《智能时代》和作者吴军
从2016年罗辑思维推荐的畅销书《智能时代》里读到了一个故事，这个故事给我很大冲击。让我对大数据的威力有了非常深刻的认识。
故事是关于美国第二大零售企业Target利用大数据思维实现业务绩效扩展的。2012年《纽约时报》记者查尔斯杜格西详细报道了Target是如何利用大数据做生意的事情。自2002年起，Target雇佣统计学硕士Andrew Pole来分析数据。当时Target通过信用卡号、接受发票的邮箱把某些顾客与其购买的商品联系起来，至于如何使用这些数据，Target开始并不清楚，Pole来了以后，就用这些数据分析用户的行为。有一次市场部的同事问他能否分析出女性顾客是否怀孕了，因为他们发现如果一位女性顾客怀孕了，他们的家庭将会因为有了新成员而改变购物习惯，甚至会开始疯狂购物。如果能在早期识别这些怀孕的顾客，就能通过向他们推送他们感兴趣的商品优惠劵，紧紧抓住这些有刚需的顾客。Pole团队经过对怀孕顾客采购的商品进行分析发现，在怀孕的不同阶段，女性顾客购买的商品会呈现出非常相似的规律，例如怀孕初期，她们会购买大瓶的无味润肤露，因为这一阶段她们会出现皮肤干燥症状，接下来会购买一些维生素制剂，然后是大包的无味香皂和棉球，到了接近分娩的阶段，则开始购买婴儿用品。根据Target的有限数据，预测顾客怀孕的准确率高达87%，如果一名顾客真的怀孕了，Target甚至能准确预测他们的预产期。Target通过大数据来预测顾客是否怀孕，进而向他们推送特定的商品优惠劵。2002年Target雇佣Pole的时候，其营业收入是440亿美元，而到了2010年营业额已经上升到了670亿美元。至于大数据的作用有多大，Target的老板认为是非常大。Target是一家传统零售业企业，其掌握的客户数据量以及数据的完整性与现在的大多数电商都没法比拟，但是就是这样一家传统公司，只要转变思维，主动分析和利用现有的客户数据，就可以做到对自身的商业绩效实现大幅的改善。
Target已经开始准备通过天猫进军中国了
Target利用大数据的故事还没有就此结束，接下来的事情变得更加戏剧化。
有一天，一位男子冲进Target在明尼苏达的一家超市，要求找到经理讨个说法。这位男子说：“我的女儿才上高中，就收到Target发来的婴儿衣服，婴儿摇车的优惠劵，你们是鼓励她怀孕不成？”超市经理看到男子手中的优惠劵和信封，发现的确是他们商店寄出去的。经理立即向这位顾客道歉。几天后，经理还专门致电这位顾客，回访对此事处理的满意度。令人吃惊的是，电话另一端的那位男子说：“我和我女儿谈过了，家里有些事我还的确不知道，她真的怀孕了，我该向你道歉。”
前面说的Target从数据中找规律的做法也可用于帮助美国警察来排查在家里种植大麻的犯罪分子，由于美国政府对在国外种植的毒品稽查严格，并且时而对毒品种植地实施军事打击，导致毒贩想办法在美国国内的废弃建筑物里，甚至高档的豪宅里种植大麻，这些建筑物，门窗封闭，终日不见阳光，但是可以通过紫外线灯的帮助下更快速地培育和种植大麻。并且他们利用美国宪法保护私有财产不受侵犯的条款，可以拒绝任何没有证据的搜查。但是这些种植大麻的建筑物用电量和时间的分布的情况与正常的居民完全不同，因此只要电力公司对客户的用电情况做分析之后，就能很容易地识别出那些用电规律不正常的建筑物。
GE是传统家用电器制造商的龙头老大，他们的主要利润来自于品牌溢价和客户对其的信任，但是随着亚洲竞争对手的加入，这样的时代已经结束了。为了维持利润，GE想到了移动互联和大数据，他们给冰箱装上WiFi，并通过判断冰箱上的取水器滤芯是否到期需要更换，通过手机App来提醒用户半年更换一次滤芯，这样一来更换滤芯的用户比例大幅增加，要知道，以往用户很少按厂商的建议更换滤芯。这只是利用移动互联的初级水平。GE可以通过互联网还获取用户使用冰箱，甚至存储食品的数据，并获得进一步的商机，例如，根据用户的饮食习惯和冰箱内各种食品的消耗量和存储量与超市保持链接，直接推送给客户最可能感兴趣和需要的食品，并创造条件让客户在手机甚至冰箱上下单。
大数据和机器智能给当今人类社会带来的冲击非常巨大。2016年一年来，Google的人工智能计算机AlfaGo先是在五番棋的对决中以4:1的成绩战胜了围棋世界冠军李世石，而且后来google承认机器输掉的那一盘还是故意输掉的。在2016年底AlfaGo用Master的名字在和世界围棋高手的网上对弈中以60:0的战绩横扫人类高手。为什么以往50年来，人工智能的成果收效甚微，是因为当时的方法是希望机器能遵循对人类来说最有效的方法完成人类的任务，即通过逻辑推理，找到因果关系，进而做出判断和决定。而在最近10年，人工智能得到了突破的进展，Google的计算机能如此快速地学习，直到战胜人类，根源在于当前人工智能的实现方法，并不是复制人类的的最优学习和思考过程，而是用机器的方法完成人类的任务。机器智能的方法就是将思维的问题变成了数据利用的问题。机器利用大规模，多样化和多维度相关的数据，找到几个维度数据的相关性，从中发现规律，并利用规律做出预测。这个过程非常类似于人类学习时候的“死机硬背”的方法，这个方法对人来说不是有效的方法，但是对机器来说却能豪不费力地达成预期的效果。
Google研制的无人驾驶汽车就是一个例子。2004年，美国国防部高级研究计划局，邀请了全世界无人驾驶汽车的各个机构，组织了一场拉力赛。比赛没敢安排在正常的公路上，而是选择了一条150英里的废弃公路。后来证明完全不必使用这么长的赛道，因为经过了几个小时的艰难竞赛，获得第一名的那辆车跑了8英里。在这些团队研发的无人驾驶汽车，有各种传感器，采集外界的即时信息，并且对车载计算机的运算和存储能力要求极高，需要计算机对每一刻发生的情况，以及周边的环境进行收集和处理，并作出准确的判断，这样的方法论造出的无人驾驶汽车效率和效果远远达不到代替人类驾驶的要求。但是google的无人驾驶汽车则是应用Google地图的数据事先规划好驾驶的路线，并利用google在远端的并行服务器进行运算，在车上安装的只是一台终端。但是如果Google的无人驾驶汽车到了Google（扫街汽车）事先没有去过的地方，则会无计可施。到2010年google宣布研制出无人驾驶汽车，并在各种道路上，从市区闹市，到高速公路，google的无人驾驶汽车已经跑了14万英里，并且只发生过一次被动的交通事故。到2016年初，google的无人驾驶汽车则在各种复杂的路况下安全行驶了200万英里后，由于路上出现了它从没见过的一个小沙袋，如果人类司机就会直接压过去了，但是它试图绕过，结果和旁边的车发生了一次小剐蹭。
大数据的方法和传统的数据统计与预测未来的方法在方法论上有诸多不同，最主要的差别在于：
1. 以往的数据分析多是抽样进行的，数据的代表性总是一个无法确切知道的未知数，但是由于计算能力和存储容量的提升，大数据则适用穷举法，将所有能够收集的完备数据加以分析和利用。
2. 以往的科学方法论来自于牛顿建立的“机械思维”，假定世界变化的规律是确定的，，由于确定性有保证，所以可以用简单的公式来表述这一规律，这些规律放之四海而皆准，依据这个公式可以用来做预测。而大数据思维则突破了机械思维的最大局限，就是承认不确定性和世界的不可知性，不再纠结于找到事件之间最难证明的“因果关系”，而强调“强相关性”。
3. 以往的方法致力于找到共性的特点，并利用这些共性来满足大多数人的期望，而有了大数据的思维和方法后，每个人的特有需求可以得到识别和满足，并且不用大幅增加成本，这使得个性化的要求可以被尊重，并可以通过满足这些个性的需求来创造商业价值。
网友评论