文|李北辰
毋庸置疑的是,2019年中国资本市场最大的一件事,就是中小型创新企业能够在科创板上市。
从国家首次提出科创板和注册制概念,到最终开板,一共只用了220天。相较于之前创业板和中小板经历的数年之久,科创板创造了中国证券史上开板的最快纪录。这委实也是在印证,其背负着整个市场的宏大期许,人们希望它能成为“中国的纳斯达克”。
这种期许表现在以市场为导向的一系列措施:譬如将核准制改为注册制,取消了交易规则中间的诸多限制,得以让一些有潜力的年轻企业突破旧秩序的牵制;再比如,对企业的判断标准不再是现实盈利,而是让市场判断它是否有未来潜力。
其实就像金融学者香帅所言:“科创板的实施过程就是一个词:放权。把监管的权力交还给市场,让市场进行选择,看是不是能在沙里面淘出金子来”,这些措施也给市场释放了一个信号:“国家坚持市场经济的导向趋势不会变,不但不会变,而且还会加大市场在资源配置中的作用。”
而谈及科创板与市场经济的关系,敏锐者不难察觉,abc(人工智能,大数据,云计算)等新技术在不同行业的渐次落地,早已作为商业竞赛的重要一环,在市场资源配置中应用广泛。从现在到未来,新技术之于各个产业的最大意涵,就是优化经济效率,降低决策成本。
所以马化腾才说:“今天当信息化这个最大的变量开始融入到各行各业,产业竞争的方式正在发生变化,由垂直纵深的各个实体产业和横向延展的信息产业相结合,形成了纵横交错的新搭档,可以说产业竞争已经演化为双打的比赛。”
以信息化的“主体”——大数据为例。无需赘言,“信息战”已成为商业竞赛的一大主战场,数据将在不同决策方向上充当“灯塔”角色。
但是,即便这盏灯塔如此耀眼,许多企业却依旧视而不见。依我之见,这是因为他们对大数据这个熟悉的概念,依旧一知半解。
1
早在“大数据”的商业内涵呼之欲出之时,业内就已达成共识:大数据的奥秘不是“量大”,是“量全”,也就是要具有多维度的特征,且各个维度最好是“正交”的。
我印象很深,《浪潮之巅》作者吴军老师用基因举过一个例子。一个人的基因全图谱数据大约在1tb,也就是1000个gb,数量庞大,却无法得出有效的统计规律,因为我们无法从个人数据看出是否有潜在疾病,而且由于每个人的基因不同,即便拥有100个人的基因数据,即便发现某个人的一段基因和其他人不同,也不能说明他有疾病——但倘若叠加另一维度的信息,比如这100人过去的病例,就有可能发现某段基因和某些疾病间的联系。
其实在今天,从电商平台到社交网络,从搜索引擎到各类流媒体,都在通过相互叠加印证的逻辑,不断丰富获取数据的维度,以此判断用户的不同选择偏好。
如果你认为大数据在toc端的应用司空见惯,那么我今天举一个tob——而且是貌似是最传统不过的行业:招商。在不久前结束的中国国际数字经济博览会“科创板与数字经济高峰论坛”上,首次亮相数博会的华夏幸福产业大数据平台,就让外界看到了当新技术遇到“旧”行业,究竟能够释放出何种新意。
根据官方数据,这一大数据平台是其基于17年的产业招商经验,结合ai与大数据研发的专业化平台,主要聚焦10大产业,拥有2760万家企业11.5亿条动态数据。这些海量,多维,实时的数据,能够基于不同应用场景,为企业投资选址和区域产业发展提供服务。
你大概可以将它理解为一个“产业大熔炉”,将产业知识,数据,技术等一切资源作为助燃方式,放在里面融会贯通,待到熔炼为一体,就会以界面友善的产品化方式落地,为不同产业输出最佳决策。
值得一提的是,随着科创板的上板,平台也最新推出了“科创板大数据”的新产品,聚焦新型显示,半导体,汽车,生物医药等6大科技创新产业,提供上市企业分析,申报企业监测,资本流向预测,招商机会挖掘等数智化服务。并从36个行业赛道,428个细分方向中筛选出183个最具招商潜力的热点赛道,综合热点赛道内企业资本,研发,产品,市场等多维度动态信息,辅以科创板上市标准,输出有望登陆科创板,有投资选址或扩产意向的两类企业名单,快速精准筛选标的科创企业,大幅提升招商效能。
其实从这一大数据平台不难发现,为了避免失真,与toc端相似,tob端同样珍视信息的维度。尤其是当你希望潜心下沉至不同产业的细枝末节,希望对同一产业复杂的节点关系洞若观火,这种“多维度动态信息”,就变得尤为重要,它们是这座数据灯塔最耀眼的光芒。
换句话说,如果将单一企业比作基因,那么这一平台不但知晓个体基因的优劣,还能知晓不同基因数据之间的联系,用算法模型评估和预估企业投资决策。
在这个意义上,“未来几乎所有产业都将变成数据密集型产业”,无疑是一种确定性趋势。
2
不过,在这种趋势背后,我今天还想谈另一件事:诚然,数据很重要,算法很重要,但它们是最重要的决策因素么也许未必。
在数博会参观这个大数据平台时,我就一直在想:大概从数年前开始,“大数据和ai将取代人类工作”的论调,就已甚嚣尘上,我看到至少十几个研究报告和专家观点都指出:2045年人类失业率将超过50%。考虑到那时本文读者大概率依旧健在,这一比例委实令人不悦。
不过好消息是,回眸历史不难发现,人类因机器丢掉工作的悲观论调通常并非事实,尤其是在工业革命后,那些老旧且低技能的工作,会被新鲜且需更高价值的工作取代——譬如在1862年,美国90%的劳动力是农民,20世纪30年代下降到21%,如今则不到2%。用《一课经济学》的作者赫兹利特的话说,“当今全球人口是18世纪中叶工业革命形成规模前的4倍,如果没有近现代机器,这个世界根本无法养活那么多人。我们当中四分之三的人能有工作可做,都要拜机器所赐。”
未来或许也将如此。
事实上,人类每一次革命性的技术飞跃,都会带来经济效率的大幅提升,大数据和人工智能更是如此。但就像许多学者所言,在这个过程中,大部分行业不会迅速消失,而是会向与机器共舞的方式演化,有大量协同工作需要与机器为伴,尤其是在裹挟着更多利益的商业领域——而在这个过程中,不同行业精英最需要做的,就是用坚实的行业知识,构建起一道连接不同维度信息之间的桥梁。
为什么这么说篇幅所限,我只说一个角度,那就是当大数据维度增多之后,难免出现一些“矛盾”。吴军在得到专栏中展示过一张图:左图有两个维度的信息,它们共同圈定了一个目标范围;右图则有三个维度的信息,但它们之间并没有共同的交点。这个时候,我们该“信任”谁
答案是“信人”。
如同吴军老师说的那样:“消除数据之间的矛盾,需要领域知识。因此在一个行业里从业很长时间,具有专业知识的人,不仅不会被大数据取代,而且有可能利用好大数据,在事业上更上一层楼。”
我举个例子,在数博会的展台,面对被聚光笼罩的产业大数据平台,让大多数人心生敬畏的,是屏幕上不断闪烁的数据,它们是“未来已来”的绝佳隐喻。但我知道,站在聚光灯背后的,是一支4600人的产业发展团队。相较于数据和算法,这些行业专家才是大数据平台的最大壁垒,受益于常年积淀的实践经验,他们知道如何将多维度信息按照不同的产业逻辑,先进行数据分装,再根据不同的模型调参进行分析,最终形成产业决策。
事实上,这一平台本身就在印证,在产业分工不断细密的时代,无论哪种行业,任何一个“不足为外人道”的零星知识碎片,都显得弥足珍贵,这些哈耶克眼中最纯粹的“一手知识”,以及对这些知识的理解和嫁接,才是点亮“数据灯塔”的关键。
毕竟归根结底,在商业信息战中,数据只是没有方向的子弹,只有“人”才懂得瞄准。
作者:李北辰,独立撰稿人,国内数十家媒体专栏作家,曾供职《南都周刊》《华夏时报》《财经》等媒体