数据竞争力：“看见”那些看不见的秘密

前不久在一个小聚会上遇到了郑渊洁——没错，就是那个郑渊洁，最近他在做一件事情：走100个国家，写100篇游记。这不仅要花费比较多的资金，而且在当地还需要有人接待。中国最有能力赞助他这个项目的公司应该是华为——华为在全世界100多个国家都有自己的分公司，所以郑渊洁在华为的赞助下，开始了这次行程，不久前郑渊洁去了一趟墨西哥，于是他说了一段在墨西哥听说的趣事。

1

墨西哥是一个很有趣的国家，那个地方的黑社会的确比较猖獗，猖獗到什么程度呢？猖獗到非常正规化。据说黑社会绑架的时候，甚至会给你递名片，整个流程非常规范：不打你、不骂你，只是开出一个赎金，然后让你的相关责任人把钱交上来，他们就把人放掉。

在那个地方旅游、工作的人，都有可能遭到绑架，然后被勒索。华为的不少员工在那个地方工作，久而久之，就被黑社会盯上了。郑渊洁去之前，就发生了一桩涉及华为员工的绑架案。但是有意思的是，他们的相关责任人并没交太多的赎金，这些被绑架的员工很快就被放出来了。

原因说起来有点意思：黑社会把人绑架以后，把每个人质单独安置在一个安装了监视摄像头的屋子里，屋子里的东西很少，但是其中有一个柜子，柜子里摆放着各种各样的饮料，从上到下摆放着矿泉水，各种果汁、碳酸饮料等，就像一个自动售货机，你可以根据自己的需求选择喜欢的饮料。

柜子里的矿泉水就有好几种，从依云这样的高级矿泉水到本地产的低级矿泉水一应俱全，当然最显眼的还有可乐，可乐中也分别有可口可乐和百事可乐。后来员工被释放出来以后才知道，原来这个饮料柜不是随便放在那里的，饮料的摆设也是很有讲究的。

黑社会把你关在小屋子里，好长时间也不理，中途你肯定会感到口渴，会去找饮料。如果你喝的是矿泉水，而且挑的是很高端的矿泉水，黑社会就会断定，你过得是比较有品质的生活，你的收入一定不会低；如果你选择果汁饮料，黑社会基本可以断定，你的收入是中等偏上；如果你不假思索地选择了可乐，而且是可口可乐的话，那么基本可以断定你所属的阶层是中下阶层。

华为有一句口号——以客户为中心、以奋斗者为本，长期坚持艰苦奋斗。华为海外的员工有很多是农村出来的孩子，出身贫寒，胸怀天下，却身无分文，在海外打拼的过程当中，一直保持艰苦奋斗的作风。

虽然他们的收入要是真说出来能吓死黑社会，但是他们长期以来形成的生活习惯不会因为有很高的工资就会突然改变，所以他们这几个员工无一例外的都选择了可口可乐。黑社会就根据这样一个现象，给他们划定了一个比较低的赎金，让有关责任人送过来之后，就放他们走了。

当然，你选择什么样的饮料也只是其中的一个指标，他们要看你的穿着，还要看你使用的手机。他们发现一个有趣的现象：不知道为什么这些人用的都是华为手机，这些华为的员工说因为我们都很穷，买不起苹果手机。他们这样说这就进一步“证实”了他们是低收入人群，所以最后绑匪就只是要了一个比较低的赎金。

大家都知道，郑渊洁先生口才一流，当他津津有味对我讲完这个故事之后，发现我的反应不是那么热烈，于是他有点不解地看着我。我说，这其实没有特别新鲜。他说，你又来了，我讲什么你都说没什么新鲜的。

我说，其实香港黑社会早就用这套手段测试被绑架人员的出身背景，但是他们用的不是饮料。这些人更坏，他们专门在学校、幼儿园的门口绑架孩子，这些孩子被绑架以后，失魂落魄，不停地哭，要不就是完全说不出话来，所以你问他父母是干什么的，这个孩子也不知道，也说不清楚。黑社会也觉得这样问起来特别麻烦，所以他们就用了一个很简单的办法。

香港那个地方的人比较爱吃鱼，所以他们就给孩子做鱼吃。餐桌上不上别的菜，只是上各种各样的鱼——当然，在上菜之前要先饿孩子们一下，然后再让他们吃饭。一盘鱼端上来的时候，黑社会就看这些孩子的反应：越是那种不管什么鱼马上就夹过来吃，而且一般挑像鱼背这种肉厚的地方吃的那些小孩，黑社会基本判断，这孩子一般是穷人家的孩子。

而那种尽管饿了，但是也只是看一眼，不急吼吼拿起筷子，却慢腾腾又稳准狠冲着鱼肚子那个地方夹一小筷子，那样的孩子家庭的经济状况是比较高的——吃鱼，人家也是挑地方的。

这是其中一道测试，紧接着黑社会再上不同的鱼——这些鱼的价格、品质都不一样，对所有的孩子来说，这是又一轮测试。在经过五六道鱼过后，基本能够判断每个孩子的家庭出身是什么样子的，然后再确定赎金—— 真是怕就怕流氓有文化。

2

最近流行一个词——吃瓜群众。我请教过几个人，但是他们也说不出来具体的意思。仔细想想，大概是这个意思：吃瓜者、吃瓜群众就是指只看热闹，不知门道的人。 面对同一个现象，吃瓜者和懂得门道的人，或者一直关注门道的人，看到的是完全不一样的信息，这种隐信息、浅信息能够帮助懂门道的人获得一种吃瓜群众绝对不会有的优势。

说到让数据说话，想到最近看到很多人在谈胡家窝棚战役。这本来其实只是一场小小的战斗，但是有军事史家认为，胡家窝棚战役对于整个辽沈战局的转变起到了决定性作用。敌方将领廖耀湘的指挥部就在胡家窝棚，军队对胡家窝棚的打击不仅差点把廖耀湘抓住，最重要的是这场战斗让廖耀湘大惊失色——他认为我这么隐蔽的指挥部，共军都已经知道了，说明共军对我们情报的了解程度完全超乎想象，所以在这种情况下，他就慌了——他认为他所有的战略、战术都已经暴露在光天化日之下。

电影《大决战》当中有一个情节，当廖耀湘从胡家窝棚逃出来的时候，他什么都不顾了，竟然用明语下命令——这在打仗的时候是非常忌讳的。过去打仗指挥官用电台指挥下属，一定要用一套约定好的暗语，比如“黄河，黄河，我是长江，舅舅明天要上你们家……”

但是廖耀湘觉得这些暗语已经完全没必要了，共军已经找到他的家门口了，所以他用明语来指挥。当他用明语来指挥的时候，林彪指挥部的人都静静地听他的指挥，刘亚楼问林彪，那我们怎么打？林彪说，刚才廖耀湘不是都说完了吗。

简单地说，林彪和廖耀湘在这场大决战中，廖耀湘首先是输在信息上。他自认为自己在信息上已经完全丧失优势，所以他就彻底放弃，当他彻底放弃的时候，双方实力的对比就是显而易见的。那么林彪是怎么获得信息优势的呢？

了解中国现代军事史的人都知道，林彪是一个特别会抓关键问题的人，林彪在智力上一个明显的优势是他只关注重要的事情， 他对许多事情有一种强大的、不知道从哪里来的忽略的能力，当一大堆现象、事件、数字摆在他面前的时候，他很快能知道其中的关键点在哪里。

虽然并不知道是他抓住了关键点，忽略了那些芜杂的事实，还是因为他忽略了芜杂的事实，而发现关键点，总之，他具有这种能力。当胡家窝棚周围发生战斗以后，林彪例行在听战况汇报，汇报的人也是事无巨细的这也说那也说，林彪的习惯就是听，很少发言，但是当他来问问题的时候，一般就是已经有答案了。

林彪问了三个问题：第一个问题，为什么在那里缴获短枪和长枪的比例比其他地方高；第二个问题，为什么在那里缴获和击毁的小车的比例比大车高；第三个问题，为什么在那里俘虏和击毙的军官和士兵的比例也比其他地方高。大家听林彪问的时候，也不知道什么意思，然后他指着地图说，我断定，敌人的指挥所就在这个地方。

《大决战》中还有一个情节，当他发现国军作战的套路有点乱套的时候，他说了一句话，我可以肯定，蒋介石到了沈阳。战略部署突然改变，只有那种强有力的手——最后一把手进行干预的时候，才会乱套。所以林彪这种发现关键信息，抓关键数据的能力，可以说在军事上是很难被模仿的竞争力。

正是他这种从大量芜杂、紊乱、纷繁复杂的信息和数据当中，发现有效信息的能力，让他做出改变全局的预判。 在很多谈大数据的书里，都在讲未来的竞争力，未来竞争力首先是来自于数字的竞争力，如果你在数据上没有竞争力，那你就干脆不要去竞争。

3

数据竞争力，就是率先、精准地发现在对于大家来说都是公开的数据和信息里，能看见别人看不见的东西。 这里我特别强调一点，很多讲大数据的书里，把数据分析和大数据挖掘这两个概念混为一谈。

严格的说，大数据，就是海量的非结构性数据，不是针对哪个具体对象的数据。刚才说的墨西哥绑匪、香港绑匪都是通过观察一些信息，收集一些关键数据来做出判断和决策，这种方式严格的说，不是大数据分析。

大数据首先是全采样，它的数量极其巨大， 大数据和传统的调查统计最大的不同是：传统的调查统计是抽样调查，而大数据是非抽样调查——它是在无意当中，甚至是从那些所谓的数据垃圾里来发现某种迹象。 这个数据不是单个或少数几个数字而发现的迹象，而是通过海量汇聚的数字中透露的一种趋势、迹象。

比如谷歌公司能够从人们搜索某一个关键词——某一种流感，某一种药，或者是收集某些与天气有关的关键词的数量，而判定流感在多长时间、在哪些地区会出现，这种关键数据是建立在海量数据的基础之上的，这才叫真正的大数据。

但是很多写大数据的书里，都特别愿意举某一个或某几个小的数据：通过某一个客户的购买行为来判定他未来的行为，比如那个最著名的例子：塔吉特公司给一个十七岁少女邮寄母婴产品广告。

其实这个例子不算是大数据，当一个十七岁的少女在一两年来都在这个超市买比较固定的产品，突然近两个月有些东西她不买了，有些东西她开始买了，这个不用计算分析，叫一个她的闺蜜或是她的母亲、阿姨一看她的购物账单，都有可能发现这个孩子出现什么问题——这个孩子怀孕了。女士们很容易发现这个规律，男士们可能会比较粗心，不能够发现这些趋势。因此，这个例子不能够作为大数据的一个例子。

说到大数据，我们都知道它强调的是相关关系，不是因果关系。但是在塔吉特公司给这个17岁少女推荐母婴产品的这个案例当中，其实你是很容易发现这其中的因果关系——因为她怀孕了，所以某些东西她不买了。 大数据是很难发现因果关系的，包括那些需要我们追溯很长链条才能发现的隐蔽的因果关系，也都不能叫大数据。

生态学家经常举一个例子：英国老姑娘的数量和牛奶产量的关系。这个其实准确的说也不是大数据，这是有因果关系的，只不过这个因果关系不是一个直接的因果关系，但是如果我们仔细分析的话，这个链条仍然存在着因果关系。

因为姑娘自己拥有一份财产，用不着去嫁人，她一边忙工作，一边养很多猫；猫一多，周围田庄的田鼠数量就会减少；而田鼠爱吃丸花蜂的卵，如果田鼠的数量减少，那么丸花蜂的数量就会增加；因为丸花蜂最爱在红三叶草的花上采蜜，野蜂的数量一旦增加，导致野蜂传播花粉的数量增加，红三叶草的数量膨胀；因为红三叶草是牛最爱的食物，在英国的乡村、牧场的红三叶草的数量增加，最终会导致牛的数量的膨胀；所以牛的数量一旦增加，牛奶的产量也会增加。

所以半天我们才知道这里有这样的一个因果关系，即使是这样，这种不是一眼就会发现的、需要仔细追溯的关系，也不能叫相关关系，这其实是一种链条较长的、隐蔽的因果关系。

还有啤酒尿布效应，其实也不是相关关系，你之所以觉得那是相关关系，那是因为你不知道其中的道理是什么。超市的人发现啤酒的销量和尿布的销量是相关的，当超市决定购进多少尿布的时候，同时用相应的系数算出啤酒进货的数量。

显然不是因为喝啤酒的人多了，尿布就多了，这里说的尿布是小孩用的尿布，小孩显然不喝啤酒。原因就是，小孩尿了以后，母亲来照顾孩子，紧急需要尿布，这个时候从不爱逛超市的男人就必须要去超市买尿布，这个男人很不情愿地去超市，他觉得既然来了也不能白来，总是会拎一箱啤酒。因此这二者之间的相关性其实也是一种因果关系。判断大数据和非大数据的一个很重要的标准，就是两个现象之间到底是因果关系还是相关关系。

4

说这么多，无非是纠正一个偏见或者说一个以讹传讹的看法，就是大数据是一种洞察消费者行为非常有用的工具。但是它不是针对个别的消费者，它的数据规模远远超过个体消费的行为。

说到这里大家可能已经注意到了，大数据一个很重要的功能，甚至说主要的功能是用来预测的。可以说从人类文明诞生的那一刻起，预测应该是人类最古老的职业，只要有文明，它就存在。只不过原来干预测工作的人叫巫师，巫师知道天要下雨，甚至天不下雨他也想办法让他下雨，他不仅能预测未来，还能干预未来。

查尔斯·汉迪说，对一个社会的统治，是由两个角色完成的，一个国王，一个先知。 国王作为管理者、领导者，先知是所谓的智库，这两者结合才使得这个社会正常运行。我们中国有各种“经”，但是最重要的“经”是《易经》，《易经》是群经之首。

《易经》就是用来预测的。为什么大家都要搞预测，因为只有预测的准，你才可能获得竞争优势，如果你知道的时间和大家知道的时间是一样的，就不会有任何优势了。

如果你的应对、行为都是在事情发生之前就已经知道，并且采取了相应措施的话，你成功的机会就会大得多，凡事“预则立，不预则废”就是这个意思。当然，今天我们用大数据预测未来，和人们在原始时代用木头片、兽骨烧一烧，看裂纹来预测未来，这两者的预测水平完全不在一个数量级上，但是他们做事情的动机是一样的。

今天由于网络计算，人类每时每刻都通过生产行为、消费行为进行数据的生产。当我们用导航的时候，我们其实也在生产数据——现在的导航地图上越来越准确的显示实时变化的车况，是因为每个人都在使用导航，同时，你的运行速度，所处的路面状况，时时刻刻都会汇入到云端。

所谓的移动互联网时代，首先是一个每时每刻每个人都在生产数据的时代，这意味着谁能从这些数据里发现别人没有发现的秘密和趋势，谁就能抢到先机，获得竞争优势。

最近以来，在某个小圈子里，有一个话题变得越来越热，那就是跨境数据流动。耐克公司在每一双鞋上都安上了记录人行动的小终端：每天每一个人使用这双鞋的频率是什么样子的，全中国使用耐克鞋的人的行踪，都会每时每刻汇入到耐克的数据库里。

如果是这样的话，耐克了解的就不再只是关于鞋的事情了——如果是盯着单个的人，那不叫大数据。早上八点钟，一个人离开一个地方，九点多到了另外一个地方，晚上五点钟从这个地方出发，又回到早上的那个地方……

在一周当中多次这样的话，可以断定，早上八点出发的地方是他的家，九点多到达的那个地方就是他所在的公司。而如果在这期间，他还经常去其他几个地方，数据显示会一目了然，我们能大致判断，这个人干了些什么，他的职业、偏好是什么，包括他出差的行踪，他每个月平均去外地多少次等等，这是一种分析，还不能称之为严格的大数据分析，当然这也是一种数据。

如果要为这个人量身订制一个产品的话，这个产品不仅仅是鞋，甚至可以是旅行包、西装，定制你能想到的所有的产品。从耐克鞋收集的数据来看，可以分析全国这些穿耐克鞋的人是用来干什么的：用来跑步的人占多少，平时就是作为一个穿着舒服的普通鞋子的人占多少，这双鞋使用的时间是多少等等，这些数据对于耐克公司来说是越来越成为必不可少的生产资料，甚至已经是一种“原材料”了，已经变为产品不可或缺的一部分。

那么这里就会存在一个问题：我们每个消费者都在生产数据，每个公司都有权利收集数据，这些公司可能又分属于很多国家，现在数据成为甚至接近于自然资源的重要资源，那么跨境数据流动现在成了一个大问题。

比如说，产品范围覆盖越广的公司，就越对这个国家的政治、经济、文化、所有个人生活的了解程度就越高，那么这些数据就能称之为情报，一方面公司需要这些东西，但是这些资源有没有权利拿走就成了一个问题。如果石油、煤在我们的国土上，你肯定不能想拿走就拿走，那么这些数据可不可以拿走呢？这样我们就明白了，为什么跨境数据流动成为一个重大的话题。

5

我们今天谈的话题是数据，不管是常规的数据还是小数据、大数据，这都越来越成为一种竞争优势的来源。对于很多公司来说，尤其是对于那些特别务实、强调执行力的公司来说，像大数据、云计算、VR、AR这些东西听起来往往是没那么有感的，甚至他们只是悄悄耸耸肩——这些东西和我有什么关系。

但是我们应该意识到这一点，技术从传说到现实的时间间隔，现在变得越来越短。当我们觉得一些话题只是少数追逐时尚、好高骛远的人关心的话题的时候，我们可能面临一个特别大的风险——当这个东西骤然成为现实的时候，我们已经没有任何参与的机会了。

以前我们在竞争当中输掉，我们常常知道我们为什么输掉，但是今天左右我们命运的，越来越是那些我们看不见的东西。 比如你在你家的小区门口，开了一家已经经营一二十年的杂货店，生意一直很好，但是你突然发现在最近一两年来，曾经经常来光顾的熟客漠然的从你的小店门前走过，你一点都不知道是为什么。当你知道是为什么的时候，可能这时候已经没办法挽回了。

不管是大企业还是小企业，我们都不妨来关心一下数据竞争力。事实上，从古到今，人们一直在谋求这种数据竞争力。

文／伯凡时间

关键字：产品经理, 大数据

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！