京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的信息生产力
海量数据涌向我们,这是近两年对信息经济发展感触最深的地方。去年双十一571亿的交易额,跟过去相比真是突飞猛进。再比如沙集,去年双十一当天一个村有约6000万人民币的交易额,而五年前第一个双十一交易总额才5000万。现在一个村的交易额就超过当时的交易总额,发展十分迅猛。
2013年后,中国的网络零售交易额已经超越美国,成为全球第一,这是很大的变化。在展望整个世界比较这种数据的时候,眼光不应仅局限于网络,诸如阿里巴巴的淘宝、天猫等网络平台全球零售交易额都在递增。沃尔玛是目前全球最大的零售平台,可能2016年阿里平台上网络零售的交易规模就会超过沃尔玛。这是划时代的事情,意味着2016年后,全球最大的零售平台可能就在线上、在中国了。
再往远看,中国在网上支付方面也将超过美国。虽然我们在一些领域长期落后于一些发达国家,但在互联网领域,我们只用较短时间就成为了全球第一。中国能够在互联网等领域实现跨越式发展,一定程度上可能是中国的机会,但从更大范围来看,这可能是互联网带来的很多新因素开始爆发出来发挥作用。这个因素包括移动互联网、云计算、大数据以及电子商务和互联网商业模式创新当中的社交等,以及大量85后、90后,甚至00后表现出来的完全不同的观点理念和一些商业行为等,这些东西共同构成了对未来影响很大的因素。
美国关于中国的研究中有一个观点,真正对人类未来有重大影响的技术,也许还没有出现。我个人非常赞同这个观点。今天我们在谈云计算、大数据这两个十年前没听说过的东西的时候,它们已成为互联网领域最有影响力的两大因素。未来发展速度会更快,因此需要对技术创新、商业模式创新以及整个经济转型保持一种高度的开放态度。云计算、数据、社群、新人类究竟会怎样影响我们未来的商业模式创新和经济专营,我相信现在只是一个开始。
现在整个业界都在进行大众创新摸索和探索,这些因素加在一起,形成一个非常重要的概念——信息经济学会。在信息技术的推动下,人类从农业、工业生产力进化到信息生产力,这就能够解释中国在互联网领域中的一系列赶超和超越了。
如果我们再仔细解剖信息生产力,可能有三点需要高度重视:第一个是基础设施的变化。全球现有数以千万的网商,各种新的商业模式、平台、平台经济,商业生态电子商务服务的产生,互联网经济崛起等,都是因为有了区别于原来铁公鸡式工业时代的基础设施,崛起了以互联网、云计算、智能终端为代表的新基础设施。比如陇南开了几千家网店,如果没有新的基础设施就是无法想象的事情。
我们在不断地谈互联网+,这很重要,但是把互联网加在什么地方更重要。如果把互联网加在你的旁边,它就只是一个工具,这是十年前对互联网的认知;如果把互联网加在你的前面,互联网就是一个渠道,这是五六年前的看法;我们应该把互联网加在下面,推动未来整个商业和经济活动的全面变革。任何一种仅仅是工具化乃至渠道化地看待互联网,都是对互联网价值的极大漠视。
第二个因素是生产要素正从劳动资本升级到数据。这种数据所带来的影响力,已经远远超出很多以前在商学院、经济学院学的要素概念。这样的因素很多,比如在淘宝平台上,几个或者十来个年轻人靠数据服务每天实现成千上亿元的收入;比如去年美国Facebook收购一家仅55个员工的公司,估值190亿美金,平均每个员工超过3亿美金,我相信他的价值99.9%都是来自于数据。
这样一种新的形态导致未来的竞争发生变化,我们争夺的可能不再是土地、劳动或是资本,而是数据。信息空间的争夺权,对企业、地区和国家都变得越来越重要。
第三个因素是共享和分工结构的变化。二者缺一不可,但原来的重点是分工,未来可能会更注重共享权。我们所谈的网络零售如何超过沃尔玛,也是共享经济的胜利,近月以来谈的打车等,也都是共享经济崛起的表现。
共享经济的崛起对基于分工经济所产生的制度正在构成冲击,我们对制度尚无法适应,面对这种共享经济就有点不知所措。但这种共享经济是对整个社会资源的一种极大节约和对整个生产力的极大释放,它可能是信息生产力正在三个非常重要的方面发挥作用。
再往下看,整个信息经济的体系可能都会发生重大变化。19世纪末,工业经济基础设施催生了以美国为代表的工业经济体系,比如以伏特为代表的大生产,以美国为代表的大零售等都是美国贡献给世界工业经济的。现在,包括新的要素和共享结构在内的新的信息经济设施,正在构造信息时代一整套新的经济体系。这个变革可能是一个根本性的变革,需要处理好增量与存量之间的关系。
让所有的企业和存量经济都能一二三齐步走转型,是很困难的,不管是企业内部还是一个地区,刚开始都需要以制度创新来促进增量的发展,反过来增量的崛起带动存量的变革,最后实现整体转折,这可能是一种行之有效的三步走的策略。三步走中,如果没有一个以互联网为核心的先进存量,转型是非常困难的事。不管是在中国,还是放眼全世界,自己把自己的命革掉都是非常困难的事情。但另一方面,例如中国的物流快递行业,尤其是面向消费者的物流快递发展很快。2013年,中国的物流快递包裹超过92亿件,去年更是100多亿件,位列全球第一。这是由网络零售带动起来的。再如余额宝的出现带动了整个互联网金融,都是增量带动存量的例子,这样的例子很多。
在谈这些变化以及案例时,我们所涉及的可能是一个较大的时空化。中国正处于从工业经济向信息经济加速演变的百年一遇的历史转折点,如果没有这样的时空观,很多事情就很难理解,甚至还可能把新的创新按到老的框架里,束缚很多东西。很多变化是根本性的长期性的,所以对于中国经济未来的发展,需要进行全新的彻底的思考。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12