我们持续关注互联网赛道，往期睿书会中我们从“网络效应”要素对商业模式的重塑角度分析了其商业模式的底层逻辑。本文则通过阅读《智能时代》、《全球科技通史》来探讨互联网行业另一竞争要素——数据对企业价值创造、护城河的影响。

大数据思维驱动的智能时代

人类文明一开始就伴随着对数据的使用，甚至可以说数据以及对数据的使用是人类文明的基石。但在数据的使用上，人类的进化史中有着两种截然不同的思维方式：机械思维和信息论思维。

机械思维最明显的特征是确定性和可预测性，它倾向于去寻找宇宙最基本的公理，然后再经由数据验证，它的广泛运用直接导致了人类迄今为止最伟大的事件——工业革命。而信息论思维最明显的特征是它建立在不确定性的基础上，其提出者香农认为，要搞清楚一件非常不确定或一无所知的事需要大量的信息（或者说数据）。面对复杂的世界，信息论思维其实就是不断把各种智能问题转化为用大数据消除不确定性的问题。

这两种思维差异可以用一个典型的例子加以说明。在解决语音识别、机器翻译、图像识别以及自然语言理解的问题上，分成了界限明确的两派。一派坚持采用传统的人工智能方法解决问题（机械思维），简单来讲就是模仿人的思维方式。比如传统的语音识别方法就是基于语法规则和语义规则让机器去理解人的语音，到20世纪70年代初最好的语音识别系统发展了20多年也只能够识别百十来个单词，识别率只有70%左右。

另一派则倡导数据驱动方法（信息论思维）。通信专家贾里尼克去IBM进行相关的研究时采用了不一样的方法——统计的数学模型加上大量的数据驱动，用了4年时间就将语音识别率从过去的70%提升到了90%以上，同时识别的规模从几百个单词上升到了两万多个词。其成功的必要条件除了贾里尼克的思维方式的转变，更重要的是IBM能够为之提供超强的计算能力（当然，当时其使用的计算能力才相当于现在的一部苹果手机）以及大量的机读文本数据。

时至今日，不管是语音识别还是机器翻译或是图像识别等其他智能领域，两种人工智能门派中数据驱动的一派已经占了绝对的主流。数据驱动方法的胜出得益于摩尔定律及其带来的互联网的崛起，数据的获取变得非常容易。从1994年到2004年的10年里，语音识别的错误率减少了一半，而机器翻译的准确性提高了一倍，其中20%左右的贡献来自方法的改进，80%则来自数据量的提升。

“用不确定的眼光看待世界，再用信息来消除这种不确定性”是大数据解决问题的本质。因为真实世界的高度复杂性，随着商业和科技探索的不断深入，用机械论已经逐渐无法对未来进行准确预测。相比以蒸汽机的发明为标志、以机械化为特征的第一次工业革命，以及以电的发明为标志、以电气化为特征的第二次工业革命，当今以大数据应用为标志之一、以智能化为特征的新一轮产业革命对人类文明和社会进步及经济发展的影响将不亚于前两次工业革命。

智能时代下的企业价值创造和商业模式创新

智能时代下的企业价值创造和商业模式创新，本质上都是使用数据来消除不确定性，这种不确定性包含需求的不确定性、供应链的不确定性以及管理过程上的不确定性。我们可以通过一些简单的例子来说明智能时代下的企业价值创造和商业模式创新。

第一，数据驱动让企业更懂消费者、提高供应链的效率。当前互联网的一大发展趋势是从搜索模式向推荐模式的转变，其本质原因是各平台企业获得消费者行为数据后拥有了更强的消除需求不确定性的能力。亚马逊的商品不比线下的沃尔玛或者塔吉特便宜，但其优势是能够针对性地为用户推荐商品，个性化推荐为亚马逊提供了1/3的销售额。奈飞则依靠精准推荐接管用户的决策权，使其流量剧增到占据美国峰值流量的1/3。今日头条通过基于用户的历史数据和协同过滤算法预测用户的偏好，短短几年就成为了中国最大的互联网公司之一。除了带来更高用户参与度和更多销量外，这种能力对供应链也是巨大的重塑，当前社区团购的蓬勃发展就是一个证明——数据驱动下以销定产的商业模式创新获得的需求确定性既带来了更高的供应链效率、更低的商品价格，又提升了物流的时效和消费者的体验。

第二，数据驱动实现企业的精细化管理。美国一半多的餐馆和酒吧活不过三年，硅谷的连续创业者戴维走访了100多家酒吧之后发现，他们经营不下去最重要的原因是偷盗食品和饮品的现象十分严重，统计结果表示大约23%的酒都被酒保偷喝或者送给朋友喝了。由此，戴维为酒吧在酒架上装上可以测量重量的传感器和RFID（射频识别）读写器，为每个酒瓶也贴上RFID芯片，接着利用传感器和芯片收集的大数据开发了一个动态管理库存和防止饮品偷盗的系统，采用了他的服务的酒吧每月大概能够节省4000-10000美元饮品的成本，而改造酒吧的费用只有2万美元。

第三，学习人类，然后替代人类。美国的Afficient是一家教育机构，但是没有授课老师，所有课程都是计算机进行教学，但却能够让学生有更好的学习效果——绝大多部分学生可以在4~5个月内学完一年的课程。它是怎么做到的呢？传统的教学方法往往无法做到因材施教，不同学生接受能力不同使得老师经常需要炒冷饭，Afficient将一个知识点拆解成多种不同的方式讲授，学生可以找到最适合自己的方式，通过测试后马上就可以进行下一个知识点的学习。优秀教师总结出来的十几年的教学经验，马上就被机器学会了，甚至可以做到更好。这样的模式在医疗领域同样被大量使用，美国一个专科医生的平均学习时间需要13年之久，费用在50万~70万美元之间，而目前计算机已经能在很多领域做到比专科医生更高的诊断准确率，因为机器能够同时学习几千万个病例。

第四，将卖产品变成卖服务，从而能够持续性为客户提供服务。美国GE公司通过将Wi-Fi安装到冰箱和大型家电上，用来提示用户更换冰箱取水器的滤芯等消耗性材料，对于GE来说，两个滤芯（可以使用一年，大约100美元）的利润就抵得上一台冰箱本身的利润。实现这一服务能够提升盈利水平的本质原因在于获得用户的消费行为数据后能够提供更多增值服务。一些小企业则在这种商业模式创新上走得更远。美国的Bevi公司为消费者免费提供饮料机，但是收取300美元的使用费，这种模式获得了更好的用户粘性——饮料机里有很多传感器，随时会通知消费者是否需要填装浓缩果汁或者更换滤水器。这种数据驱动对需求不确定性的消除使得其产品价格更低的同时利润率却更高——比同类饮料价格低70%，毛利率高30%。

能时代下的企业护城河

第一，数据的积累及使用是时间的朋友，这将不断加深优秀企业的护城河。信息论思维告诉我们，更多的数据意味着更高的确定性。在谷歌、亚马逊和奈飞的推荐算法中，机器与用户的互动所沉淀下来的数据能够不断提高其推荐效率。以搜索引擎的算法为例，任何搜索引擎都有一个度量用户点击数据和搜索结果相关性的数据，这一权重在搜索排序中占了至少70%-80%的权重，随着数据量的积累，点击模型对搜索结果排名的预测越来越精准，这种精准也会吸引更多的用户使用该搜索引擎从而进一步提高搜索引擎的精准度。后进入这个市场的公司的唯一办法就是快速获取数据。微软通过接受雅虎的搜索业务，将必应的搜索量从原来谷歌的10%陡然提升到20%-30%，搜索质量迅速提高。但是对于其他小企业来说基本上已经不存在这样的机会了。在外人看来，互联网公司竞争的是技术，但是更准确地讲，他们是在数据层面竞争，拥有丰富数据的企业有着难以逾越的护城河。

第二，智能时代下商业模式的创新工具变得更加丰富，护城河不深的企业将会面临更大竞争压力。除了前文所提到的商业模式创新对传统模式的降维打击，书中举的另一个商业模式创新例子可能会让在位者更恐惧。区块链技术公司Difinty的创始人汤姆·丁描述了一种利用区块链和虚拟货币褒奖早期用户的做法，以网约车为例，服务上线后，可以发放一批虚拟货币，成为打车人和司机直接结算的工具。这种虚拟货币的价值取决于平台未来的用户规模，相当于一种对社会所有人发放的期权，这使得新进入者的早期获客成本能够大幅下降。我们可以想象，如果这种商业模式合法，那么对在位的所谓平台垄断企业也都是一个巨大的威胁。

图片来源：网络

请长按二维码

关注广东睿璞投资