--- schema_version: "library-reader-v1" source_type: "original_book" title: "数据资本时代" author: null edition: null publisher: null year: null isbn: "9787508694313" library_document_id: "fa2211c7-60b5-424b-a841-a97c7196aed1" source_sha256: "8dfd76f8a229ff851688e437b0a26ddf2082deffc2cf8b80b8e93acb79b50020" pdf_physical_page_count: 278 pdf_physical_page_index_base: 0 range_start: 80 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/fa2211c7-60b5-424b-a841-a97c7196aed1?start=80&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/fa2211c7-60b5-424b-a841-a97c7196aed1.md?start=80&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/fa2211c7-60b5-424b-a841-a97c7196aed1.md?start=70&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/fa2211c7-60b5-424b-a841-a97c7196aed1.md?start=90&limit=10" --- # 数据资本时代 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=80 | PRINTED_PAGE=060 扑克是一种美丽的游戏，这不仅仅因为它涉及心理学、概率和博弈论等领域，而且绝佳的记忆力、计算能力和理性思维也是每个优秀的扑克玩家所必须具备的基础技能。仅拥有这些还不够，职业玩家还必须具有高超的沟通能力。在牌桌上，他们必须读懂对手的“告白”，不仅是他们的坐姿、视线或持牌姿态，还有他们的下注行为所带来的信号(这一点需要职业玩家特别关注)。与此同时，他们自己所传达的“告白”则是越少越好—有时他们还要提供虚假“告白”，希望对手能够上钩。 在以上这些以及其他许多方面，扑克比更具有象征意义的象棋围棋等抽象游戏，更加接近我们在市场上所经历的现实社会经验，比如在制定策略、发送和读取市场信号、谈判和交易等方面。所有这些因素—用金钱押注、用策略和虚张声势来招摇、读取和发送信号时做出微妙调整等，都让人感觉非常熟悉。因此，这样一台在游戏中击败了扑克冠军玩家的电脑，让我们深感震惊。我们不得不重新审视一个问题：人类在驾驭市场和进行交易方面、在制定战略和进行沟通方面，真的具有无法被模拟的独特性吗？ Libratus所取得的令人印象深刻的胜利表明，一台计算机可能比我们更有能力做出更好的市场交易，或者，至少可以很好地帮助人类进行市场交易。这并不是因为它比我们人脑每秒钟所能进行的运算量要大很多，而是因为和人类不同，计算机的决策不会受到人类认知的约束。 我们看看计算机与人类不同的押注策略吧。大多数人类扑克玩家都不会明白，在底池里赌金很少时，押下大笔赌注的逻辑是什么。如果一个玩家在底池里赌金很少时押下大笔赌注，那么他的对手通常会假设这个下注的人不了解游戏玩法，或者虚张声势得过于明显。因为这样的赌金几乎必然会阻止另一方押下更多赌注，下注人的收益自然也会受到限制。然而，Libratus经常会在这样的情况下押下巨额赌注，最终，这个策略却得到了丰厚的回报。许多认知偏见从风险评估错误和新信息出现后依然坚持同一种策略的做法，到轻率地漠视赢得较小赌金的做法都会影响人类决策，让人类拒绝做出为小额赌金押下巨额赌注的选择(也包括其他一些选择)。相反，Libratus在每次出完牌后，都会重新评估自己的策略。到了晚上，它会有条不紊地重新分析自己白天出过的每一手牌，推演出它的人类对手的行为模式，并进一步锤炼自己的策略来积极利用他们的行为模式。而且，尽管Libratus所需处理的信息量如此巨大，它却依然顽强且细致地完成了任务，这是人类决策者所完全不可能做到的。最终结果就是，虽然Libratus所赢的平均筹码并不那么引人注目，但是它赢得的比赛次数比其他对手都多得多。 数据资本时代 060 ## PDF_PHYSICAL_PAGE_INDEX=81 | PRINTED_PAGE=061 Libratus对自己的策略进行了重新评估，并且从自己的经历中总结出了经验教训，这就使得它不会把这次锦标赛仅仅“看作”与很多个体的偶然交锋，而是将其看作能够揭示对手行为模式和弱点的系列游戏，而这些游戏却没有将Libratus锁定在一个完全固定的人类行为模式中。这是聪明的谈判者在多轮谈判中使用的一种策略，也是精明的商人采用的一种策略，特别是在多次重复的市场交易中。毫无疑问，Libratus的设计者桑德霍姆教授所构想的是一个商业版本系统，在复杂的市场交易中，它可以代表消费者与商家进行讨价还价。这一切还只是开始。Libratus的胜利预示着人类经济的一个更深层次、更根本的转变。与Libratus一样，这种转变的驱动力也是数据。 第4章 市场的复兴 061 ## PDF_PHYSICAL_PAGE_INDEX=82 | PRINTED_PAGE=062 迎接海量数据市场 正如我们所描述的，市场是一种令人惊异的社会创新，从原则上说，它可以使我们有效地协调彼此的活动，而在实践中，它却受到信息流局限所带来的负面影响。我们依靠金钱和价格来减少需要沟通和处理的信息量，但是信息的浓缩意味着，市场参与者并不总是能够全面地分享他们的个人偏好，或者并不总是能够在决策过程中恰当地权衡他们的个人偏好。价格可能解决了信息过量的问题，但是它让我们做出了糟糕的选择。我们对价格的执着阻碍了市场发挥其最擅长的作用：协调人类活动。 解决这个问题的答案不是数字支付，也不是虚拟货币。这两点可能会加速现有的信息流动，或者使信息流动变得更便宜，但信息仍然会被压缩成价格，那些有价值的细节还是会被消除。这个问题的解决之道不是继续玩弄货币，而是用海量、全面的信息流去替换，或者至少是补充货币的信息角色。数据是市场车轮的新型润滑剂，可以帮助市场参与者找到更好的匹配选项。 因此，传统市场和海量数据市场之间最直接和最明显的区别，就在于流动在市场参与者之间的数据总量和种类。在海量数据市场上，参与者不再被围绕着价格的信息的潺潺细流限制，他们的目标是全面传达关于个人偏好的所有信息，并据此采取行动。同时，参与者会积极利用市场的信息结构，达到以低成本的方式传输数据的目标。 数据资本时代 062 ## PDF_PHYSICAL_PAGE_INDEX=83 | PRINTED_PAGE=063 从理论上讲，我们在数字模拟阶段就可以使用更多更丰富的数据了，但是使用成本非常高。多亏了数字网络，现在，大量的数据可以在交易伙伴之间快速、轻松、廉价地流动，无论他们近在咫尺，还是远隔千里。但是，仅仅拓宽数据的传输渠道，虽然有可能克服“信息成本”的挑战，但也很可能导致市场参与者的信息过载。我们如此习惯于关注价格，又怎么能做到跨越多个维度去比较不同产品，从而找到正确的匹配选项？我们怎样才能快速、轻松地表达多种个人偏好？ 金钱和价格可能是一种信息约束，但是摆脱这种约束，不仅需要不同的信息交流方式，而且需要我们在将信息转化为决策的过程中，实现一些阶段性转变。我们不仅需要大量的数据，而且需要正确的方法和工具来处理这些数据。正是由于缺乏这种方法，在数字时代的最初几十年里，以货币为基础的市场才得以保留。然而，事情正在发生变化。最近，我们在数据处理方面取得的进展，终于使我们能够抛开金钱和价格的限制，敞开怀抱迎接海量数据市场了。 科技与数据结合 三大关键科技，数据本体和标注、个人偏好匹配算法、机器学习系统，对市场的这次重新配置起到了至关重要的作用。这三大科技使我们能够:(1）在比较个人偏好时使用标准语言；(2）在多个维度上更好地匹配个人偏好，选择最佳交易伙伴；(3）设计出一种行之有效的方法，来全面捕获个人偏好信息。这三项科技的共同之处在于，它们都能够帮助我们将海量数据转换为行之有效的交易决策。这三大科技不仅提高了我们基于数据的选择能力，而且这三大科技本身也是建立在数据基础上的—这就是数据的核心作用。这三大科技将成为经济革命的根基。 第4章 市场的复兴 063 ## PDF_PHYSICAL_PAGE_INDEX=84 | PRINTED_PAGE=064 过去，婴儿潮一代（1946—1964年出生的人）去度假时，不得不翻阅厚厚的酒店宣传册，还要与旅行社的人见个面，以确定宣传册上那些华丽的营销文字和炫目的照片是否属实。如果有幸认识在某酒店住过的人，他们很可能会按照那个人的建议做出选择—但这只是特例，而不是常态。如今的情况则大为不同。我们在选择酒店时，首先会对海量的信息进行筛选，包括客户评级、记者评论、以前的客人在网络上发布的照片等。我们可以很快地将酒店的位置、便利设施和服务质量进行比较。而且，在谷歌街景的帮助下，我们甚至可以到那里进行一次虚拟的街区旅行。在价格方面，在线比较可以帮助我们很快找到最优价格，及其具体的交易时间和地点。 同样，以价格为基础租赁汽车，或是在价格的基础上寻找拼车的机会，这样的日子也早已一去不复返了。BlaBlaCar公司在20多个国家已经拥有超过4000万名会员，公司允许乘客和司机一起从多个维度进行配对，包括他们自己报告的健谈程度——从Bla（“看窗外风景匆匆掠过”）到BlaBlaBla(“聊起来没完没了”)，不一而足。因为少有机会协商价格，乘客在选择出行时可能就更关注其他信息了。这种方法吸引了不少爱聊天的人：在我写作本书时，每个月已经有400万名乘客通过这家公司约车了。 信息的这种便捷性是令人愉快的，使信息既方便使用，也方便获得（至少在多数情况下如此)。我们旅行的交易效率得到了提高，因为买家和卖家可以更精确地匹配他们各自的偏好。当然，海量数据不仅涌现在旅游业中，当我们在网上购物时，不论买的是书、电子产品，还是衣服，我们除了要考虑能让我们浏览、搜索、比较产品的搜索工具和过滤工具的精确性，还要考虑其他几十种特性。使这一切运转起来的，并不是我们所使用的技术的速度有多快、成本有多低、存储能力有多强，可用信息量的增加也许是原因之一，但是我们之所以能做出更好的选择，更主要的原因是我们使用了一个有效的方法来标记这些信息，并且将其做了分类。 数据资本时代 064 ## PDF_PHYSICAL_PAGE_INDEX=85 | PRINTED_PAGE=065 假设要买一件新衬衫，你上网找到你最喜欢的零售网站，点击“衬衫”，网站会提供给你成百上千条选择。但是，通过关注如下诸多因素:尺寸、面料、颜色、合身度、袖子长度、领口类型，甚至品牌，你可以过滤掉一些选择，或者过滤掉那些你不想要的东西，从而选出自己的最爱。所以，你如果想要一件一字领、七分袖、尺寸为8号、蓝色或蓝绿色，且最好是正在减价促销的棉纱针织衫，就只要做出选择就可以了。如果这个网站没有，你可以转移到另一家零售网站。为你提供这么多关于衬衫的信息，网络零售商是怎么做到的？它们把每件商品都贴上描述其服装特色的数据标签。这就要求商家把所有特定类型的产品，比如衬衫，都贴上同一套类别的标签。这些类别也是数据，但是它们是关于数据的数据，也就是元数据。 这一切并不新鲜。自从亚述人将泥板文献首次贴上描述其内容的标签开始，有关信息的信息就开始成为重中之重。今天，高效的分类已必不可少。没有它，我们几乎无法在网上找到任何东西。然而出于同样的原因，分类的过程也变得更加困难。在只有关系型数据库的旧时代，数据是整洁的，因为每个数据字段都具有明确定义，明确到每个字段的内容都具有精确的格式。然而，自20世纪90年代末以来数字信息的指数级增长对这一秩序提出了挑战，其中很大一部分信息并不完全适合于数据库领域，它们以电子邮件、网页、图像、音频文件和视频文件等形式出现。 第4章 市场的复兴 065 ## PDF_PHYSICAL_PAGE_INDEX=86 | PRINTED_PAGE=066 以YouTube为例，它是一个视频内容市场，上传者（卖方）与观众（买方）进行交易，通常由第三方市场参与者（广告商）提供资金。为了确保视频能被观看，观众需要能够轻松地找到内容；出于同样的原因，内容提供者也需要其内容能够被迅速发现。除了视频的标题和上传的日期、时间外，为视频添加标签和关键词也是非常重要的，几乎和上传者选择正确的关键词一样重要。 数据本体和标注策略 商业内容提供商也面临同样的问题。一个体育网站，例如ESPN(娱乐与体育节目电视网)，每周广播并录制成千上万小时的视频录像。尽管有些球迷可能会从头到尾观看一场被存档的体育赛事，但是多数人可能会直接观看某最重要的时刻在2016年NBA(美国男子职业篮球联赛）总决赛第7场中，骑士队反败为胜，勒布朗·詹姆斯的那个决定胜利的追身盖帽；或者在2004年美国棒球联盟冠军赛系列赛的第四场中，戴夫·罗伯茨在第九局偷垒，从此打破“贝比鲁斯诅咒”①的那个时刻。为了确保这些重要的时刻很容易被找到ESPN雇用了几十个人实时观看多个体育赛事，依靠人工，手动标记每场比赛和场上互动。 如果ESPN让员工以任何他们想要的方式对视频进行标记，那么它与你在YouTube上所看到的随意贴标签的方法就没有太大不同只是在范围和规模上有所改进。然而，ESPN的标记人员都接受了有关关键词方面的训练，这让他们学会了使用一个经过深入研究的关键词层次结构。这个领域的专家将其称为“本体论”(ontology),因为标记人员在他们所观看的视频本体上直接做出标注。 数据资本时代 0① 波士顿红袜队自从1918年把球员贝比鲁斯转给纽约扬基队之后，直至2004年的86年间，它就再也没有获得过冠军。——译者注 066 ## PDF_PHYSICAL_PAGE_INDEX=87 | PRINTED_PAGE=067 体育运动很适合本体论系统。每一项运动，从射箭到摔跤，都定义了一系列规则，它们不仅适用于运动员，而且适用于比赛本身。书、电子产品和家电也是如此。它们只要有明确的限定参数集，就更容易让消费者找到最适合的产品。出版商已经有超过一个世纪的将书分为不同类别的经验，你如果想买一本关于美国内战时期的女性史的书，按照杜威十进制分类法或美国国会图书馆分类法，可能很快就会找到这样的一本书。实际上，杰夫·贝佐斯在1994年创办网络书店亚马逊的原因之一，就是出版商的季节性书目刚刚实现了数字化，他计划利用这些数据建立自己的公司。 同样是在这些数据的基础上，亚马逊的消费者可以选择、过滤和比较各种消费品，不仅根据品牌、价格和买家的评论，而且可以根据许多其他不太明显的特征。我们拿洗衣机举例，洗衣机的相关信息可以说无所不包：打开方式、颜色、大小。在欧洲的一些市场上，洗衣机的相关信息还会包括负载能力和能源效率。类似的信息维度也存在于其他产品中，如电视、硬盘和微波炉。对电子产品的特征进行标识通常是相对简单的:要么是由制造商向在线零售商提供足够丰富的数据，要么是由在线零售商自己将数据添加在产品上，因为电子产品的本体特征是非常明显的。一般来说，拥有海量产品细分信息的市场，往往更适合那些简单的、公认的本体。 第4章 市场的复兴 067 ## PDF_PHYSICAL_PAGE_INDEX=88 | PRINTED_PAGE=068 相比之下，为普通市场开发一个本体要困难得多。这就是为什么在YouTube上寻找视频要比在亚马逊上购买洗衣机更加随意。我们如何搜索关于一个概念的视频，比如，一个关于翻跟头的视频？YouTube也不能与ESPN所开发的关键词标准在深度和广度上互相四配，因为人类还没能想出一个易于掌握的通用本体，让每个人都可以迅速理解并完美应用。 长期以来，亿贝一直在努力为其市场挖掘可与其他平台相媲美的信息可发现性，也就是用户找到相关信息的可能性。亚马逊的客户可以非常方便地使用各种信息过滤器，而亿贝的买家却常常不得不在产品标题或产品描述中搜索关键词，然后一页一页地滚动搜索结果。这是亿贝平台的一个历史遗留问题。在亿贝上，任何人都可以出售任何东西，包括那些在很多方面都非常独特的商品，而亚马逊则是从一个单一类别的产品（书籍）销售者做起的，所以它拥有完善的产品本体。随着时间的推移，缺少本体的市场会在交易数量上逐渐减少，因为即使这个对象真实存在，人们也很难找到自己想要的匹配对象。如果没有一个非常好用的过滤器来保障信息的可发现性，市场的效率就会大幅下降。 许多市场的成功，都源于它们能够提供海量的数据流。因此，有效的标注策略及其研发工作就担负着重大的经济责任。作为这方面的数据专家，马蒂·所罗门强调：问题的关键在于找到正确的本体。她知道这会是十分困难的。所罗门说她自己来自“数据的盐矿”—她曾经是迪士尼公司（拥有ESPN80%的股份）的企业命名分类学者，也做过英国培生教育出版集团的数据架构与语义平台的总监。然而所罗门认为，未来，确定正确的本体所需要的人类创造性将会更少，需要更多的是过硬的数据分析：数据本身将驱动数据本体。 数据资本时代 068 ## PDF_PHYSICAL_PAGE_INDEX=89 | PRINTED_PAGE=069 了解了我们在多大程度上依赖于正确的标签和分类①，以及我们目前的能力相对来说多么有限，我们就很容易理解以下两个“为什么”了:为什么数据本体成为信息技术初创企业所热衷的领域?为什么它也是将基于货币的市场转变为海量数据市场的重要工具？亿贝正在进行的海量数据研究项目的出发点，就是要改进产品的编目，将可发现率从42%提高到90%。为了实现产品信息的自动分类，它已经获得与一些数据本体初创公司（如Alation、Corrigon和Expertmaker等)合作的机会。其他市场也纷纷效仿，为了使丰富、多维度的信息流动成为可能，它们竞相开始进行数据基础设施建设。没有丰富、多维度的信息流动，市场，无论是线下还是线上市场，都将继续被锁定在传统的价格焦点上。 识别最佳个人偏好匹配 在许多领域，我们已经开始享受海量数据市场了，比如旅游、约车和电子产品等领域。但是，信息越丰富，其处理难度就越大我们需要根据自己的个人偏好来衡量每个维度，选择最佳交易伙伴。将大量信息转化为决策是困难的。在Expedia这样的网上平台搜索航班时，面对太多的过滤器和选项，无论是谁都会不知所措。我们在爱彼迎（Airbnb）上选择民宿时，不也是如此吗？即使对于我们来说所有的选择都是很容易找到的，可是找到最佳选择往往也还是很困难的。其困难之处就在于信息过载，包括可供筛选、选择，并确定最优匹配的选项太多等问题。幸运的是，技术可以再一次帮上忙。 第4章 市场的复兴 1中文的“分类”，有两种可能的解释。一是classification(整理)，它不涉及层次关系，例如把人分成男人和女人；二是categorization(分级)，它是有层次归属关系的，例如，这本书在京东上的一个类别路径可能是“图书经管综合一经济智能经济”，后面的类别从属于前面的类别，类别之间存在包含关系。上述两种分类方式都可以通过打标签（tagging)来完成，但分类只是一种非常特殊的标准化的标签，通常我们的标签是个性化和随意的，例如网站往往允许和鼓励商家给商品，或者作者给文章自由选择若干标签；有的网站还允许消费者或者读者也打出标签。本体描述实体以及实体之间的关系，其中具有排斥性的属性（对应class，例如性别）和属于(对应category)只是本体中两种常见的关系。所以本体的内容要远远比分类丰富。与标签相比，本体是标准化的，标签是随意的。作者在描述这些概念的时候对其边界不太清楚，而且容易让读者感觉标准化的类别要比率性而为的标签系统更便于信息检索和精准推荐。实际上，除了更易于管理外，目前没有证据显示标准化的类别比随意的个性化标签具有更好的信息组织、导航和发现能力。读者可以参考综述Z.-KZhang, T. Zhou, Y.-C. Zhang, Tag-aware recommender systems: a state-of-the-art survey,J. Computer Sci. &.Technol. 26(2011)767。—译者注 069 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/fa2211c7-60b5-424b-a841-a97c7196aed1.md?start=90&limit=10)