数据资本时代

• 适兕

  2021-03-02
  从根本上说，这种转变是一场数百年前就开始的，规模更大、范围更广的运动的一部分。它曾促使弗兰西斯·培根强调实验证据的必要性，也促使勒内·笛卡尔去探求理性。它曾激励伊曼努尔·康德提出理性与道德密切相关，也促使亚当·斯密审视市场的协调力量。它还让汉娜·阿伦特看到了权力的本质，让约翰·罗尔斯思索正义的内涵。它推动人类沿着知识的道路前进，让我们有机会洞察我们生活的世界————一个具有丰富信息的世界，一个比我们能够想象的更多姿多彩、更多样、更微妙、更令人振奋的世界。
• 适兕

  2021-03-01
  当我们重塑市场，为其注入海量数据时，我们也必须理解并重新思考公司的角色。
• 瑾杨

  2020-07-23
  在多数情况下，当一个群体为了一个共同的目标而努力时，每一个成员都应该把这个目标当作自己的目标。一部分人需要动导、勉励、说服、激励其他人，让他们把个人的优先选择和偏好放在一边哪怕只是暂时搁置。当人们能够做到这一点时，他们就可以进行有效的合作了。但是，让所有人长期保持意见一致是很难做到的，所以很多时候，人们往往做不到同心协力。还有一些人根本就不会去说服别人，他们的做法是强迫别人合作，而不是让别人做出选择。这样的做法即使成功了，也是不道德的，而且这种成功也不会持久。对这一点，许多强权统治者是最明白的。
• 王蘑菇

  2019-06-24
  用数据缴税如何让公司支付它们本该支付的税款。政府可能会考虑让它们用数据而不是用货币来支付部分税款。汽车制造商可以匿名提供汽车上的传感器数据，这样政府就可以利用这些数据来识别道路交通中特别危险的地方，从而改善交通安全。同样，从农场和超市收集到的反馈数据，也可以用来改善食品安全。在线学习平台的反馈数据可以帮助公共教育部门改善决策，而用于交易匹配的决策辅助数据则可以用在早期预警系统中，从而政府可以对市场泡沫更好地进行预测。
• 王蘑菇

  2019-06-24
  越来越多的专家开始担心，机器学习系统正在破坏竞争。他们主张在现有反竞争行为规定的基础上，人们应该采取另外一些措施。还有一些人甚至建议，应该强迫大公司像开放源代码软件那样“开放”它们的算法，让竞争对手和普通大众都能接触到这些算法。对算法开放的呼吁误判了问题的根源，对遏制市场集中起不到任何作用。开放算法的错误不在于分享这个观念，而在于分享什么。监管机构要想确保良好的市场竞争性，就应该提出数据共享的要求，而不是提出算法透明度的要求。
• 王蘑菇

  2019-06-24
  累进数据共享授权基于这样的总体思路，我们提出了一个可以被称为“累进数据共享授权”的建议。一旦公司的市场份额达到起始阈值，比如10%，公司就要开始遵守这个规定。公司需要提供共享反馈数据的数量，将取决于该公司占有的市场份额。一家公司越接近统治地位，就越需要与竞争对手分享更多的数据。与市场上的每个参与者分享反馈数据的要求，使参与者不再会产生谎报或夸大其市场份额的动机。假设有一个由两大竞争对手把持的市场：一家拥有45%的市场份额，另一家拥有40%的市场份额，剩下15%的市场分散在许多小公司手中。如果数据共享授权只是单向的，即从最大的公司到其他较小的公司，那么两家大公司中那个占有市场份额更大一些的公司，就必须与另一家大公司分享数据。这就会鼓励大家去做市场份额游戏。然而，一个更加普遍的双向共享授权将使两家大公司都受益，因为每个公司都可以获得另一方的数据——尽管相对而言，受益更多的公司将会是那些规模小的竞争对手。
• 王蘑菇

  2019-06-24
  特斯拉的首席执行官埃隆·马斯克在2016年年底的时候曾在推特上夸耀，所有斯特拉汽车都拥有来自其Autopilot（自动驾驶系统）的数亿英里里程记录。自动驾驶系统启动后，会生成并积累有价值的反馈数据，这些数据会发送给特斯拉，并被用来训练出自动驾驶系统的下一个更好的版本。毫不夸张地说，只要斯特拉车主使用自动驾驶系统，特斯拉汽车每走1英里，其自动驾驶系统就会得到改进。
• 王蘑菇

  2019-06-24
  BlaBlaCar公司在20多个国家已经拥有超过4 000万名会员，公司允许乘客和司机一起从多个维度进行配对，包括他们自己报告的健谈程度——从Bla（“看窗外风景匆匆掠过”）到BlaBlaBla（“聊起来没完没了”），不一而足。
• 王蘑菇

  2019-06-24
  信贷的颠覆式创新越来越多的银行和其他金融中介机构开始采用截然不同的策略，它们希望重新转型，将自己打造成精通数据的中介机构。它们甚至与金融服务行业的新加入者合作，为货币消失后的世界做准备。银行为金融科技公司提供资金，让它们有机会利用数据技术提供金融服务，而很多金融科技公司的目标却是将传统银行推下神坛。这听起来虽然不合理，但实际上不无道理。银行打的算盘是：如果被挤垮了，我至少应该在抢走我生意的对手那里占据一席之地。仅2015年，金融科技公司就吸引了超过190亿美元的全球投资。一些权威人士将这种疯狂的举动描述为金融科技泡沫。
• 王蘑菇

  2019-06-24
  有时，卖家会故意给买家提供更多参考维度，并且以并不标准的方式为每个维度提供更多的信息。他们的目的，就是让买家难以评估和比较其产品或服务（想想那些保险合同吧），在这种情况下做出很好的决策是非常困难的。人脑，除了在视觉模式识别上，其实并不擅长处理大量的信息。在实验中心理学家发现，人类只能够在同一时间内处理大约6个不同的信息，甚至不足以应对3种不同产品的3个特性的对比与比较。
• 王蘑菇

  2019-06-24
  二手车市场就是一个信息不对称的典型案例。因为在不拆卸汽车的前提下，很难检查汽车每个部件的情况，如果没有额外的信息，购买者就无法确定他们正在考虑购买的汽车是“桃子”还是“柠檬”。
• 王蘑菇

  2019-06-24
  福特公司的各项规定都很严格，除了对工厂的规定，公司还有对工人家庭的规定。在员工的高离职率威胁到公司效率时，福特提高了工人工资，实施了“日薪5美元”薪金制。但是，享受这个薪酬的员工，必须是那些符合福特“社会部”用人标准的人。社会部不仅要收集有关员工的性格等细节信息，而且会监督他们的饮酒、消费等习惯，甚至还会关注员工家庭的整洁度。福特不想与任何人分享决策权。
• 王蘑菇

  2019-06-24
  企业内部人才市场专业服务公司德勤在2016年进行的一项调查显示，39%的大公司高管表示，他们要么是“几乎不能”，要么是“完全不能”招聘到公司所需要的人才。既然在公司之外很难找到人才，也许在公司内部就可以寻找到合适的人才。但是，尽管人力资源部门的员工可能对公司的人才了如指掌，但是他们在优化整个公司的人才分配时，也必须与大量的信息做斗争。要做出恰当的决策，他们需要对人才个体与职位空缺进行比较，对二者从经验水平、专业技能到薪资级别等多个维度进行匹配。还有另一个难题：如果一个经理的年轻助手既优秀又有前途，这个经理通常会尽最大努力把这样的人才留在自己的部门。所以他在向人力资源部门汇报时，很可能会有意地少汇报一些最能干员工的优秀品质，以免人力资源部门会看上自己的优秀助手，把他调到其他岗位上。
• 王蘑菇

  2019-06-24
  投资管理的颠覆式创新金融科技已经催生了海量数据平台的一个全新的细分领域，如ZuluTrade和eToro等平台，它们为客户提供的投资方法，是选择或者复制千万个其他交易者的投资模式。也就是说，这些平台的目标就是为投资者提供一种学习机会，让他们来仿效那些具有匹配偏好的交易者。平台通过它们所促成的交易来抽取部分利益。其他网站，如PeepTrade（窥探贸易），则会为客户提供渠道去“窥探”成功交易者的决策信息，并从每笔“遵从”成功交易者策略的交易中抽取部分利益。
• 王蘑菇

  2019-06-24
  决策自动化为什么自动化只能停留在办公室文员这样的岗位上？为什么不能把它扩展到中级管理层，甚至是最高管理层？使用机器学习系统来辅助管理层决策，并将人工智能提升到高管级别，这真是一个有趣的想法。桥水基金公司，全球最大的对冲基金公司，将很快做到这一点。桥水基金公司计划建立一系列机器学习系统，这些系统不仅将为其1 600亿美元的资产选择投资机会，而且将做出一般的管理决策，比如聘用、提拔、解雇人员等。桥水基金的传奇创始人兼首席执行官瑞·达利欧因对数据的热情而闻名，他的目标是到2022年让公司所有管理决策中的3/4实现自动化。
• 粗缯蓑雨

  2019-04-04
  集中的市场是有问题的，因为它剥夺了许多参与者达成更好交易的机会，而把过多的利润集中于强者身上。规模效应降低成本，网络效应扩大效用，反馈效应改进产品。数据还可能带来新型的独裁。随着政府和大型企业对个人数据掌握的深度和广度的增加，如果我们不按照政府和企业“所希望的方式”生活和消费，我们就可能会在社会保障福利、落户就业、融资借贷等方面遇到各种困难。最终，我们有可能反而成了算法的奴隶，必须按照算法设定的目标努力前进。