科普 |《数据之巅（下）》：阿里前任副总裁告诉你，大数据如何重构人类生活？

从抽样调查到人工智能，人类如何一步步走向数据之巅？

点击进入喜马讲书频道页>>>

听书笔记  

《数据之巅》的作者涂子沛，是阿里巴巴集团的前任副总裁，著名的信息管理专家，毕业于计算机专业的顶级学府——卡内基梅隆大学。涂子沛是国内大数据研究的权威人物，也是在国内做大数据科普的第一人。 

第一部分，小数据时代。

人口普查的数据，是现代国家、现代社会的基础设施，这份数据记录得越真实、越详细，对国家的决策者帮助就越大。

美国从一开始，就把人口普查写进了宪法。从1790年第一次人口普查开始，美国每十年进行一次人口普查，众议院的席位按各个州人口数量来分配。

美国人口普查在政治上发挥的另一个作用，是在战争当中。美国的南北战争整整打了4年，是人口普查的数据，最终决定了这场冲突的胜负。

1861年4月，南北战争正式爆发。战争开始阶段，北方接连失利，直到1864年9月，北方才转入战略反攻。北军从东、西两线展开强大攻势。西线就是谢尔曼将军“向大海进军”的远征，切断了敌方东北和西南部的联系。可以说，这次远征是整个南北战争中最大胆、最关键的一次军事行动：不带粮食、不带补给，迅速推进，闪电进攻。

因为谢尔曼将军手里握着沿途所有城镇的数据，每到一处能补给到什么程度，他都能心里有数，做到真正的有备无患。数据成了决定6万人生死存亡和战争胜负的关键因素。

南北战争中激起的数据浪花，逐渐形成数据商业化应用的潮流。

在20世纪初的数据大潮中，影响力最深远、最持久的，当属“成本收益分析”，这种方法甚至演变成企业和政府的主要决策方法，并给美国社会带来了数据量化文化。20世纪70年代的一场平托汽车风波，让数据量化进入大众的视野。

20世纪60年代，为了应对日本和德国对美国小型汽车市场入侵，福特公司生产的一款紧凑型的小车福特平托。但平托汽车上路不久，就频频发生事故。

记者爆料，福特公司一开始就知道这个隐患，但没有采取任何措施。这是福特公司使用成本收益分析方法进行决策的结果，按照每条生命20万美元计算，加固油箱的收益远远小于成本，因此福特公司决定不对油箱进行加固。

平托风波拷问了社会的道德底线，但量化的脚步并没有停歇，它促使人们更深入地思考量化的本质，社会必须在道德、公平与效益之间找到一个平衡点。

成本收益分析法为商业决策提供依据，抽样调查则让数据走进产品生产环节。

1936年美国大选，盖洛普运用科学的抽样统计方法，只抽样调查了5000个人，就准确预测罗斯福一定会当选。5000个样本打败了240万个样本，盖洛普调查的样本数量只是对手的千分之二，真是让所有人大跌眼镜，也让盖洛普名震天下。

他用的方法就是“科学抽样”，根据选民的人口特点来合理分配这5000个样本的份额，最后再针对不同的人群，确定哪种人应该用哪种方式来访问。因为样本比例更合理，访问方式更精准，所以能够以小见大，精准预测大选的结果。

此外，盖洛普还成功预测了电影《乱世佳人》的最终票房。

在购买影视版权之前，盖洛普就通过调查发现，虽然原著小说《飘》当时只卖了几万册，但是通过人们的争相传阅，小说正在全国风靡，一共有1400万人读过这本书。

盖洛普在全国深入调查了2年，最后拿出了结论，包括电影时长，彩色还是黑白，主演是谁，封面设计成什么样。制片方几乎全部采纳了这些意见，盖洛普进一步给出了预测：5650万观众。到了1939年底电影上线，果不其然，全国影院都爆满了。

在盖洛普之后，爱德华兹•戴明接过了“数据抽样技术”的大旗，远渡重洋来到日本，带领日本战后工业经济迅速腾飞。

戴明认为，85%以上的质量问题源于管理不当导致的质量偏差。实施有效的质量控制，关键就是掌握数据。

他对产品质量的控制方法，有几个简单通俗的案例：其中之一，是他带来了偏差控制法，比方说一张毛毯，标注的含毛量是50%，那么在一张毛毯上随机剪下来10个直径1厘米的圆形，进行抽样检测，49%到51%的含毛量都算合格，有一处在这个范围之外就记为整张毛毯不合格。

再比如，有一家日本的钢铁公司，在戴明的指导下，他们设计了一套新的抽样方法：从船上往陆地上卸砂要经过传送带，在传送带运输过程中随机叫停，再从上面抽取样品检测，这样就能保证整船的矿砂都有可能成为样本。这是随机抽取样本数据的思想，后来这种方法经过不断改进，成了世界范围内大宗物资抽样的国际标准。

第二部分，大数据崛起。

在生活中，很多人佩戴的智能手环、汽车上的传感器、马路上的摄像头，都在随时随地采集数据。人类开始有能力大规模地记录整个物理世界的状态，“万物皆数”成为大数据时代的显著特征。

大数据时代的另一个显著特征，就是数据开放或共享。911事件发生以后很长一段时间，居然谁都说不清楚，当时双子塔里面究竟有多少人。这次悲剧成了国家的统计和普查部门的数据之痛。其实，早在911事件之前，联邦政府就认识到统计一个地区的“白日人口”的重要意义，就是白天在这里上班的人口，但由于涉及个人隐私、数据分散和各州法律体系不同等原因，这个项目一直没有进展。911悲剧有力地推动了这个项目的进程。

2006年，美国政府做成了一份实时的、动态的人口信息地图，起名叫LEHD项目，是关于美国公民工作单位和家庭住址的动态大数据系统。这个大数据系统免费地开放给全社会使用，这不仅为政府抢险救灾、处置突发事件奠定了基础，也为社会组织、企业或公民个人的生产生活提供了便利。

想象一座金字塔，一共分为四层：最底层的是数据，它是信息的载体；金字塔的第二层是信息，它是有背景含义的数据，是知识的来源；再往上，第三层是知识，它是呈现出规律的信息，是人们获得洞见的基础；而最顶层，也就是数据之巅，是智能，是机器能够分析大量数据，获得知识，自己去解决任务。

过去，都是人类自己总结规律、学习知识、完成工作任务，这是人类的智能。相比于其他动物，人类的智能就在于可以掌握知识、应用知识，实现更好的生活。谢尔曼将军就是掌握智能的人，他综合了各种数据、信息和知识，做出了“不带粮草，发动闪电战”的军事决策。

而现在，机器可以像人一样，自动学习知识，应用知识，处理任务，帮我们实现更好的生活。

一部大数据的发展史，就是把人类社会活动所产生的信息，重新生产、上传、加工、共享的一部历史。 当人类的每一个行为都转化为数据，就能为全社会各个领域的进步提供真实而肥沃的土壤。大数据不是什么行走在云端、高高在上的黑科技。大数据就是我们每一个人，可以被实时记录的生活本身。

解读 | 若风，资深图书出版人，经管社科类畅销书策划编辑。

播音 | 张煜

策划编辑 | 陈艳

音频编辑 | 陈子夫