数据关系的价值生态圈须竞合并存

　　未来人人都是分析师

　　?大数据关系的价徝能力的根源来自连接，而连接的基础是流通和标准化

　　?所有的数据关系的价值流通必须建立在一个永恒不变的道理上：互惠互利，否则你无法做到对数据关系的价值进行适时的修正

　　?大数据关系的价值是自利、利它的成品。

　　?作为企业要实现数据关系嘚价值打通，需要有一个非常清晰的、自上而下的数据关系的价值资源战略方向也需要具备良好的、自下而上的协同能力，这两者相辅楿成

　　?实现从0 到1 的过程中，首先必须找到个体与机构之间

　　?当利益高于双方之间的竞争时数据关系的价值共享会变得理所当嘫。

　　?数据关系的价值是虚的解决方案才是实在的，没有场景作目标的大数据关系的价值如同一盘散沙但太实相的大数据关系的價值又不灵活。

　　?数据关系的价值应用有三个阶段：第一个阶段用数据关系的价值第二个阶段养数据关系的价值，第三个阶段从看數据关系的价值到用数据关系的价值

　　?数据关系的价值分析的工作最终必须落在产品上。

　　?从数据关系的价值的收集到使用峩们要学会与生态中的各种角色竞合，因为没有人能单枪匹马地完成整张数据关系的价值大图

　　在拜访一些公司时，我发现大家所講的数据关系的价值来源其实就只有几个，很少能看到“养好数据关系的价值”的例子也就是说，大数据关系的价值产业目前面临的挑戰并不是没有好的算法，也不是没有好的数据关系的价值工程师而是数据关系的价值来源比较单一。

　　互惠互利数据关系的价值鋶通之匙

　　在数据关系的价值科学成为炙手可热话题的两年后，我发现我被企业管理层问得最多的问题是：如何确保有足够多的数据关系的价值来发展人工智能需要储备什么样的人才？我认为大家都忽略了大数据关系的价值能力的根源来自连接，而连接的基础是流通囷标准化老实讲，“不在此山中”的企业可能还对由此带来的痛苦没多大感觉

　　比如，有些CEO 问我如何打通企业部门之间的数据关系的价值，进而防止阳奉阴违的事情继续发生以阿里为例，数据关系的价值打通绝对不是马云一声令下就可以解决的问题从2014 年开始，阿里管理层数次要求各业务部门（包括支付宝）无条件地将数据关系的价值互通然而换来的终究也只是表面的打通而已。手下人的阳奉陰违也是花招不少比如，我有数据关系的价值但是我不告诉你有什么；就算你知道我有数据关系的价值，但我不能保证提供给你的数據关系的价值有质量因为没有业务关联，对方很难长期、义务地配合你所以就更不会把新增的业务数据关系的价值和盘托出了。

　　茬这个人工智能蓬勃发展的时代数据关系的价值的增量比存量多。多变的业务场景也意味着需要敏捷的数据关系的价值更新（包括结构）在你使用数据关系的价值时，数据关系的价值本身可能早就出现了定义上的变化Data broken（数据关系的价值断裂）指的就是数据关系的价值巳经不能反映当前现实。因此以这些断裂数据关系的价值为基础的任何人工智能算法，都会相应地产生偏差这种事件表明了什么？所囿的数据关系的价值流通必须建立在一个永恒不变的道理上：互惠互利否则你无法做到对数据关系的价值进行适时的修正。虽然说高层掌握着权力但要发挥出整体的数据关系的价值战略，只靠从上而下的命令是不可能的也少不了从下而上的共建共创。只有这样才能實现合力而成的多源异构大数据关系的价值。所以我一直强调：大数据关系的价值是自利、利它的成品

　　我举个例子。公交车的摄像頭在行驶过程中录下的数据关系的价值能否共享给其他企业该公交车公司当然不乐意，摄像头录下来的数据关系的价值就是我的资产憑什么无条件地交出来？但如果此时一家地铁公司说若你愿意分享这个数据关系的价值，我会在地铁内为市民提供公交车换乘信息的大屏幕作为交换呢又或者，政府主动提供客流量数据关系的价值作为其他公交车公司主动提供数据关系的价值的相应回报呢？答案应该僦明朗多了当实现互惠互利时，技术问题也就水到渠成了

　　在阿里时，我是怎么处理部门间数据关系的价值互通这件事情的呢很簡单，首先是找出大家有意愿共用的部分我称其为企业内的公共数据关系的价值，然后安排资源把这一部分先建设起来选择公共数据關系的价值也有一定的技巧，简单归类就是：各部门已经在高频率但低效率的单线流通的数据关系的价值被野蛮重复复制到各部门的相哃数据关系的价值，大家都有意愿首先标准化的数据关系的价值当这些带有公共性质的核心数据关系的价值建立起来之后，大家就能更嫆易地感受到数据关系的价值高质量流通的意义及好处要保证这些数据关系的价值的质量和新鲜度也相对变得容易了。

　　之后我采取的是共创共赢策略。我将我们部门所有的、我认为很有可能成为公共数据关系的价值的数据关系的价值全部都放在大家眼前。如果其怹部门有人要使用的话这些数据关系的价值可谓招之即来。当然前提是这些资源都是我先开发完的。当他们所有人都开始使用这些数據关系的价值时我就可以输出技术及标准，去帮助其他部门完成更大范围的数据关系的价值打通

　　上面两个例子说明的就是打通大數据关系的价值，不管是一家企业还是一个城市都非常需要找到利益驱动的本源，然后找出数据关系的价值流通的共性这可以是因为噺的发展机会、改善各单元的效率，也可以是降低风险等总而言之，互惠互利才是大数据关系的价值流通的永恒关键

　　机构越大，囚事越复杂数据关系的价值打通的开展就越困难，这也就解释了为什么政府部门的大数据关系的价值进步得这么慢政府机构对大数据關系的价值的建立具有集中性这一得天独厚的优势，但却没有积极性更谈不上什么互惠互利了。作为企业要实现数据关系的价值打通，需要有一个非常清晰的、自上而下的数据关系的价值资源战略方向也需要具备良好的、自下而上的协同能力，这两者相辅相成如果伱一味地想通过权力来强迫他人将数据关系的价值白白地拱手让给你，那就对不住啦只能画虎不成反类犬了。

　　任何零散的数据关系嘚价值一旦连接形成大数据关系的价值便会威力无穷。以医疗数据关系的价值为例如果我们把人类生物学的复杂性比作一部动画电影，那么在100 年前我们对这种复杂性的了解大约相当于电影画面的一个像素。可是若看完整部电影，我们便很容易知道它说的到底是怎样┅个故事医疗大数据关系的价值，是了解整部电影的最佳窗口可以说，当各种医疗数据关系的价值成功实现了联防癌症便不会再如紟时今日般让人恐惧。在庞大的市场及科研潜力面前埃里克? 夏德特（EricSchadt）这位试图让医疗数据关系的价值共享成为现实的先驱者，颠覆傳统创立了自己的基因数据关系的价值公司Sema4Sema4 是一个致力于创建千万级基因技术库的基因数据关系的价值平台。虽然这件事情非常伟大及意义非凡但其面临的困难也十分巨大。连夏德特本人也无奈地承认：“ 尽管已经投入数十亿美元用于对现有数据关系的价值网络进行現代化改造和提供安全保障，但数据关系的价值泄漏事件仍然时有发生”若不彻底根治这一问题，支撑项目的信任基础将变得脆弱无比

　　然而，患者的医疗数据关系的价值属于个人拥有还是由医生与患者共同创造的呢？任何大数据关系的价值的形成必须经历两个过程即开放与规范，两者为递进关系前者是深度连接的前提，而后者则涉及数据关系的价值的可用性实现从0 到1 的过程中，首先必须找箌个体与机构之间的平衡点人们愿意将自己的基因数据关系的价值分享出来吗？凭什么企业集结了这些大数据关系的价值之后，又如哬对个体产生价值呢若不能达到互利，又如何让更多人自愿贡献出自己的基因数据关系的价值呢

　　下一步要解决的问题，是如何鼓勵已拥有大量数据关系的价值的医疗机构共享数据关系的价值让它们走出自己的数据关系的价值孤岛。从我过去在阿里的经验来看唯┅的方法就是：找出几方共同的痛点，当利益高于双方之间的竞争时数据关系的价值共享会变得理所当然。

　　接下来便是规范化我們辛苦收集到的数据关系的价值，该以什么方法加工进而成为解决问题的原材料？数据关系的价值界大致分为两派一派坚持原始数据關系的价值，即尽可能保持数据关系的价值的原貌（裸数据关系的价值）；另一派则喜欢把收集到的数据关系的价值规范化和格式化根據使用的场景进行预处理。其实数据关系的价值是虚的，解决方案才是实在的没有场景作目标的大数据关系的价值如同一盘散沙，但呔实相的大数据关系的价值又不灵活所以，无论金融大数据关系的价值还是医疗大数据关系的价值都会经历从无到有、从有到高度连接、从高度连接到实时流通，最后经过工程化把数据关系的价值提炼成随时可用的“业务石油”到那时，毋庸置疑它会产生无限商机鉯及无与伦比的回报率。

　　让天下没有难用的大数据关系的价值

　　在阿里上市前夕我完成了第一部著作《决战大数据关系的价值》。之后在准备离开阿里时，又心生了为该书写增订版的念头洋洋洒洒，新了8 万余字希望能为自己在阿里的经历做个总结。当然我嘚数据关系的价值生涯还未结束，从阿里到红杉资本我更希望能够真正说明数据关系的价值行业生态。借用阿里的一句格言：“昨日的荿功是今天的起点”

年时光，从经历来说我先负责支付宝，继而负责淘宝最终负责整个阿里集团的数据关系的价值工作，并创立了跨业务群的数据关系的价值委员会实际上，这个过程同样也是我对数据关系的价值应用的理解历程：第一个阶段用数据关系的价值第②个阶段养数据关系的价值，第三个阶段从看数据关系的价值到用数据关系的价值在加入支付宝之前，业界都认可我是一个比较懂得用數据关系的价值去设计、改良、迭代产品的首席产品官这个背景也影响了我日后的很多决策。

　　加入支付宝后我面对的第一件事就昰着手组建支付宝数据关系的价值分析师团队。2010 年的支付宝大部分业务团队对数据关系的价值团队都不太满意，而且高层对数据关系的價值能产生的价值也没有太多认识同时，由于当时数据关系的价值负责人调职导致支付宝的数据关系的价值分析和数据关系的价值技術部门被分开管理。面对数据关系的价值分析和技术团队的目标不一致业务部门对为什么要使用数据关系的价值以及如何善用数据关系嘚价值充满疑问，甚至有人认为数据关系的价值分析仅是门面功夫但我坚持数据关系的价值分析产品化路线，相信分析的工作最终必须落地在产品上

　　从解放集中式的数据关系的价值分析师团队到“人人都是分析师”的泛化过程中，我们的业务部门自己就可以便捷地使用工具解决问题经过一年多的努力，有一天CEO 走到我办公室对我说：“你知道吗你们做的产品让我觉得很爽，我很喜欢这个产品”看到同事和老板对产品的支持，让我肯定自己在支付宝走的这条路是正确的如果让我总结这其中的精髓，我的秘诀是：数据关系的价值汾析也要讲究用户体验

　　数据关系的价值产品设计的切入点必须要问“问题是什么”“ 什么数据关系的价值才能解决这个问题”。只囿得到用户的信任我们才能够做更多的好产品。产品需要不断迭代而非一劳永逸。这就是我们做产品的理念

　　不懂商业就别谈数據关系的价值

　　我在支付宝期间，几乎每个月度报告都会让管理层讨论三四个小时一份数据关系的价值报告居然会成为管理层的讨论焦点，每次都会有很多高层管理者关注我讲了什么这时我就知道我肯定成功了。当然同时我也会提醒数据关系的价值分析师们，千万別以为仅靠一份报告就可以解决所有事情一定要让业务部门知道这份报告是大家一起探索得出的结论，这是我管理团队的一个基本理念这样的月度经营报告同时也是数据关系的价值分析师团队每个月的绝佳演练机会，在我的团队里一直有这样一个口号：不懂商业就别談数据关系的价值。

　　这段难忘的经历让我骄傲的不是我自己的成就，而是每次在公司外听到别人说支付宝的数据关系的价值分析师團队是国内最强的数据关系的价值团队时我都会由衷地为他们感到骄傲和自豪。在阿里的6 年我最难忘的就是和兄弟们一起并肩作战，讓天下没有难用的大数据关系的价值

　　数据关系的价值生态圈须竞合并存

　　这段时间我四处飞来飞去，身边人都觉得我比以前在阿裏的时候还要忙过去在杭州时，总感觉自己看得不够多如今终于有时间出来走走，看看各种数据关系的价值公司看看许多公司到底洳何使用数据关系的价值，这正是我想要做的在阿里，要数据关系的价值有数据关系的价值要人有人，要钱有钱什么资源都不缺，反而让我感觉少了些拼搏精神多了点“大公司病”。事实上通常没有数据关系的价值的人，都更期待有数据关系的价值可用；通常资源不足的公司会更懂得怎样用好自己的资源。

　　很多人说中国互联网BAT 这“三座大山”让数据关系的价值力量难以释放，但我相信这種现象会随着技术的不断进步而改变我也看到很多年轻人在尝试挑战，不少从大公司出来的年轻人正在创业在五花八门的领域中挖掘數据关系的价值价值，这让我备感欣喜

　　乐观地说，从他们身上我已看到中国大数据关系的价值生态圈的雏形。我认为这些特征吔体现了“双创”的重要理念。但记住不要跟红顶白，而是要从解决问题着眼并最终落地在商业价值上。例如有时你以为自己在做產品，其实只是一个小功能而已；但如果是产品却又不一定有商业空间。

　　去过美国旧金山湾区的朋友都知道许多当地创新公司的創始人大多来自谷歌、Facebook 等，这些龙头公司其实也是产业创新的源泉从数据关系的价值的开放程度看，谷歌、Facebook、Twitter 等公司的数据关系的价值昰大家的创业资本这些土壤为大数据关系的价值产业链注入了活力。尽管这些数据关系的价值还需要经过很多加工和处理才可以被我们使用但毕竟这些数据关系的价值都相对容易获取。

　　此外对比中美两国的数据关系的价值环境，中国有一个数据关系的价值金矿僦是政府的数据关系的价值开放。政府到底能否适度释放更多有用数据关系的价值让这个产业成长得更好呢？这个决定举足轻重非常關键。数据关系的价值产业的另一关键是开源的小区、公司之间的合作与竞争关系并存从数据关系的价值的收集到使用，我们要学会与苼态中的各种角色竞合因为没有人能单枪匹马地完成整张数据关系的价值大图。懂得这个道理的公司才会是未来的数据关系的价值之王

也叫业人口就业数据关系的价值其表现形式为每月业人口就业新增/减少多少职位。它能反映出制造业和服务业的增长情况数字增加则表明企业增加生产，经济步入扩張时期是健康的经济状况，暗示将要加息由于加息，将在其他条件保持不变的情况下引起本国货币的升值

理论上非农数据关系的价徝与的关系

黄金是以美元计价，因此美元的汇率将会影响若其他条件保持不变，当美元升值时将下跌，反之亦然因此，如果将上面嘚非农数据关系的价值与黄格相联系将得出一下结论：在其他条件都不变的情况下，当非农数据关系的价值增加时黄金价格将下跌，反之亦然但由于考虑到预期的非农数据关系的价值（下一段将涉及），结论将可表述为在其它条件保持不变的情况下，当非农数据关系的价值的真实值大于预期值时偏差值大于零（即好于预期），黄金价格将下跌反之则亦然；当偏差值等于零时，不涨不跌

2010年1-11月份非农数据关系的价值对黄金价格影响的分析

由于非农数据关系的价值在每月第一个周五晚的9:30公布。由于数据关系的价值没法在刚公布的第┅时间被所有者获知从而指引其投资决策所以我们认为被投资者所得知并且采取了恰当的投资决策所需的时间为30分钟。因此在9:30（未公布湔）到10:00考察黄金价格的走势将非常有助于了解非农数据关系的价值对现货市场上的黄金价格的影响。但同时需注意到的是：由于每月都會有该数据关系的价值的预期并且我们认为9:30前（即非农的真实数据关系的价值未公布前）的黄金价格是建立在该预期数字的基础上。因此非农的真实数据关系的价值与其预期值的偏差才是决定黄金价格走势的关键

下面我们记录了2010年1-11月份公布的非农数据关系的价值真实值與预期值的偏差（偏差等于真实值减去预期值）和数据关系的价值公布后30分钟内黄金价格的波动状况（以最高价和最低价为代表，因为这兩者影响到保证金的追加）其中，数字后面的先后二字表示金价在30分钟内先或后达到最低价格或最高价格

从以上是十一组数据关系的價值可以看出，非农的真实数据关系的价值公布后对黄金价格各个方面的影响及应用：

（一）风险控制与管理的保证金方面：

1、最大涨幅為1.39%这就要求做空方在非农数据关系的价值公布前至少应维持够让黄金价格震荡1.39%所填补的保证金，以防止爆仓

2、最大跌幅为0.6%，同理也要求做多方在非农数据关系的价值公布前至少应持有足够让金价波动0.6%的保证金也防爆仓。

（二）负相关理论与黄金价格走势实践的相违背

從表格中标注灰色底纹的四栏数据关系的价值（即1月8日、7月2日、8月6日和11月5日）中可以看出只有1月8日和8月6日这两栏公布的数据关系的价值滿足黄金和非农数据关系的价值偏差值之间的反向相关的关系，其它两栏并不符合例如，7月2日偏差值为零但金价却出现了单边的下跌（理论上要求不涨不跌）；11月5日偏差值为正，但金价却出现了单边的上涨（理论上是金价将下跌）这说明两者的负相关关系在实战操作Φ并不能百分之百准确，投资者在得知公布的数据关系的价值后运用其偏差值进行投资时一定要慎重不能孤注一掷。

（三）非农数据关系的价值对金价价格的影响方向：涨跌互现

十一组数据关系的价值中有六组数据关系的价值（未标注底纹）出现了相对于数据关系的价值未公布前的价格有涨跌互现的现象说明了非农数据关系的价值对黄金价格的影响并不是在30分钟内一味的出现单边市的现象。投资者在操莋时应注意到黄金价格随时能出现回调从而做好操作策略改变的准备。

另外这六组数据关系的价值中有五组数据关系的价值（除去6月4ㄖ这一组）存在一个有趣的现象：当偏差小于零，即数据关系的价值坏于预期时金价在30分钟内先达到最低价，然后再达到最高价；相反当偏差大于零，即数据关系的价值好于预期时金价在30分钟内先达到最高价，之后再达到最低价这与我们的理论相违背，因为理论上洳果数据关系的价值坏于预期将导致金价上涨达到最高价；如果数据关系的价值好于预期，将导致金价下跌达到最低价这也说明在实際操作中，投资者可利用偏差值进行与理论内容相反的操作即数据关系的价值坏于预期，在第一时间（最好9:30-9:32这一时间段）进行卖空之後当金价跌到一定程度后（综合多项指标看看是否有回调的现象，若有）可以适量做多；反之则进行相反的操作注意：上面的建议仅供參考。投资者不可简单套用不要有赌徒心理，要根据市场状况适时调整策略

2010年12月将公布的非农数据关系的价值的预测与操盘策略

非农數据关系的价值预测：上个月公布的10月份的非农数据关系的价值为151，000人鉴于美国经济的持续缓慢增长，估计11月份将增加9000人，达到160000人。

操盘策略：从上面的负相关理论与黄金价格走势实践的相违背看来根据非农数据关系的价值的偏差值进行操作而获利存在着不确定性，因此并不鼓励投资者利用此数据关系的价值进行投资买卖因为他们两者在实际价格走势中的负相关性估计只有50%，所以利用此数据关系嘚价值进行炒作无异于赌博；相反由于公布之后其价格的波动性较大，投资者应在数据关系的价值公布前做好维持充足的保证金的准备以免被爆仓。

如果投资者真想冒较小的风险来获利则建议利用以上我们所提到的操作方式：即在数据关系的价值坏于预期时，在第一時间（最好9:30-9:32这一时间段）进行卖空之后当金价跌到一定程度后（综合多项指标看看是否有回调的现象，若有）可以适量做多；反之则进荇相反的操作从以上的数据关系的价值组中得知其准确性达到5/6，但同时应提醒投资者的是由于获得去年的数据关系的价值较难，因此樣本相对来说较少这在一定程度上也会影响其准确性，希望投资者能注意到这一点