孟昭莉博士：大数据大道之行

• 大数据似乎在一夜之间迅速走红，它势不可挡地冲击着金融、零售等各个行业。云计算将如何改变计算的世界？未来将有怎样的应用前景？如何解决“信息孤岛”的问题？大数据又将如何提高我们决策的准确性，帮助我们更准确地预测未来？
• 在2014年7月25日腾讯互联网与社会研究院主办的“大数据连接的未来——2014腾讯互联网与社会研究院高峰论坛”上，腾讯互联网与社会研究院孟昭莉分享了《大数据大道之行》。

腾讯互联网与社会研究院产业经济中心主任孟昭莉：

大数据大道之行

我很荣幸向大家介绍一下腾讯互联网与社会研究院在大数据方面所做的一些研究，同时也向大家汇报一下我们未来和大数据相关的一些报告。

为什么说是“大道之行”？2002年，诺贝尔经济学奖颁发给了一位心理学家，这位心理学家的主要观点就是人们是非理性的。举个简单的例子，今天捡到一百块钱你很开心，明天丢了一百块钱你会很伤心，但丢了一百块钱的伤心要远大过于你捡到一百块钱的开心，人们在做很多行为的时候都是非理性的。

这个理论为什么能得到诺贝尔经济学奖呢？从经济学伊始，所有的经济学理论基本上都是基于模型，要么就是数据回归。但是我们做数据回归、做模型的时候都假设人们是理性的，就像王宁博士前面演讲中所说，当我们发现人们是非理性的时候，最恐慌的是什么？基于原先所有模型推出的结果就会让我们感到疑惑，这样的结果真的能指导我们的实践吗？基于这个理论之上的管理、甚至法律，真的那么合理吗？这个时候我们就需要寻找新的研究方法、研究理论。所以，大数据才会这样受人关注。“大道之行”，就是说大数据的时代到来了。

我举几个例子讲一下大数据的膨胀。现在全球每天发送的Email是2940亿封，这个数量相当于美国全年纸质信件的两倍。而且不单单是数量的增长，美国每年发生含地理位置信息的交易数量是650亿次。从这里就可以看出，未来的数据不光是量的膨胀，而且还会从各个维度、各个角度来度量、来刻画，来告诉我们，人们究竟在做些什么。

腾讯互联网与社会研究院在过去的几个月里对大数据发展的整个商业模式进行了一番调查，我们发现虽然大数据的概念提出来到现在总共只有三到四年的样子，事实上整个大数据的商业应用模式已经发生了一个根本的转变，这个转变就是从逻辑判断转变到系统思考。

我给大家举一个非常简单的例子来诠释一下这样的理念。什么是逻辑判断呢？众所周知，最出名的大数据应用案例就是Google先于各大疾病控制中心发现流行病的扩散。它发现很多同样地理位置信息的人开始搜索相同的病理，Google从一些无序的数据中找到数据之间的关联，所以，它就发现流行病已经开始流行了。

什么是系统思考呢？我用一个商业案例给大家诠释一下系统思考的大数据应用模式：Patientslikeme SNS社区汇集了全球各种各样的慢性病患者。有一些难以治愈的慢性病发病人数比例是非常低的，这时候对于单一地点的人来说，想要诊疗他的病是非常难的。比如我要是得了慢性关节炎，病症发作的时候，我身边也许没有和我患相同病症的人，但是Patientslikeme这样一个网站提供了一个如何评估发病状态的表格，并且针对每种疾病都提供了一个自我测量的表格。我今天生病了，我在Patientslikeme社区中如实填写了我的病症是什么样，填好之后马上会看到全球有150个人和我患了相同的病症，其中80个人在过去每个病症阶段和我的信息都是相同的，他们也和我接受着相同的医疗措施。未来这80个人面临A和B两套选择方案，比如60%的人选了A，有什么结果；40%的人选择了B，又有什么结果。大家可以想见如果你是一个病患，会非常乐意在这样的系统中提供你的信息。

它从第一个环节就促使人们乐意把自己的信息共享出来。接下来我们看这个生态圈中都有谁受益。所有的医护人员能从中得到珍贵的医疗信息，各种病人在各种状态应该用什么样的医疗方案来治疗。同时这也是制药企业的一个宝地，制药企业在上面可以找到非常宝贵的信息，同时也可以测试他们的新药。

这样一个生态系统是怎样创建出来的？事实上它是从无到有创建了一个生态系统，然后确保这样的机制能够让每一个环节的每一位参与者都得到一定的利益，所以才会形成一个非常有序并且能够持续的商业模式。

其实从根本上来讲，这跟苹果的iTunes的理念是一样的，苹果的共享平台聚合了音乐的生产者和消费者，它也是从无到有创建出来的一个生态系统，在这个生态系统中每一位参与者都能受益。这一完美的商业理念，打造了苹果过去十年的辉煌。

讲了大数据商业应用的升级，我们来看一下大数据未来发展的瓶颈在哪里。首先，我们来看一下大数据发展的技术分布图，如果把大数据按技术划分，可以分为几个阶段：第一是数据采集，第二是数据清理，第三是数据存储与管理，第四是数据分析，第五是数据显化。这个技术布局图不用讲大家就已经看到，其实不管是在互联网中叱咤多年的老牌互联网企业，还是中国的新生力量，比如华傲数据这样的公司，能在一个非常专业的领域找到自己的立足点，就会有很大的发展空间。

经过分析，我们认为大数据未来发展的瓶颈不在于技术，或者说技术其实远远已经领先了大数据的整个管理。大数据发展的瓶颈究竟在哪里呢？我们认为大数据发展有三个瓶颈。第一是数据收集、提取的合理、合法性。我刚刚跟大家分享了一个成功的商业案例，它们就提供了其中一种可行的解决方案。当你有足够的利益促使用户愿意共享信息时，后续的商业应用就会持续而来，当然这只是大数据其中的一个解决方案。

大数据发展的第二个瓶颈是产业链各个环节的竞合平衡。未来一些很棒的概念，比如说物联网，比如智慧城市，这些概念想要落地完全离不开大数据。但是大数据如果想要实现像智慧城市、物联网这样宏观的概念时，其实不取决于某一个企业，甚至不取决于任何一个行业，它需要整个社会资源跨行业的整合及平衡。所以，需要有一个跨行业的数据共享池，这样的数据池最好是能够由政府这样非常中立的第三方来作为引领者，同时又有各个行业的领军企业来参与。

大家参与到其中时，必然也会看到有一些既有竞争、又有合作伙伴关系的企业共同被卷入这样的生态圈，这时候机制的设置就是最为关键的。我们一定要设置合理的管理机制，让贡献较多的企业能够拿到一定的回馈，而贡献较少的企业可以考虑有偿获取服务。

大数据发展的第三个瓶颈是是大数据结论的应用和解读。

腾讯互联网与社会研究院即将发布一些和大数据相关的研究报告。

首先，研究院将会发布移动互联行业繁荣度指标指数。研究院会用QQ的全样本数据来度量一下在移动互联各个细分领域，比如移动金融、移动社交、移动游戏，人们的活跃度到底如何。当得到这样的指标指数之后，第二步我们会将中国的省市分为十级以上的梯级城市，而不再是以前的一二三线城市的概念，我们会在梯级城市中分别来度量不同梯级的典型城市中移动互联发展的繁荣度。

举个简单的例子，大家就可以想象出我们这样的指标指数会是一个什么样的概念。比如有可能我们发布第一期指标指数的时候，北京的指标指数是1000，成都的指标指数是500；同时我们也可以看到北京在半年之前的指标指数是500，这时候我们就可以看到如果成都发展到北京的状况，还有一倍的发展容量，我们可以想见，也许成都6个月之后的样子就是北京今天的样子。

我们在研究大数据时主要的关注点将会在哪里？从腾讯互联网与社会研究院的角度来说，我们想要了解的不仅仅是数据呈现的结果，而是去挖掘数据背后的真相，同时了解为什么会是这样，并基于此提出合理的管理建议。

腾讯互联网与社会研究院将和腾讯公益慈善基金会共同合作发布腾讯慈善大数据研究报告，大家都想知道中国人对捐款的态度是什么？大家究竟多有爱心？到底是男性更容易被打动还是女性的心更加柔软？人们到底是在什么时候、什么心情下愿意做这样的捐助？

通过我们的大数据，我们发现了一系列非常有趣的结论。通过这一系列的结论，我们完全可以从全样本的角度来勾勒出中国人究竟是什么样的心态。例如，一个非常有趣的现象是，在腾讯慈善基金会的捐款平台上，男性和女性的捐款比例达到8：2，男性是8、女性是2，有的时候这个比例达到9：1。当我们拿到结论的时候非常吃惊，虽然经过长时间的系统调整，有时候高、有时候低，但是根据非常精准的统计，从过去的平均数来看，男性和女性的捐款比例就是8：2。也许男性更加温柔一些也说不定。

还有一些比较有趣的结论，人们在什么样的心情下才有兴趣捐款呢？我们发现在每天晚上9点到11点的时段，夜深人静，把一天繁忙的工作抛在脑后，躺在床上觉得自己的生活很美好的时候，捐款的概率异常高。同样的现象也可以在周末观察到，平均来看，周末捐款的频率要高于工作日的捐款频率。这一点其实是非常反常的，腾讯有很多广告位，对于互联网产品来说，最贵的广告位通常是工作时间的下午，比如周一或者周四下午三四点的样子，这个时候的广告位是非常贵的，因为这个时候网上的行为非常活跃。但网上慈善捐款的活跃度和一般的互联网行为的活跃度就不一致。

慈善也是一种心情的体现。人们一开始做慈善的时候真的那么无私或者真的那么自私吗？大家知道排在QQ图像的图标最前面位置的是慈善捐款的爱心LOGO，很多人为了点亮这个LOGO加入了腾讯的慈善平台，因为这个LOGO一旦点亮是永不熄灭的。这个满足了人们一点点想要炫耀的心态，所以，一开始大家在腾讯慈善平台上点亮爱心的行为也许不是纯粹的无私，但是接下来人们的行为却反映了他们的无私， 30%—40%的人留存了下来，也就是说一旦他们开始捐款就会将这个行为持续下去。

数据永远都只是数据，最重要的是我们要了解这样数据关系背后的人是什么样的，是什么原因导致人们做出这样的行为，我们后续还会再跟进研究为什么。比如为什么男性的心会比女性更加柔软。我们想要调查出背后的故事，然后通过了解人的本性，提出顺应人性的管理方法。我相信这样的理念不仅仅局限于腾讯慈善事业，其实大数据与社会管理的道理也是相通的。所有的数据最重要的就是如何去解读，如何发现数据背后的真相，同时通过这样的真相顺应人的本性，来提升整个社会管理的效率。