數(shù)據(jù)驅(qū)動(dòng)未來(lái) 但不是一切

幾年前奧巴馬和美國(guó)國(guó)會(huì)提交的一份報(bào)告里談到，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)單地講是指人的腦力。

大眾CEO說(shuō)，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。我們很多人聽(tīng)到后都會(huì)感到不解，汽車是一個(gè)硬梆梆的產(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，無(wú)人駕駛汽車。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。

未來(lái)世界，我就說(shuō)數(shù)據(jù)世界或者軟件，與其相關(guān)的大量問(wèn)題都是處理數(shù)據(jù)。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。

自動(dòng)化之說(shuō)

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)題的處理我們以前沒(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)化替代人腦力的技術(shù)。自動(dòng)化替代腦力，我們講它超越固定的模式，有些問(wèn)題沒(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，它沒(méi)有一個(gè)固定的模式，你沒(méi)有辦法用一個(gè)模型去表達(dá)，車間節(jié)能的設(shè)備沒(méi)法建立一個(gè)模型，此時(shí)我們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，不管是設(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？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，等等。

對(duì)于一個(gè)復(fù)雜系統(tǒng)來(lái)講，其整體的聯(lián)系是非常重要的。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)的。

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， 即是先有產(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;即是先有用戶再有產(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，該案例中數(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。同樣我們國(guó)內(nèi)也有應(yīng)用很好的例子，例如鋼鋼鐵企業(yè)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

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)，人們看不到感覺(jué)不到，但卻實(shí)實(shí)在在存在著。

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，隱處的另外一種存在淹沒(méi)在人的自以為是中。例如，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，他有超越人的智慧，一種特別的思維過(guò)程。所以，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。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。

另外，數(shù)據(jù)收集常常需要跨系統(tǒng)、跨領(lǐng)域、跨媒體，某一個(gè)問(wèn)題的表征并不一定集中在某個(gè)特定的系統(tǒng)數(shù)據(jù)之中。例如我們要判斷經(jīng)濟(jì)趨勢(shì)，判斷選民的意向，光看報(bào)紙是不行的，還需要跨系統(tǒng)，跨媒體了解相關(guān)信息。例如，車間質(zhì)量問(wèn)題不一定只和設(shè)備、工具、工人有關(guān)，還會(huì)涉及供應(yīng)商、環(huán)境、氣候，甚至某一特定的時(shí)期，社會(huì)上的特定活動(dòng)等。

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。企業(yè)遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到業(yè)務(wù)數(shù)據(jù)化。所謂叫數(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)和數(shù)據(jù)相關(guān)部門才是數(shù)據(jù)中心。

值得注意的是，不要指望一切都在預(yù)測(cè)和控制之中，也不能迷信數(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?！?/p>

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)的一些基本理念等。（本文根據(jù)李培根院士公開(kāi)演講整理而成，未經(jīng)本人確認(rèn)。）