更新时间：2024-11-16 16:38:02点击：
一年一度的 TalkingData 智能数据峰会，早已沦为TalkingData向世界展出其真知灼见的最佳窗口。了解到，如今，所有企业无一例外的面对着数字化转型带给的挑战和机遇，而TalkingData的多年前通过为移动互联网开发者获取 SaaS 经营分析服务起家，从数据的收集、处置到数据的分析，再行到数据的应用于与咨询，早已构成了一套以“智能数据平台(SmartDP)”居多的原始数据应用于体系，构筑了一套以数据商业化平台、数据服务平台，及数据合作平台为核心的数据生态。
TalkingData的战略改变大大让业界耳目一新，更加日益构成TalkingData洞察趋势、辨别产业、继而为更好合作伙伴主动获取解题思路的新模式。(公众号：)得悉，近日 2017TalkingData智能数据峰会隆重举行。
TalkingDataCEO 崔晓波在演说中说道：本次大会是智能数据峰会，就是要探究智能与数据的关系。如今我们所有人都感觉到世界在变、社会在变、技术在变，我们今天就是要跟大家谈如何用数据的方法去洞察世界的变化，以及应付世界的变化。以下内容由根据崔晓波演说速记整理（有部分删改）：我们今天的主题是知机识变、有唐之盛，来这个会场之前我们都放了一个很棒的邀请函，很多朋友给我发来了贺信，说道你们的邀请函很棒，清明上河图里面的人都活动一起了。
我们今天的话题就想要讨论一下，因为我们所有人都在感觉样子身边的世界在变、社会在变、技术在变。由于技术的高速发展，我们带给的各种各样的商品，早已由匮乏显得较为富裕了，消费者的自由选择显得十分多。
只不过我们消费者也在变，90 后、2000 后在随后十年里就不会主导市场。我们理解变化、理解客户、理解消费者，我们今天要跟大家如何利用数据的方法去洞察这个世界的变化，以及应付这个世界的变化。
这两天我们打算了 100 多个演说。期望需要给大家带给有所不同的角度和思维。在过去的十年里面，中国的变革主要推动力是什么？是移动互联网、物联网。
我们细心去看过去六年的数据可以注意到，不管是移动手机的数量，还是愈演愈烈的物联网领域，还是可穿着设备的快速增长都是指数级的，不是一年 10%、20% 的快速增长，更好是成倍成倍的快速增长。但是这种趋势，只不过大家并没意识到。随着去年到今年人工智能技术（尤其是感官计算出来，计算技术）的高速发展，整个世界数字化的速度在减缓。
我们通过人脸把模组的一些特征开始数字化，通过无人车测量街道和城市等等。所有这一切数字的发生爆炸速度只不过早已到了一个难以置信的程度，截至到今天，我们每天产生的数据量就十分有可能超过 351EB。但是如果我们将来的存储堆积起来，冲刷整个中国的大地都做到将近。
如果我们的技术无法提升的话，我们就不会在一个浩浩荡荡的洪流里面，不告诉怎么权衡，不告诉未来的世界不会变为什么样。然而大部分人的理解还是线性的，我每天看到小孩的时候，我没有实在这个小孩样子变化了。但是如果你忽然把时间线变长，一个月、两个月你再行看到他你不会实在变化怎么这么大。
实质上指数级快速增长前面都是有点欺骗性的。因为他刚开始快速增长的倍数虽然大，但是基数小，大家往往是感觉将近的。这里我只不过想要给大家共享两个例子，让大家感觉一下，哪怕是专家也是坚守原本的线性思维。
20 世纪 80 年代的时候，那个时候 ATT（美国电话电报公司）请求了麦肯锡老大他们做到一个要求，那时手机刚经常出现，所以他们要要求是不是要转入手机行业。麦肯锡得出的预测是，到 2000 年手机的数量会多达 100 万部，为什么？因为手机十分的轻巧和便宜。但是实际情况是什么？2000 年手机就多达了 2 亿部。
另外一个例子，2009 年 Gartner 应验，诺基亚的手机和操作系统将在 2014 年统一市场，沦为第一大操作系统，将不会占有 40% 以上的出货量。而安卓将仅有为 10% 左右，但是实际情况大家都告诉，塞班在 2012 年就早已关门大吉了。
安卓最后甚至打破了苹果，沦为第一大手机操作系统。我们仔细分析过这两个案例，我们找到，这些专家手里都有大量的数据证明，那个时候不管是手机，还是智能操作系统的快速增长都是指数级的。但是为什么还是不会作出一个每年快速增长 10%、20% 的预测，这就是因为人的思维只不过是线性的。
那么，荐一个正面一点的例子，基因测序的例子，1991 年人类要求启动一个宏伟的计划，就已完成整个人类的基因测序组，这个计划整体投资了 60 亿美元，预计耗时 15 年。这意味著什么？大约应当是 2005 年需要把这个测序已完成。
但是实际情况是，时间过了一半，1997 年的时候整个测序的工作只已完成了 1%。那时候很多专家说道花上了这么多钱，但是这个项目认同是告终了，认同测不完。
但是有一个人找到了一个规律，每年已完成测序的数量是呈圆形指数级快速增长的，最后实际情况是什么？大约花上了十年左右，整个测序工作就已完成了，支出只花上了整体支出的一半，30 亿美金。找到这个规律的那个人是谁？就是奇点大学的创始人。所以大家一定会实在，这两个例子好象离我们很近，但是只不过不是，因为在我们服务我们客户的过程当中，天天都可以看见这样的例子。
不会有很多客户说道应当是这样，但是我实在应当是那样，你必需把这个数据给我调整，对不起，这不是 TalkingData 应当做到的。我们的客户应当是坚信数据，信仰数据的，只有信仰数据的人和企业作出的决策才是数据驱动型的。这种决策往往也是指数级的，这不会跨越我们今天所有的演说。
这是我今天跟大家共享的一个案例，让大家有点感觉。看一组数据，人类的习惯在被转变，购物 70%、社交 100+ 分钟、店内 2.87 亿、上下班 30%。我不告诉大家感觉怎么样？大家是不是感觉还不俗？样子是这么回事，我看上去这个数据还挺舒服的？但是坦率的说道，如果大家看见这两组数据的时候没异状的感觉，你们的思维就是线性的，这就是我们以前研究市场、研究消费者惯用的方法，因为我们早已习惯了用一种片面的、基于时间切片的、基于较小样本量的、基于十分很弱的论据作出很多要求。
所以我们在过去五年里面，从企业、政府、各种各样的的组织仔细观察到的情况：他们只要看见这样的数据就作出一个十分大的决策。但是这知道是我们指数级的社会、世界里面应当使用的洞察的方法吗？当然一定是 NO，一定不是。那种方法是什么？如果我们面对这样一个世界，是在指数级变化，不时在变，但是我们搜集数据的能力、速度、维度早已超过前所未有时代的时候，我们怎么解读这个世界？我们指出我们看世界的角度不会再次发生相当大的变化，我们以前看世界是由实体物质化，不会向个数字虚拟化的方向去改变。大家有可能不过于解读这句话，但是我可以给大家共享两个案例，因为大家都告诉谷歌在做到无人驾驶，我们参观过还是一挺震惊的。
它为了做到无人车，敲了很多勘测设备，还包括无人车本身，然后在一个城市里面大大的搜集数据，为什么搜集数据？是因为避障吗？为了做到模型吗？都不是，最后我们找到数字化的城市，他们把所有的建筑、街道、道路、树木、障碍物，甚至行人都是数字化回应的。这是最差的方法，在虚拟世界的世界里面强化 AI 对世界的理解。
我们也十分解读，如果你知道让一辆无人车上路跑完的话，估算跑完 10 万公里就不会遇到故障，因为你怎么有可能让 AI 很快解读真实世界，所以我们要数字化、虚拟化，用方法协助 AI 理解人类。所以这是我们看见的趋势。所以，我们研究很多事物的方法和角度一定会再次发生十分大的变化，在现在的城市里面，政府只不过十分必须一些与人涉及的基础的数据，不仅限于他们的人工统计学信息，我们最近和国家统计局合作里面，还包括第七次人口普查里面都找到有很多的痛点和以前做到将近的事情。
十年一次普查，取样亲率 1% 到 3%，而且数据所谓动态的，我们几乎感觉将近一个城市是变化的。基于我们的项目，我们把所有的数据动态化、动态化的来回应，我们开始研究人在城市里面一天究竟是怎么运动的、怎么交互的、怎么社交的、怎么通勤的，基于此我们不会看见一些十分有意思的结论。第一个结论，最近我们也看见了很多公司作出的一些结果，可以预测人的方位、预测人的不道德，准确率百分之多少多少，只不过这是不缜密的。
因为你细心到城市脉搏的地图里面看的时候，你不会找到人是有模式的，他在工作日的时候模式十分相同，休息日的时候模式也十分相同，根据我们的模型支出，人有 30% 的时间是几乎无法预测的。为什么？因为人不是机器人，人有探索性，这是和人的心理学、社会学必要涉及的。
你去哪玩游戏、你去哪购物只不过是十分感性的要求，并不是理性的要求。在做到真实世界研究的时候是不可以误解这些概念的。时空拉链，传统的方法看到时空有拉链，但是你利用动态、可视化的方法把北京所有的人放到一个图里，动态的去仔细观察他变化的时候，你不会找到，知道有那么几群人，你别看他们地点都在一个区域，但是由于他们的作息时间、生活方式有所不同，他们生活几乎没空集，他们都在国贸经常出现，但是总有一天摸将近。
这不会对城市带给什么影响？十分大的影响，按照一个最基本的理论，这个城市不会缺乏活力，为什么？因为有所不同阶层，有所不同性质的人没空集。这对一个城市活力、创意、资源是十分有利的。人群阶层，只不过现在城市的问世都是基于工业化的结果，因为工业化构成的时候，大量的人涌进城市，沦为工人。
但是在工业化时代，讲究的是中心网络供给，导致分配资源的时候我们就讨厌把所有的资源冲刷一起，用所有中心网络的趋势集中到这个趋势。比如说在北京构成了金融街、CBD、某某学区这种。
根据我们的研究，我们利用有所不同的角度和方法对人的不道德展开研究你不会找到很有意思，人新的活动方式，生活方式，相连方式，他的手机方位，你细心做到聚类，分群研究的话，你不会找到分群方法几乎不一样。这是我们用 AI，机器学习的方法自动的把北京的所有人群做到了归类。七类，这是机器学出来的，但是我们的人本实验室仔细分析他们属性的时候，我们实在还是一挺合乎人的理解的。
这种方法以前根本没过，它不会带给城市管理思路的转变，不会带给规划的转变，不会带给公用设施的转变，我们产于学区、产于医院、产于各种各样设施的时候，无法像原本那种南城是一个阶层、金融从业人员是一个阶层，应当按他们的生活方式来分，这样城市才是有活力的。所以，未来我们洞察城市的方法究竟应当是什么样的？我们发售这样一个产品——城市透镜，大家可以看一下。我们不会有更加多的企业不会像我们一样，通过非常丰富的环境和变化，通过城市透镜现实对世界可视化呈现出，最后把这些仔细观察和市场需求，基于 AI 动态模型结合，在虚拟世界和现实世界切换中，强化我们对世界的感官和理解能力。
而这种感官和理解能力不会转变很多商业，昨天和几个客户讲，如果我们有这样几个系统，选址就不必须这样做到了，把选址四个点，动态洞察车流、人流，我有可能都不必须很简单就可以作出一个比以前更加现实的要求。我深信这种技术对地产、零售、银行、金融、人类、城市都会有十分大的影响。
但是我们有了这样一个面向未来的工具，可以动态的用模拟化、数字化的方式仔细观察到世界，是不是就不够了呢？根据我们的找到和研究还远远不够。所以，这是互联网公司尤其更容易罪的一个错误，互联网公司做到大数据他们研究的是不道德模式，他们不会引个性化，只不过他往往忽视了最重要的，这种构成后面代表着人的心理，人的动机，人的社会学究竟是什么？这就必须很多人的智慧，人现在更加解读人。所以我们发售人本数据实验室，我们定位是横跨领域的开放平台，用数据来理解我们的心智、身体和环境之间的关系。
我们深信即使我们可以用 AI 创建数据模型、理解城市、解读世界，但是人类的心智和情感并没早已抹掉，仍然是最重要的一部分。我们这样推展人和人的相互理解，才能转变我们看见的一切。
原创文章，予以许可禁令刊登。下文闻刊登须知。
本文来源：南宫NG·28-www.etmoc.net
