大数据，商业竞争的护城河
共 2715字，需浏览 6分钟
·
2021-01-05 12:42
内容来源：本文为蓝狮子出版社书籍《AI3.0：人工智能落地的商业逻辑》书摘，笔记侠经出版社授权发布。 作者简介：王晓梅，前IBM大数据和分析业务全球负责人，深耕大数据分析与AI领域20多年。 责任编辑 | 浮灯 值班编辑 | 金木研
思维方式
笔记君说：
人工智能只是一种技术手段，数据资产最终决定人工智能的行业应用发展，以及企业新的市场。
随着互联网、开源、云计算等技术的发展，企业在技术上会越来越接近。
不久的将来，超级摩尔定律下芯片计算力会有更大突破，人工智能作为一种技术能力将越来越普及，长期来看，技术能力上的差异会越来越小。
在行业应用上，真正能建构牢固“护城河”的核心要素一定落在数据上。
那么，数据又从哪些维度展开竞争呢？
第一，数据的品质。
比如数据的准确性、完整性、可追溯性、持续性、真实性和共享性。这些品质决定着人工智能模型的质量，也决定最终的落地成果。
第二， 数据竞争存在先发优势。
那些占据着特定的应用场景，并且更早、更多地获取数据的领域，人工智能的优势会更明显。
第三，数据的安全和隐私保护，决定了人工智能应用最终可以走多远。
一、提升数据品质
针对特定领域的数据集越庞大、越真实、越准确、越可追溯、维度越丰富、越协同共享，越能得出最佳算法并带来竞争优势。
比如，在奈飞的网站上，围绕用户的维度，有性别、年龄、浏览过的电影、喜欢的明星、过往阅览记录等；围绕某个电影的维度，有年代、导演、演员、风格、题材、用户评价等。
绕两个主体的数据维度越丰富，越能在两者间建立精准匹配的关系，让企业以更好的体验扩大用户群，不断强化自己的优势。
我们看到，App的用户规模越大，往往越能更精准地满足个性化体验。
比如，现在我们使用的一些音乐App已经能够精洞悉每个用户喜欢的音乐风格，并准确推送喜欢的音乐。
对如何提升数据品质，企业可以在两方面同时努力：
内部，要有系统的规划，实时采集和整理数据，建立长期数据积累；
在外部，要有意识地构建生态体系或者寻找合作伙伴，尽可能多地获得相关数据，且搭建统一架构，帮助数据互通。
二、数据的先发优势
数据竞争一定存在先发优势。企业越是占据特定的场景，更早、更多地获取数据，人工智能的优势就越明显。
现在，数据尚未全面商品化，企业与企业之间的数据交换尚未畅通。
由于市场的复杂和竞争、数据安全和监管等原因，企业或机构不敢轻易开放数据，企业或机构需要通过自己的产品和生态体系来获得更多数据。
从这个角度看，平台型科技公司基于自己强大的数据基因，占有完全优势。
长期来看，数据是可以创造收益的资产，是公司的核心竞争力，越早入局规划，越能占据主动。未来数据全面商品化之后，价值会非常明显。
三、数据安全和隐私保护
对数据安全和个人隐私的保护程度，决定了人工智能可以走多远。
数据安全有两层含义：
一是保证用户数据不损坏、不丢失，这种情况发生的概率不大，数据存储在云端也安全得多；
二是保证数据不泄露或者滥用，这是主要的关注点。
无论在电子商务、航空旅行、金融借贷还是医疗行业，全球已发生多起数据泄露的件，引发公众的愤慨。
2017年，单是美国征信企业艾可菲（Equifax）一家公司的信息泄露就涉及多达1.43亿人的姓名、住址、出生日期、社会保障号和驾照等敏感信息。
人们不可能纵容自己的数据隐私被侵犯。任由信息泄露和滥用，公司会陷入舆论的漩涡，商业发展的困境最终会阻碍人工智能的发展。
四、找到“强相关数据”
首先，无论大数据或小数据，有价值的就是好数据；其次，“大数据”这个词，更多是一种思维方式和一个时代标志。
实际的场景中使用的数据往往是有限的，真正有用的是“小数据”。
兵法上讲，“伤其十指不如断其一指”，大数据是一样的道理，要用力在关键的“一指”上，不必追求“十指”面面俱到。
用户源源不断地产生数据，目前对于企业来说，数据的收集和存储能力并不构成障碍。
症结在于，90%的数据没有被真正利用起来，成了“废数据”。
主观上，这与机构的数据思维文化有关，并不是所有公司都能像奈飞、亚马逊那样推崇用数据说话。
客观上，则与数据的相关度有关。
比如一名用户10年前的互联网数据，对于分析当下或预测未来并没有太多的作用，时间序列上的弱相关度，大大减弱了数据的效力。
相关数据，特别要强调与特定场景的相关度。现在，人工智能的应用针对的是某个具体任务或具体目标，需要的数据类型不尽相同。
比如，传媒、金融、医疗等各行业需要的细分数据不同，具体到同一行业的子领域也不同。比如，在医疗领域，心血管疾病和癌症诊断所要的细分数据就不一样。
大部分人工智能的应用场景，都是针对一个具体的任务。
比如，个人信贷鉴别申请者的信用风险，餐饮外卖确定最优的派送路线，资讯信息流做精准的个性化推荐……具体的场景中，起作用的主要是相关度高的数据。
五、重视小数据
相对大数据来说，能直接用起来的相关数据，往往是一种特定的小数据。
这里的小数据，指的是使用场景单一、对应算法简单、及时性较高、数量规模较少的数据。
可以说，大数据是宏观、全面的分析，小数据则是针对特定任务的具体分析。现阶段真正好用的其实是小数据。
同样以奈飞为例。
1997年，它以DVD在线出租起家，还没有那么强的数据能力，幸运的是，它早年就上线了用户打分功能。
2007年，奈飞推出流媒体业务“Watch Now”（立即观看）的时候已经积累了20亿条用户打分数据。
通过这些数据，就能够非常容易了解用户对内容的偏好。这个打分数据就是小数据，维度很单一，却非常契合奈飞的业务场景，对内容决策非常有用。
当然，在大数据时代，小数据的内涵也会发生延展。比如，围绕个体的全方位数据更加重要。
这里的“个体”不只是自然人的个体，也包括社会组织，如商店、企业、社会团体等。
掌握全方位的个体数据，一个直接的好处就是可以精准推送个性化服务。
数据竞争是未来竞争的核心，而在人工智能商业落地的过程中，掌握数据的核心要义，才能在未来的竞争中，构建自己的护城河。
--end--
推荐阅读：
扫描下方二维码 添加好友，备注【交流】 可私聊交流，也可进资源丰富学习群
更文不易，点个“在看”支持一下?