科技创新产业，提供上市企业分析，申报企业监测，资本流向预测，招商机会挖掘等数智化服务。从36个行业赛道，428个细分方向中筛选出183个最具招商潜力的热点赛道，综合热点赛道内企业资本，研发，产品，市场等多维度动态信息，辅以科创板上市标准，输出有望登陆科创板，有投资选址或扩产意向的两类企业名单，快速精准筛选标的科创企业，提升招商效能。

其实从这一大数据平台不难发现，为了避免失真，与ToC端相似，ToB端同样珍视信息的维度。尤其是当你希望潜心下沉至不同产业的细枝末节，希望对同一产业复杂的节点关系洞若观火，这种“多维度动态信息”，就变得尤为重要，它们是这座数据灯塔最耀眼的光芒。

换句话说，如果将单一企业比作基因，那么它不但知晓个体基因的优劣，还能知晓不同基因数据之间的联系，用算法模型评估和预估企业投资决策。

在这个意义上，“未来几乎所有产业都将变成数据密集型产业”，无疑是一种确定性趋势。

2

不过，在这种趋势背后，我今天还想谈另一件事：诚然，数据很重要，算法很重要，但它们是最重要的决策因素么？也许未必。

大概从数年前开始，“大数据和AI将取代人类工作”的论调，就已甚嚣尘上，我看到至少十几个研究报告和专家观点都指出：2045年人类失业率将超过50%。考虑到那时本文读者大概率依旧健在，这一比例委实令人不悦。

不过好消息是，回眸历史不难发现，人类因机器丢掉工作的悲观论调通常并非事实，尤其是在工业革命后，那些老旧且低技能的工作，会被新鲜且需更高价值的工作取代——譬如在1862年，美国90%的劳动力是农民，20世纪30年代下降到21%，如今则不到2%。用《一课经济学》的作者赫兹利特的话说，“当今全球人口是18世纪中叶工业革命形成规模前的4倍，如果没有近现代机器，这个世界根本无法养活那么多人。我们当中四分之三的人能有工作可做，都要拜机器所赐。”

未来或许也将如此。

事实上，人类每一次革命性的技术飞跃，都会带来经济效率的大幅提升，大数据和人工智能更是如此。但就像许多学者所言，在这个过程中，大部分行业不会迅速消失，而是会向与机器共舞的方式演化，有大量协同工作需要与机器为伴，尤其是在裹挟着更多利益的商业领域——而在这个过程中，不同行业精英最需要做的，就是用坚实的行业知识，构建起一道连接不同维度信息之间的桥梁。

为什么这么说？篇幅所限，我只说一个角度，那就是当大数据维度增多之后，难免出现一些“矛盾”。吴军在得到专栏中展示过一张图：左图有两个维度的信息，它们共同圈定了一个目标范围；右图则有三个维度的信息，但它们之间并没有共同的交点。这个时候，我们该“信任”谁？

答案是“信人”。

如同吴军老师说的那样：“消除数据之间的矛盾，需要领域知识。因此在一个行业里从业很长时间，具有专业知识的人，不仅不会被大数据取代，而且有可能利用好大数据，在事业上更上一层楼。”

我举个例子，面对被聚光笼罩的产业大数据平台，让大多数人心生敬畏的是屏幕上不断闪烁的数据，它们是“未来已来”的绝佳隐喻。但站在聚光灯背后的，其实是一支4600人的产业发展团队。相较于数据和算法，这些行业专家才是大数据平台的最大壁垒，受益于常年积淀的实践经验，他们知道如何将多维度信息按照不同的产业逻辑，先进行数据分装，再根据不同的模型调参进行分析，最终形成产业决策。

事实上，这一平台本身就在印证，在产业分工不断细密的时代，无论哪种行业，任何一个“不足为外人道”的零星知识碎片，都显得弥足珍贵，这些哈耶克眼中最纯粹的“一手知识”，以及对这些知识的理解和嫁接，才是点亮“数据灯塔”的关键。

毕竟归根结底，在商业信息战中，数据只是没有方向的子弹，只有“人”才懂得瞄准。

本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系[email protected]。