數(shù)據(jù)驅(qū)動(dòng)未來(lái)，但不是一切

文 李培根

幾年前奧巴馬在美國(guó)國(guó)會(huì)提交的一份報(bào)告里談道：科技不只是在取代組裝流水線上的工作，而是在影響任何可以被自動(dòng)化的工作。即傳統(tǒng)的自動(dòng)化替代的是人的體力，但未來(lái)不一樣，簡(jiǎn)單地講是指向人的腦力。

最近大眾汽車的CEO說(shuō)：“不遠(yuǎn)的將來(lái)，汽車將成為一個(gè)軟件產(chǎn)品，大眾也會(huì)成為一家軟件驅(qū)動(dòng)的公司?！焙芏嗳寺?tīng)到后都感到不解，汽車是一個(gè)硬邦邦的產(chǎn)品，怎么會(huì)是一個(gè)軟件產(chǎn)品呢？我認(rèn)為這句話有兩層意思，一是指汽車未來(lái)所應(yīng)用的軟件產(chǎn)品會(huì)越來(lái)越多，尤其是自動(dòng)駕駛汽車。二是指影響未來(lái)汽車競(jìng)爭(zhēng)力的主要因素是軟件，而不是硬件。我們現(xiàn)在有個(gè)話題是“軟件定義世界，數(shù)據(jù)驅(qū)動(dòng)未來(lái)”，二者是緊緊聯(lián)系在一起的，與其相關(guān)的大量問(wèn)題都是處理數(shù)據(jù)的問(wèn)題。正如剛才說(shuō)的汽車是一個(gè)軟件產(chǎn)品，由于軟件產(chǎn)品很多都是和數(shù)據(jù)緊密聯(lián)系在一起的，汽車就會(huì)和智慧城市里的很多數(shù)據(jù)關(guān)聯(lián)在一起。

下面我將會(huì)說(shuō)三個(gè)話題，首先我們從“自動(dòng)化”說(shuō)起，之后會(huì)介紹“理念的數(shù)據(jù)”，最后會(huì)說(shuō)明“數(shù)據(jù)的理念”。

自動(dòng)化

傳統(tǒng)自動(dòng)化是替代人的體力的，現(xiàn)在比較完善的自動(dòng)化可以處理一些結(jié)構(gòu)化的、固定模式的、確定性的問(wèn)題。目前少數(shù)非結(jié)構(gòu)化的問(wèn)題無(wú)法通過(guò)自動(dòng)化處理。未來(lái)的自動(dòng)化不僅包括目前已經(jīng)完善的自動(dòng)化，還會(huì)像奧巴馬所說(shuō)的替代一切的自動(dòng)化。

人的腦力包含很多東西，實(shí)際上它是非結(jié)構(gòu)化的，沒(méi)有固定模式，是一個(gè)不確定性的問(wèn)題。這些問(wèn)題的處理以前沒(méi)有什么好的手段。實(shí)際上，這些問(wèn)題需要認(rèn)知自動(dòng)化來(lái)處理。智能自動(dòng)是另外一種自動(dòng)化替代人的腦力的技術(shù)。所以數(shù)字智能時(shí)代的自動(dòng)化替代腦力，沒(méi)有固定的模式，例如，一個(gè)車間里節(jié)能的問(wèn)題并不是一臺(tái)設(shè)備上節(jié)能的問(wèn)題，沒(méi)有辦法用一個(gè)固定的模型去表達(dá)，此時(shí)可能就需要用超越模型來(lái)處理。

當(dāng)然，有時(shí)候我們可以通過(guò)數(shù)據(jù)去發(fā)現(xiàn)模型、參數(shù)化模型等。我們需要超越確定性的問(wèn)題，從而有辦法處理不確定性的問(wèn)題。

工業(yè)中最重要的是制造，其設(shè)計(jì)效率、質(zhì)量、成本、綠色等，所有這些問(wèn)題實(shí)際上都存在著大量不確定性，如果我們想清晰地認(rèn)識(shí)，乃至駕馭企業(yè)活動(dòng)，那么認(rèn)識(shí)這個(gè)企業(yè)的整體聯(lián)系就會(huì)非常重要。

另外，非固定模式不確定性的問(wèn)題是以前對(duì)我們來(lái)講比較困擾的問(wèn)題，系統(tǒng)到底有多少是相關(guān)聯(lián)的？例如，人就是一個(gè)很復(fù)雜的系統(tǒng)，到底人有多少因素相互關(guān)聯(lián)，怎么關(guān)聯(lián)？因此，大數(shù)據(jù)、人工智能等的出現(xiàn)就像開(kāi)啟了一扇大門，有可能促使我們?nèi)フJ(rèn)識(shí)整體聯(lián)系、非結(jié)構(gòu)化的問(wèn)題、不確定性的問(wèn)題等。

我們可以想想中國(guó)的傳統(tǒng)文化。中國(guó)古代的金、木、水、火、土，的確不能說(shuō)是科學(xué)的。但古人的這種認(rèn)識(shí)還是有一定的合理性的，它強(qiáng)調(diào)了整體的聯(lián)系。西醫(yī)常常是“頭疼醫(yī)頭，腳疼醫(yī)腳”，但中醫(yī)是聯(lián)系整體來(lái)看的，即頭疼可能是由于腳上的某個(gè)穴位引起的，只是我們現(xiàn)在無(wú)法從解剖學(xué)的角度去認(rèn)識(shí)它。

對(duì)于一個(gè)復(fù)雜系統(tǒng)來(lái)講，其整體的聯(lián)系非常重要。我們強(qiáng)調(diào)中國(guó)文化里的“大系統(tǒng)觀”整體聯(lián)系，它是有合理解釋的，只是以前的現(xiàn)代科學(xué)缺乏技術(shù)去認(rèn)識(shí)它。古人通過(guò)經(jīng)驗(yàn)、感悟去互聯(lián)。但現(xiàn)在我們不能通過(guò)經(jīng)驗(yàn)感悟去處理很多問(wèn)題，只能通過(guò)數(shù)據(jù)科學(xué)、人工智能技術(shù)等去認(rèn)識(shí)這些整體聯(lián)系，以及不確定性的問(wèn)題等。

要認(rèn)識(shí)整體聯(lián)系或控制一些非固定模式，不確定性問(wèn)題的基礎(chǔ)是數(shù)據(jù)，但有數(shù)據(jù)就要互聯(lián)。我們需要人工智能技術(shù)去決策控制一些非模式、不確定性的問(wèn)題，而且人工智能技術(shù)也是以數(shù)據(jù)為基礎(chǔ)。因此有了第三次數(shù)字化浪潮。早期的數(shù)據(jù)驅(qū)動(dòng)過(guò)程，比如，企業(yè)里的數(shù)控機(jī)床加工過(guò)程就是數(shù)據(jù)驅(qū)動(dòng)的?，F(xiàn)在我們強(qiáng)調(diào)數(shù)據(jù)驅(qū)動(dòng)企業(yè)，那么數(shù)據(jù)化、智能制造、數(shù)據(jù)驅(qū)動(dòng)——這都是我們從事數(shù)據(jù)科學(xué)的人需要關(guān)注的。當(dāng)然未來(lái)將會(huì)涉及到更多的關(guān)鍵技術(shù)，包括人工智能、5G、區(qū)塊鏈等。

理念的數(shù)據(jù)

所謂理念的數(shù)據(jù)，就是圍繞企業(yè)的理念去收集處理數(shù)據(jù)。例如，像海爾這樣的現(xiàn)代企業(yè)的基本理念就是“以客戶為中心”，因此，海爾建立了一個(gè)工業(yè)互聯(lián)網(wǎng)平臺(tái)，收集了大量的客戶數(shù)據(jù)，從而能夠在產(chǎn)品開(kāi)發(fā)階段通過(guò)客戶數(shù)據(jù)把用戶的碎片化需求進(jìn)行整合，與用戶交互，實(shí)現(xiàn)“以客戶為中心”的目標(biāo)。顯然，圍繞企業(yè)“以客戶為中心”的理念整合數(shù)據(jù)是非常重要的。

所以海爾的研發(fā)模式與傳統(tǒng)的瀑布式模式不同。瀑布式模式是通過(guò)市場(chǎng)調(diào)查進(jìn)行需求分析，之后研發(fā)產(chǎn)品，即先有產(chǎn)品再有客戶。而海爾的研發(fā)模式是在產(chǎn)品開(kāi)發(fā)的過(guò)程中通過(guò)網(wǎng)絡(luò)，即互聯(lián)網(wǎng)平臺(tái)與用戶迭代、交互，根據(jù)客戶的需求生產(chǎn)產(chǎn)品，即先有用戶再有產(chǎn)品。因此，理念的數(shù)據(jù)引起了研發(fā)模式的顛覆。

再如，“綠色”也是現(xiàn)代企業(yè)的一個(gè)重要的理念?！熬G色”不光是指沒(méi)有污染，也指資源消耗少。雖然美國(guó)的用電很便宜，但DeepMind谷歌數(shù)據(jù)中心的耗電量很大。后來(lái)通過(guò)改進(jìn)DeepMind把耗電降低了15%，且實(shí)現(xiàn)了設(shè)備投資的收回。事實(shí)上，他們通過(guò)數(shù)據(jù)中心幾千個(gè)傳感器去收集溫度、電量、耗電量等設(shè)備及建筑物的結(jié)構(gòu)（不同數(shù)據(jù)中心建筑物的結(jié)構(gòu)都不一樣）數(shù)據(jù)，之后對(duì)數(shù)據(jù)進(jìn)行深度學(xué)習(xí)等處理實(shí)現(xiàn)節(jié)能效果。顯然，該例中數(shù)據(jù)收集的標(biāo)準(zhǔn)即為節(jié)能的理念、綠色的理念。因此，類似這類問(wèn)題是完全沒(méi)有固定模式的，我們不可能通過(guò)建立模型來(lái)解決。

這樣的技術(shù)也可以被用在其他方面。如減少半導(dǎo)體生產(chǎn)，（半導(dǎo)體耗水很厲害）、幫助企業(yè)提高生產(chǎn)效率等。同樣，國(guó)內(nèi)也有應(yīng)用很好的例子，例如酒泉鋼鐵集團(tuán)為了節(jié)能減排，在高樓上面安裝了很多傳感器，效果非常好，平均提高勞動(dòng)生產(chǎn)力5%，降低純鐵成本15元，預(yù)期在全行業(yè)推廣后，直接經(jīng)濟(jì)效益70億元/年。

數(shù)據(jù)的理念

接下來(lái)介紹數(shù)據(jù)的理念。首先數(shù)據(jù)里面實(shí)際上隱含著另外一種存在，以尿布和啤酒為例，雖然超市專家以前沒(méi)有意識(shí)到，但尿布和啤酒銷售存在關(guān)聯(lián)。我們很多觀點(diǎn)消失在人們的眼睛中，人們看不到，也湮沒(méi)在人們的模糊感覺(jué)中。

我們有時(shí)候可以在相似中發(fā)現(xiàn)一些顯著的差異，例如，Lexus通過(guò)Twitter大數(shù)據(jù)分析，從倫敦奧運(yùn)會(huì)冠軍中篩選廣告代言人。無(wú)論邀請(qǐng)姚明還是劉翔都具有相似性，他們都是體育明星，但他們還是有差異的，就需要通過(guò)數(shù)據(jù)去分析了解。另外，我們可以在巨大的差異之間發(fā)現(xiàn)相似的規(guī)律，例如，AlphaGo在所有的圍棋對(duì)局中，每一個(gè)人哪怕是同一個(gè)選手，每次對(duì)局都很不一樣，所以就要從很多的差異中尋找相似的規(guī)律，得到新的認(rèn)識(shí)。

大數(shù)據(jù)分析已經(jīng)無(wú)處不在

對(duì)于企業(yè)來(lái)說(shuō)，以財(cái)務(wù)信息和業(yè)務(wù)信息的融合為例。實(shí)際上，很多企業(yè)的財(cái)務(wù)信息和業(yè)務(wù)信息并沒(méi)有很好地融合，就車間里一些具體設(shè)計(jì)業(yè)務(wù)的工藝來(lái)說(shuō)，生產(chǎn)上方方面面的信息并沒(méi)有真正地被財(cái)務(wù)信息所利用，但實(shí)際上這個(gè)業(yè)務(wù)流程是和財(cái)務(wù)信息相關(guān)的。我們沒(méi)有精細(xì)的數(shù)據(jù)收集，所以傳統(tǒng)的信息和業(yè)務(wù)信息相互獨(dú)立。因此如何從大量的信息中進(jìn)行挖掘，進(jìn)行成本控制是非常有意義的工作。

其次，隱含的另外一種存在湮沒(méi)在人的自以為是中。有人認(rèn)為AlphaGo這是臭棋，實(shí)際上AlphaGo對(duì)圍棋有新的認(rèn)識(shí)，這是人類沒(méi)有認(rèn)識(shí)到的。有的緊閉地存在深處，有超越人的智慧，特別的思維過(guò)程。所以我認(rèn)為數(shù)據(jù)其實(shí)是“非人類思維”的種子。像AlphaGo有非人類的思維，人類以前沒(méi)意識(shí)到一樣，數(shù)據(jù)是“非人類思維”的種子，我們?nèi)绾螐臄?shù)據(jù)到信息，到智能，再到非人類思維。這對(duì)我們認(rèn)識(shí)自動(dòng)化是非常重要的。

我們要超越人的感知，例如，我?guī)讉€(gè)月前去臺(tái)灣一個(gè)很普通的大學(xué)參觀，其中的一個(gè)教授說(shuō)：控制磨床進(jìn)刀，老師傅通過(guò)聽(tīng)模具的聲音可以判別出其質(zhì)量如何，或者應(yīng)該如何去控制。然而，他們通過(guò)測(cè)量噪聲、測(cè)量電流的變化，把數(shù)據(jù)收集起來(lái)和質(zhì)量等進(jìn)行深度學(xué)習(xí)。結(jié)果顯示數(shù)據(jù)分析之后的磨床進(jìn)刀控制要比人的感知好得多。

剛才所說(shuō)的AlphaGo實(shí)際上就是非人類思維。最可怕的不是人類，是非人類思維。在很多情況下，計(jì)算機(jī)系統(tǒng)，人工智能系統(tǒng)可能比我們的看法或感知更加細(xì)致入微。

以我的一個(gè)計(jì)算機(jī)繪畫作品為例，它實(shí)際上是根據(jù)我們拍的樹(shù)林的照片畫出的作品。我們?nèi)俗鳟嫷臅r(shí)候，有的地方透著光，有的地方有陰影；但計(jì)算機(jī)繪畫實(shí)際上是計(jì)算機(jī)對(duì)照片的分析，它更加的細(xì)致入微，用一種夸張的手法表現(xiàn)了出來(lái)。這說(shuō)明了計(jì)算機(jī)或者人工智能系統(tǒng)比人的感知更加細(xì)致入微。

另外，關(guān)于數(shù)據(jù)的理念，我們需要重視數(shù)據(jù)收集常常需要跨系統(tǒng)、跨領(lǐng)域、跨媒體的，某一個(gè)問(wèn)題的表征并不一定集中在某一個(gè)特定的系統(tǒng)數(shù)據(jù)之中。例如，美國(guó)大選時(shí)特朗普當(dāng)選很意外，美國(guó)主流媒體認(rèn)為特朗普不可能當(dāng)選。如果跨媒體收集數(shù)據(jù)，絕對(duì)不會(huì)得出特朗普敗選的結(jié)論。因?yàn)槿藗冎魂P(guān)注了主流媒體，沒(méi)有看民間媒體，所以才會(huì)感到意外。再如我們要判斷經(jīng)濟(jì)趨勢(shì)，判斷選民的意向，光看報(bào)紙是不行的，還需要我們?nèi)タ缦到y(tǒng)，跨媒體了解相關(guān)信息。

我們車間的質(zhì)量問(wèn)題不一定只和設(shè)備、工具、工人有關(guān)系，還會(huì)涉及供應(yīng)商、環(huán)境、氣候，甚至是某一特定的時(shí)期，社會(huì)上的特定活動(dòng)等。就以舉行世界杯為例，車間的質(zhì)量說(shuō)不定與這些比賽有關(guān)?？缑襟w也是一個(gè)很重要的方面，收集不同媒體的數(shù)據(jù)，例如facebook、微信、中央電視臺(tái)等媒體都傳遞了很多數(shù)據(jù)，而且這些數(shù)據(jù)可以從一定的程度上反映經(jīng)濟(jì)問(wèn)題、經(jīng)濟(jì)趨勢(shì)等。

之后，我們介紹數(shù)據(jù)的工作理念，在企業(yè)中，我們常說(shuō)業(yè)務(wù)數(shù)據(jù)化、數(shù)據(jù)業(yè)務(wù)化。所謂業(yè)務(wù)數(shù)據(jù)化，即企業(yè)里每一項(xiàng)工作，每一個(gè)活動(dòng)，每一項(xiàng)業(yè)務(wù)都要數(shù)據(jù)化。我們企業(yè)遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到業(yè)務(wù)數(shù)據(jù)化。所謂數(shù)據(jù)業(yè)務(wù)化，即指數(shù)據(jù)工作是由專門的業(yè)務(wù)部門來(lái)處理。目前政府部門已有專門的部門來(lái)處理數(shù)據(jù)，如大數(shù)據(jù)局。但是在企業(yè)中，我們所有計(jì)算機(jī)中心或信息中心和數(shù)據(jù)中心是不同的。專門處理企業(yè)數(shù)據(jù)收集的范圍，數(shù)據(jù)傳送的標(biāo)準(zhǔn)等和數(shù)據(jù)相關(guān)的部門才是數(shù)據(jù)中心。

還有大家熟悉的數(shù)字雙胞胎的理念，在企業(yè)里現(xiàn)在是非常強(qiáng)的。在企業(yè)中，數(shù)據(jù)驅(qū)動(dòng)強(qiáng)調(diào)的是無(wú)數(shù)的流動(dòng)。企業(yè)數(shù)據(jù)驅(qū)動(dòng)包括在流水線上的。例如，德國(guó)巴斯夫企業(yè)生產(chǎn)的洗發(fā)水、液體肥皂是可以根據(jù)香味和顏色等喜好定制的，而且定制過(guò)程是根據(jù)記錄了數(shù)據(jù)的芯片實(shí)現(xiàn)的，體現(xiàn)了數(shù)據(jù)驅(qū)動(dòng)。而雙胞胎強(qiáng)調(diào)的是數(shù)據(jù)從一個(gè)程序無(wú)縫流到另一個(gè)程序的過(guò)程。

最后，需要注意的是，不要指望一切都在預(yù)測(cè)和控制之中。近幾年有專家說(shuō)：大數(shù)據(jù)、人工智能計(jì)劃經(jīng)濟(jì)成為可能，馬云也有這樣的觀點(diǎn)，認(rèn)為什么都可以掌握，但我覺(jué)得這是不可能的。人是有自由意志的，比如，你一定要我種花生，但我想種別的東西。假如說(shuō)我是一個(gè)農(nóng)民，除非你規(guī)定只能夠生產(chǎn)什么、工作什么，否則這是不可能的事情。如果說(shuō)你有一些預(yù)測(cè)，而我因?yàn)槟愕念A(yù)測(cè)馬上做出改變。顯然，經(jīng)過(guò)改變，原來(lái)的東西實(shí)際上已經(jīng)發(fā)生了變化。因此，很多個(gè)體行為是無(wú)法預(yù)測(cè)的，但對(duì)一個(gè)群體來(lái)說(shuō)，預(yù)測(cè)又是可能的，因?yàn)槿后w之內(nèi)的自由意志可能相互平衡抵消。但我們認(rèn)為一切都在掌控之中、控制之中是不大可能的。

另外不能迷信數(shù)字與智能技術(shù)，數(shù)字與智能技術(shù)依然存在漏洞。更復(fù)雜的社會(huì)，也意味著更復(fù)雜的糾錯(cuò)機(jī)制、更高昂的糾錯(cuò)成本。正如墨菲定律所說(shuō)，“如果事情有變壞的可能，不管這種可能性有多小，它總會(huì)發(fā)生?！蔽蚁嘈胚@句話還是有一定道理的。

總之，數(shù)據(jù)驅(qū)動(dòng)不是一切，大數(shù)據(jù)、人工智能開(kāi)啟了認(rèn)識(shí)整體聯(lián)系，認(rèn)識(shí)不確定性，認(rèn)識(shí)非固定模式等問(wèn)題的大門。我們應(yīng)該圍繞企業(yè)的理念和目標(biāo)去收集、處理數(shù)據(jù)，嘗試去深刻地理解數(shù)據(jù)的一些基本理念。