使用大数据，就像在沙子里淘金

在过去几年，我们这个世界上的数据的增长速度，相当于之前5年、10年的50倍。

大数据为什么在这个点上爆发？主要原因是，摩尔定律使得存储的数据量空前扩张。与此同时，类似RFID那样的传感器技术也得到了质的提升。于是，就出现了这样的例子——

当某著名服饰品牌把RFID的芯片放在衣服上，如果你觉得一件衣服挺好看，拿到试衣间试，试完了却没买，芯片依然能记录下你试穿了多长时间。由此，他们就会去研究，到底是什么问题，让你没有选择他们的产品。至于你试都不试，他们则认为这很可能是店铺陈列摆放的问题。基于由上述这些数据收集而产生的质量管理和服务改进，这家店的销售额在过去10年里涨了5倍，非常可观。

另外一个例子，如今也非常有名了。美国第二大连锁百货TARGET将大数据运用于营销。某天有一位父亲特别生气，到店里来投诉。他说我的女儿只有14岁，可是你们给她推送母婴广告。结果过了一个星期，经理打电话回访这个父亲，这位父亲表达了歉意：上次是我态度不好，我的女儿是怀孕了。事实就是这样：如果你总是在淘宝上买生活用品，你们家什么时候需要买手纸了，马云可能比你的家人知道得还早。

随着上面的例子越来越多，有人开始认为，我们现在正处在人类历史上的又一个节点：机器的智能有可能在我们这个时代超过人的智能。

这种推理是怎么来的呢？

持上述观点的人认为：由于计算机的速度会不断增加，而人的能力发展基本上是平行的，所以未来某个时间点上，机器智能极有可能超过人的智能。这时，如果我们善于利用大数据的特征，可以达成两件事。其一，可以换一种思维方式来看待世界。其二，可以制造更先进的机器智能。

换言之，大数据就像在一堆沙子里面淘金。当你利用到相较于今日一万倍的数据时，量变到质变的跃升就很可能产生。从这个意义上来讲，未来所有的公司，都可能是要使用大数据的公司。

真正的受益者不会超过2%

未来世界的机器是不会控制人的，但制造智能机器的人，能通过机器控制其他人。比方说，经常去京东、淘宝买东西，实际上就是被他们控制；　天天用微信，某种程度上就被腾讯控制。

在大数据时代，很多商业模式也会变。比如，过去有一个“吉利模式”，买一个刀架送一个刀片。然后吉利靠消费者后期的耗材消费挣钱。可如今，一个冰箱品牌做了这么一件事。它内置于冰箱的芯片可以获知你家有多少牛奶、多少鸡蛋。当这些东西没了，它就会通知给你送来。换言之，这个冰箱除了冷冻功能，还被赋予了“货架”功能。

未来世界里的大数据思维，将细到每一个人、每一个商品、每一笔交易，逐渐影响我们的生活，改变整个生态链。与此同时，技术的发展也不可能人为地停止下来。

但很遗憾的是，在任何一次重大的技术革命中，一开始受益的都是2%的人。正如蒸汽机的发明，第一波受益的，是发明家、工厂主，这是18世纪晚期的事。但连英国维多利亚女王迎来她特别荣耀的时代，都是19世纪中期的事了。美国工业革命，受益的是爱迪生。如今特斯拉也挣了很多钱，受益的是支持他们的GP摩根以及各种关联制造商。老百姓什么时候开始受益呢？是不是过两年，其余98%的人就能受益了呢？不是，可能要经过两代人，半个世纪后，才能有98%的人受益。

美国IT革命，从摩尔定律的发明到今年正好是51年，很多人还没有受益。美国和中国很幸运，踏准了信息革命的节奏。但在我们的周围，南美洲、整个阿拉伯地区、东欧地区，甚至南欧，对IT革命的贡献几乎为零。我希望大家能看到站在你们后面的这98%的人。你们要关注这些，更要坚守住这2%的位置。

学习是一辈子的事

前一阵谷歌的AlphaGo非常火，于是有人问，AlphaGo的学习速度太惊人了，和以前的学习方法相比，未来年轻人的学习，是否只剩下思维模式上的突破？

后来我一个同事，他的孩子在学下棋，他就说那我们去把AlphaGo这个程序打开，看看它到底怎么下的，让孩子学学。结果打开一看，发现根本没法模仿，里面就是一个很简单的数学模型，然后一堆乱七八糟的数字。所以，机器产生智能和人产生智慧完全是两回事。但我想讲两点——

第一，机器最擅长的工作还是重复性。AlphaGo 差不多有50个左右的版本，有时候一天就下好几千盘棋。但人类最重要的一个能力是创造力。在我们祖先活下来的地方，比如走出非洲那会儿，除了生存，还有乐器、创造性和想象力。

第二，比学习方法、思维模式更重要的，其实是终身学习。学习是一辈子的事，这点最重要。我原来周围有一些人比我的学业能力要强一些，但他们一旦拿到博士，就把书本一扔，从此不再学习，慢慢他们的知识就老化了。而我虽然不是一个有很好学习方法的人，却是一个能够不断学习的人。

正如你和你的父辈要掌握的技能早已不同，如今，说任何一个专业如何好、如何坏都失之简单。现在来讲，已经很难有专业比人的寿命要短，因此，你要做好在不远的未来换专业的准备。也许你的专业会过时，但你利用最先进的技术，比如计算机，来学习和提升自己这件事，永远不会过时。