京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据无法成就盖茨和乔布斯_数据分析师
2015年2月28日,初十,春雪,北大朗润园。一场激辩正在上演。北大国家发展研究院法律经济学研究中心、信息社会50人论坛邀约经济学领域各路大咖共谋信息时代经济学理论之发展大计。信息时代对传统经济学而言,是洪水猛兽?还是又一个春天?
这个周末,柴静以一己之力揭开“穹顶之下”的雾霾。纪录片疯狂刷屏的背后,正是理念的嘶叫呼喊,理念的力量再次得到彰显。
无独有偶,此次研讨会上,张维迎教授从经济学的基本假设“理性人”说开去,告诉你后工业时代、信息时代为什么理念依然有着无可辩驳的力量;风靡世界的大数据,为何与成为比尔·盖茨、乔布斯仍有“一步之遥”。
信息化让经济学理论的问题凸显
经济学理论有很多问题,而且有些问题还比较严重,但是这些问题究竟是本身就存在的问题,还是由于有了叫做“信息”之后存在的问题,我觉得不是非常清楚。在我们看来本身存在的问题,并非是信息化带来的问题,而是可能信息化本身对于这些问题暴露的更明显一些。
例如,就像地心说和日心说,地心说本来是错的,不是到十六世纪才开始变成错误的。但是十六世纪之前,在非常传统的农业社会,地球围绕太阳转,还是太阳围绕地球转,对于大部分人没有意义的。但是进入航海的时代,我们认为“地球围绕太阳转,还是太阳围绕地球转”就变得非常重要了。
经济学的理性选择模型假定人由利益驱动,并知晓自己的利益所在
任何科学有两个目的,一个是解释,一个是预测。经济学在解释方面还相对比较成功,在预测方面则一塌糊涂。为什么预测会变得一塌糊涂?过去所有的经济学预测,无论多么复杂,有一定的假设,就是理性选择模型。
理性选择模型意味着每个人的行动都是由利益所驱动的。这个其实在一百多年前英国经济学家就非常清楚,经济学每个行为人都是由利益驱动的。也假定每个人知道自己的利益所在,每个人最大化自己的利益,所有人的行为可以从他的利益最大化角度来解释,整个社会也可以理解为利益的博弈,甚至也是不同利益集团的博弈结果。
利益、理念与理性
如果假定人的行为全是由利益支配,经济学则变得毫无用处,即:无论经济学家怎么说,跟人是没有关系的,人该怎么行为就怎么行为,整个经济学是没有用的。
但是从古到今,人类自所有的思想家,他们深深的相信,人的行为是受人的观念的指引。引一段话,在两百多年前讲的——“尽管人是由利益支配的,但是利益本身,也就是所有事物都是由观念支配的。”
米塞斯讲自由主义,自由主义没有那么复杂,自由主义就是自由主义,我们也不用责怪简单化,简单化不是错了,而是现实世界太复杂,如果太简单那就不需要科学,(也就)不需要经济学家。自由主义有流派,所有流派有一个共同的观点——理念是重要的。我们每个人的生活,每天是不是喝红酒,是不是抽烟,都和认知有关,包括我们讲改革,邓小平改革,所有历史的改革很难用利益观念来解释它。
最关键的问题是,为什么这些理念和观念是重要的?因为很简单——我们人类是地球上唯一理性的动物。这个理性意味着是什么?意味着我们会思考,我们会分析,干事有目的,我们在行动之前会思考“我为什么要这么干”。每一件事我们人类做的,我们都需要证明它的正当性——为什么要这么做?
经济学:从工具理性走向价值理性
我们讲理念、观念,其实就是人类证明他自己所作所为的一个原因,一个定理。究竟什么叫理性?经济学的假设就是工具理性,理性只是人们达到目的的一种方式,理性只是一群欲望的奴隶,我有一个目的,理性告诉你吃什么东西是最好的。
从亚当斯密开始一直到康德,他们讲的理性是一个目的——人类应该追求什么,不应该追求什么。一个人用理性统治欲望的时候,他才是一个理性的人,这是很难的,每个人都有七情六欲。一个人经常处于一种激情,处于一种冲动的行为,没有经过深思熟虑,所以说他是不理性的。这一点非常重要,经济学可能要改变我们所谓的“工具理性”的假设,走向价值理性或者目标理性,这非常重要。
后工业社会,非物质利益将更为重要
人的利益是通过理念、观念来认识的,什么是符合我们的利益,什么不符合我们的利益,(取决于)有什么样的观念。利益本身不仅仅是物质利益,经济学家解释物质利益,(因为)人类长期时间内物质利益是最重要的东西;另一个原因,是因为物质利益,易于量化。
我们人类到了后工业社会,非物质利益将变得更为重要。物质利益达到一定程度,稀缺性已经解决了;所以后工业社会和信息社会,非物质利益变得更为重要。
非物质利益更依赖于个人——你希望有荣誉、有好的名声,这都是给你的。有没有好的名声,你的行为正当不正当,如果正当就有好的名声;你认为的正当、公益、公平是什么?穷人把富人的东西拿出来是正当的吗?现在认为不是正当的,现在讲产权。还有一个什么东西可选择?你脑子里可行性的空间,意味着你有什么样的观念,包括我们处理金融危机等等,都与这个有关。
对未来世界的理解,并非基于过去的数据即可获得
进一步讲,之所以观念更为重要,更深层的原因是是因为,我们这个世界非常有限,非常不完美,我们对世界的理解,对未来的理解,并非基于过去的数据即可得到的,世界太复杂了。我们对世界的观念有可能是对的,也有可能是错的。如果是对的,不需要任何理念,按照本来行为就可以了。
经济学家大萧条没有预测到,拉美的债务危机、金融危机没有预测到,墨西哥金融危机没有预测到,亚洲金融危机没有预测到,苏联垮台没有预测到。革命本身没有预测到,如果预测到了就不可能发生革命。
原因是什么?这种稳定性和变化,依赖于有什么样的观念,这些观念的本身,又是我们人发展来、用来对付不确定性的。
企业家有能力应对不确定性
成功预测未来的不是经济学家,而是企业家,为什么呢?企业家有能力应对不确定性。所有最伟大的成功企业家,不是根据过去的数据做出未来的判断,如比尔·盖茨、乔布斯、微信,五年前没有任何数据可以预测微信的,大家很热衷大数据,大数据改变我们的工作,改革我们的工作,改革我们的思考,这对经济学家是很好的一点。很好的一点,大数据信息不可能完全,不确定性永远在那儿。
任何人在大数据(方面的努力)不会变成比尔·盖茨,不会变成乔布斯,这些不是说没有用,这些东西非常有用。我刚才讲到企业家面临没有人看到的东西,30年前没有预测到今天的手机,今天的互联网。30年之后什么是最伟大的产业,没有人能够预测到。
有些事情可以发生,但什么时候发生,我们不知道。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22