
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
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03