尊敬的各位領導，非常榮幸有機會能夠參加論壇，我本人到江蘇來過很多次，江蘇的產業(yè)發(fā)展給我留下了深刻的印象。不光是南京，蘇錫常還有包括其他的城市，經(jīng)濟活躍、產業(yè)發(fā)展都給我留下了很深的印象。
我今天的話題是結合會議主題說說我的看法，我現(xiàn)在要說明的一點是什么呢？我其實不懂數(shù)據(jù)科學，數(shù)據(jù)科學并不是我的專業(yè)，但很多年來我都很關心數(shù)據(jù)科學的發(fā)展。像以前制造業(yè)信息化，數(shù)字化制造。今天我們講智能制造，這是我所關心的，我說說我的看法，不對的地方大家批評。
其實幾年前奧巴馬和美國國會提交的一份報告里談到：科技不只是在取代組裝流水線上的工作，而是在影響任何可以被自動化的工作。即傳統(tǒng)的自動化替代的是人的體力，但未來不一樣，簡單地講是指人的腦力。
最近大眾的CEO說：不遠的將來汽車將成為一個軟件產品，大眾也會成為一家軟件驅動的公司。我們很多人聽到后都會感到不解，汽車是一個硬梆梆的產品，怎么會是一個軟件產品呢？我認為這句話有兩層意思，一是指汽車未來所應用的軟件產品會越來越多，尤其是自動駕駛，無人駕駛汽車。
二是指影響未來汽車競爭力的主要因素是軟件，而不是硬件。我們現(xiàn)在有個話題是“軟件定義世界，數(shù)據(jù)驅動未來”，二者是緊緊聯(lián)系在一起的。有人講未來世界，我就說數(shù)據(jù)世界或者軟件，與其相關的大量問題都是處理數(shù)據(jù)。正如剛才說的汽車是一個軟件產品，由于有軟件產品很多都是和數(shù)據(jù)緊密聯(lián)系在一起的，汽車就會和智慧城市里的很多數(shù)據(jù)關聯(lián)在一起。
下面我將會說三個話題，首先我們從自動化說起，之后會介紹理念的數(shù)據(jù)，最后會說明數(shù)據(jù)的理念。
傳統(tǒng)自動化是替代人的體力的，我們現(xiàn)在比較完善的自動化可以處理一些結構化的、固定模式的、確定性的問題。目前少數(shù)非結構化的問題無法通過自動化處理。未來的自動化不僅包括目前已經(jīng)完善的自動化，還會像奧巴馬所說的替代一切的自動化。
人的腦力包含很多東西，實際上它是非結構化的，沒有固定模式，是一個不確定性的問題。這些問題的處理我們以前沒有什么好的手段。實際上，這些問題需要認知自動化來處理。智能自動是另外一種自動化替代人的腦力的技術。所以替代腦力這個數(shù)字智能時代的自動化替代腦力，我們講它超越固定的模式，有些問題沒有固定的模式，例如，一個車間里節(jié)能的問題并不是一臺設備上節(jié)能的問題，它沒有一個固定的模式，你沒有辦法用一個模型去表達，車間節(jié)能的設備沒法創(chuàng)建一個模型，此時我們可能就需要用超越模型來處理。
當然，有時候我們可以通過數(shù)據(jù)去發(fā)現(xiàn)模型，參數(shù)化模型等。我們需要超越確定性的問題，從而有辦法處理不確定性的問題。
工業(yè)中最重要的是制造，不管是設計效率、質量、成本、綠色等，所有這些問題實際上都存在著大量不確定性，如果我們想清晰地認識，乃至駕馭企業(yè)活動那么認識這個企業(yè)的整體聯(lián)系就會非常重要。
另外，非固定模式不確定性的問題是以前對我們來講比較困擾的問題，系統(tǒng)到底有多少是相關聯(lián)的？例如，我們人就是一個很復雜的系統(tǒng)，到底人有多少因素相互關聯(lián)，怎么關聯(lián)？因此，大數(shù)據(jù)、人工智能等的出現(xiàn)就像開啟了一扇大門，有可能促使我們去認識整體聯(lián)系、非結構化的問題、不確定性的問題等等。
我們可以想想中國的傳統(tǒng)文化。中國古代的金木水火土，的確不能說它是科學的。但我們古人的這種認識還是有一定的合理性的，它強調了整體的聯(lián)系。西醫(yī)常常是“頭疼醫(yī)頭，腳疼醫(yī)腳”，但中醫(yī)是聯(lián)系整體來看的，即頭疼是由于腳上的某個穴位引起的，只是我們現(xiàn)在無法從解剖學的角度去認識它。我曾經(jīng)腰痛到臥床的地步，后來通過針灸就好了。
所以對于一個復雜系統(tǒng)來講，其整體的聯(lián)系是非常重要的。我們強調中國文化里大系統(tǒng)觀整體聯(lián)系，它是有合理解釋的，只是以前的現(xiàn)代科學缺乏技術去認識它。我們古人是通過經(jīng)驗、感悟去互聯(lián)的。但現(xiàn)在我們不能通過經(jīng)驗感悟去處理很多問題，只能通過數(shù)據(jù)科學、人工智能技術等去認識這些整體聯(lián)系，不確定性的問題等等。
要認識整體聯(lián)系或控制一些非固定模式，不確定性問題的基礎是數(shù)據(jù)，但有數(shù)據(jù)就要互聯(lián)。我們需要人工智能技術去決策控制一些非模式、不確定性的問題，而且人工智能技術也是以數(shù)據(jù)為基礎。
因此有了第三次數(shù)字化浪潮，早期的數(shù)據(jù)驅動過程，比如我們在企業(yè)里的數(shù)控機床加工過程就是數(shù)據(jù)驅動的。在數(shù)據(jù)驅動相關的一些問題中，現(xiàn)在我們強調數(shù)據(jù)驅動企業(yè)，我們講數(shù)據(jù)化、智能制造，數(shù)據(jù)驅動，這是我覺得我們從事數(shù)據(jù)科學的人需要要關注的。當然未來將會涉及到更多的關鍵技術，包括人工智能、5G、區(qū)塊鏈等等。
所謂理念的數(shù)據(jù)，就是圍繞企業(yè)的理念去收集處理數(shù)據(jù)。例如，像海爾這樣的現(xiàn)代企業(yè)的基本理念就是“以客戶為中心”，因此，海爾創(chuàng)建了一個工業(yè)互聯(lián)網(wǎng)平臺，收集了大量的客戶數(shù)據(jù)，從而能夠在產品開發(fā)階段通過客戶數(shù)據(jù)把用戶的碎片化需求進行集成，與用戶交互，實現(xiàn)“以客戶為中心”的目標。顯然，圍繞企業(yè)“以客戶為中心”的理念集成數(shù)據(jù)是非常重要。
所以海爾的研發(fā)模式與傳統(tǒng)的瀑布式模式不同。瀑布式模式是通過市場調查進行需求分析，之后研發(fā)產品；即是先有產品再有客戶。而海爾的研發(fā)模式是在產品開發(fā)的過程中通過網(wǎng)絡，即互聯(lián)網(wǎng)平臺與用戶迭代、交互，根據(jù)客戶的需求生產產品；既是先有用戶再有產品。因此，理念的數(shù)據(jù)引起了研發(fā)模式的顛覆。
再如，“綠色”也是現(xiàn)代企業(yè)的一個重要的理念。“綠色”不光是指沒有污染，也指資源消耗少。雖然美國的用電很便宜，但DeepMind谷歌數(shù)據(jù)中心的耗電量很大。后來通過改進DeepMind把耗電降低了15%，且實現(xiàn)了設備投資的收回。事實上，他們通過數(shù)據(jù)中心幾千個傳感器去收集溫度、電量、耗電量等設備及建筑物的結構（不同數(shù)據(jù)中心建筑物的結構都不一樣）數(shù)據(jù)，之后對數(shù)據(jù)進行深度學習等處理實現(xiàn)節(jié)能效果。顯然，該例中數(shù)據(jù)收集的標準即為節(jié)能的理念、綠色的理念。因此，類似這類問題是完全沒有固定模式的，我們不可能通過創(chuàng)建模型來解決。
這樣的技術也可以被用在其他方面。如減少半導體生產，半導體耗水很厲害；幫助企業(yè)提高生產效率等。同樣我們國內也有應用很好的例子，例如酒鋼鋼鐵企業(yè)為了節(jié)能減排，在高樓上面安裝了很多傳感器，效果非常好，平均提高勞動生產力5%，降低純鐵成本15元，預期在全行業(yè)推廣后，直接經(jīng)濟效益70億元/年。
接下來介紹數(shù)據(jù)的理念，首先數(shù)據(jù)里面實際上隱含著另外一種存在，以尿布和啤酒為例，雖然超市專家以前沒有意識到，但尿布和啤酒銷售存在關聯(lián)。我們很多觀點消失在人們的眼睛中，人們看不到，也淹沒在人們的模糊感覺中。
我們有時候可以在相似中發(fā)現(xiàn)一些顯著的差異，例如Lexus通過Twitter大數(shù)據(jù)分析，從倫敦奧運會冠軍中篩選廣告代言人。無論邀請姚明還是劉翔都具有相似性，他們都是體育明星，但他們還是有差異的，就需要通過數(shù)據(jù)去分析了解。另外，我們可以在巨大的差異之間發(fā)現(xiàn)相似的規(guī)律，例如，AlphaGo在所有的圍棋對局中，每一個人哪怕是同一個選手，每次對局都很不一樣，所以就要從很多的差異中尋找相似的規(guī)律，得到新的認識。
對于企業(yè)來說，以財務信息和業(yè)務信息的融合為例。實際上，很多企業(yè)的財務信息和業(yè)務信息并沒有很好地融合，就車間里一些具體設計業(yè)務的工藝來說，生產上方方面面的信息并沒有真正地被財務信息所利用，但實際上這個業(yè)務流程是和財務信息相關的。我們沒有精細的數(shù)據(jù)收集，所以傳統(tǒng)的信息和業(yè)務信息相互獨立。因此如何從大量的信息中進行挖掘，進行成本控制是非常有意義的工作。
其次，隱處的另外一種存在淹沒在人的自以為是中，AlphaGo這是臭棋，實際上AlphaGo對圍棋有新的認識，這是人類沒有認識到的。有的緊閉地存在深處，有超越人的智慧，特別的思維過程。所以我認為數(shù)據(jù)其實是“非人類思維”的種子。像AlphaGo有非人類的思維，人類以前沒意識到一樣，數(shù)據(jù)是“非人類思維”的種子，我們如何從數(shù)據(jù)到信息，到智能，再到非人類思維。這對我們認識自動化是非常重要的。
我們要超越人的感知，例如，我?guī)讉€月前去臺灣一個很普通的大學參觀，其中的一個教授說：控制磨床進刀，老師傅通過聽模具的聲音可以判別出其質量如何，或者應該如何去控制。然而，他們通過測量噪聲，噪聲要測量很容易，測量電流的變化，把數(shù)據(jù)收集起來和質量等進行深度學習。結果顯示數(shù)據(jù)分析之后的磨床進刀控制要比人的感知好得多。
剛才所說的AlphaGo實際上就是非人類思維。最可怕的不是人類，是非人類思維。在很多情況下，計算機系統(tǒng)，人工智能系統(tǒng)可能比我們的看法或感知更加細致入微。
以我的一個計算機繪畫作品為例，它實際上是根據(jù)我們拍的樹林的照片畫出的作品。我們人作畫的時候，有的地方透著光，有的地方有陰影；但計算機繪畫實際上是計算機對照片的分析，它更加的細致入微，用一種夸張的手法表現(xiàn)了出來。這說明了計算機或者人工智能系統(tǒng)比人的感知更加細致入微。
另外，關于數(shù)據(jù)的理念，我們需要重視數(shù)據(jù)收集常常需要跨系統(tǒng)、跨領域、跨媒體的，某一個問題的表征并不一定集中在某一個特定的系統(tǒng)數(shù)據(jù)之中。例如美國大選時特朗普當選很意外，美國主流媒體認為特朗普不可能當選。如果跨媒體收集數(shù)據(jù)，絕對不會得出特朗普敗選的結論。因為人們只關注了主流媒體，沒有看民間媒體，所以才會感到意外。再如我們要判斷經(jīng)濟趨勢，判斷選民的意向，光看報紙是不行的，還需要我們去跨系統(tǒng)，跨媒體了解相關信息。
我們車間的質量問題不一定只和設備、工具、工人有關系，還會涉及到供應商、環(huán)境、氣候，甚至是某一特定的時期，社會上的特定活動等。就以正在舉行的世界杯為例，車間的質量說不定與這些比賽有關。跨媒體也是一個很重要的方面，收集不同媒體的數(shù)據(jù)，例如facebook，微信，中央電視臺等。這些媒體都傳遞了很多數(shù)據(jù)，而且這些數(shù)據(jù)可以從一定的程度上反映經(jīng)濟問題，經(jīng)濟趨勢等。
之后，我們介紹數(shù)據(jù)的工作理念，在企業(yè)中，我們常說業(yè)務數(shù)據(jù)化、數(shù)據(jù)業(yè)務化。所謂業(yè)務數(shù)據(jù)化，即企業(yè)里每一項工作，每一個活動，每一項業(yè)務都要數(shù)據(jù)化。我們企業(yè)遠遠沒有達到業(yè)務數(shù)據(jù)化。所謂叫數(shù)據(jù)業(yè)務化，即指數(shù)據(jù)工作是由專門的業(yè)務部門來處理。目前政府部門已有專門的部門來處理數(shù)據(jù)，如大數(shù)據(jù)局。但是在企業(yè)中，我們所有計算機中心或信息中心和數(shù)據(jù)中心是不同的。專門處理企業(yè)數(shù)據(jù)收集的范圍，數(shù)據(jù)傳送的標準等和數(shù)據(jù)相關的部門才是數(shù)據(jù)中心。
還有大家熟悉的數(shù)字雙胞胎的理念，在企業(yè)里現(xiàn)在非常強的。在企業(yè)中，數(shù)據(jù)驅動強調的是無數(shù)的流動。企業(yè)數(shù)據(jù)驅動包括在流水線上的。例如，德國巴斯夫企業(yè)生產的洗發(fā)水、液體肥皂是可以根據(jù)香味和顏色等喜好定制的，而且定制過程是根據(jù)記錄了數(shù)據(jù)的芯片實現(xiàn)的，體現(xiàn)了數(shù)據(jù)驅動。而雙胞胎強調的是數(shù)據(jù)從一個程序無縫流到另一個程序的過程。
最后，需要注意的是，不要指望一切都在預測和控制之中。近幾年有專家說：大數(shù)據(jù)、人工智能計劃經(jīng)濟成為可能，馬云也有這樣的觀點，認為什么都可以掌握，但我覺得這是不可能的。人是有自由意志的，你發(fā)布了什么計劃，你一定要我種花生，那我想種別的東西，假如說我是一個農民的話，除非你規(guī)定任何你只能夠生產什么、工作什么，這個是不可能的事情。如果說你有一些預測，而我因為你的預測馬上做出改變。顯然，經(jīng)過改變，原來的東西實際上已經(jīng)發(fā)生了變化。因此，很多個體行為是無法預測的，但對一個群體來說，預測又是可能的，因為群體之內的自由意志可能相互平衡抵消。但我們認為一切都在掌控之中、控制之中是不大可能的。
另外不能迷信數(shù)字與智能技術，數(shù)字與智能技術依然存在漏洞。更復雜的社會，也意味著更復雜的糾錯機制、更高昂的糾錯成本。正如墨菲定律所說，“如果事情有變壞的可能，不管這種可能性有多小，它總會發(fā)生。”我相信這句話還是有一定道理的。
總之，數(shù)據(jù)驅動不是一切，大數(shù)據(jù)、人工智能開啟了認識整體聯(lián)系，認識不確定性，認識非固定模式等問題的大門。我們應該圍繞企業(yè)的理念和目標去收集、處理數(shù)據(jù)。嘗試去深刻地理解數(shù)據(jù)的一些基本理念等。
尊敬的各位領導，非常榮幸有機會能夠參加論壇，我本人到江蘇來過很多次，江蘇的產業(yè)發(fā)展給我留下了深刻的印象。不光是南京，蘇錫常還有包括其他的城市，經(jīng)濟活躍、產業(yè)發(fā)展都給我留下了很深的印象。
我今天的話題是結合會議主題說說我的看法，我現(xiàn)在要說明的一點是什么呢？我其實不懂數(shù)據(jù)科學，數(shù)據(jù)科學并不是我的專業(yè)，但很多年來我都很關心數(shù)據(jù)科學的發(fā)展。像以前制造業(yè)信息化，數(shù)字化制造。今天我們講智能制造，這是我所關心的，我說說我的看法，不對的地方大家批評。
其實幾年前奧巴馬和美國國會提交的一份報告里談到：科技不只是在取代組裝流水線上的工作，而是在影響任何可以被自動化的工作。即傳統(tǒng)的自動化替代的是人的體力，但未來不一樣，簡單地講是指人的腦力。
最近大眾的CEO說：不遠的將來汽車將成為一個軟件產品，大眾也會成為一家軟件驅動的公司。我們很多人聽到后都會感到不解，汽車是一個硬梆梆的產品，怎么會是一個軟件產品呢？我認為這句話有兩層意思，一是指汽車未來所應用的軟件產品會越來越多，尤其是自動駕駛，無人駕駛汽車。
二是指影響未來汽車競爭力的主要因素是軟件，而不是硬件。我們現(xiàn)在有個話題是“軟件定義世界，數(shù)據(jù)驅動未來”，二者是緊緊聯(lián)系在一起的。有人講未來世界，我就說數(shù)據(jù)世界或者軟件，與其相關的大量問題都是處理數(shù)據(jù)。正如剛才說的汽車是一個軟件產品，由于有軟件產品很多都是和數(shù)據(jù)緊密聯(lián)系在一起的，汽車就會和智慧城市里的很多數(shù)據(jù)關聯(lián)在一起。
下面我將會說三個話題，首先我們從自動化說起，之后會介紹理念的數(shù)據(jù)，最后會說明數(shù)據(jù)的理念。
傳統(tǒng)自動化是替代人的體力的，我們現(xiàn)在比較完善的自動化可以處理一些結構化的、固定模式的、確定性的問題。目前少數(shù)非結構化的問題無法通過自動化處理。未來的自動化不僅包括目前已經(jīng)完善的自動化，還會像奧巴馬所說的替代一切的自動化。
人的腦力包含很多東西，實際上它是非結構化的，沒有固定模式，是一個不確定性的問題。這些問題的處理我們以前沒有什么好的手段。實際上，這些問題需要認知自動化來處理。智能自動是另外一種自動化替代人的腦力的技術。所以替代腦力這個數(shù)字智能時代的自動化替代腦力，我們講它超越固定的模式，有些問題沒有固定的模式，例如，一個車間里節(jié)能的問題并不是一臺設備上節(jié)能的問題，它沒有一個固定的模式，你沒有辦法用一個模型去表達，車間節(jié)能的設備沒法創(chuàng)建一個模型，此時我們可能就需要用超越模型來處理。
當然，有時候我們可以通過數(shù)據(jù)去發(fā)現(xiàn)模型，參數(shù)化模型等。我們需要超越確定性的問題，從而有辦法處理不確定性的問題。
工業(yè)中最重要的是制造，不管是設計效率、質量、成本、綠色等，所有這些問題實際上都存在著大量不確定性，如果我們想清晰地認識，乃至駕馭企業(yè)活動那么認識這個企業(yè)的整體聯(lián)系就會非常重要。
另外，非固定模式不確定性的問題是以前對我們來講比較困擾的問題，系統(tǒng)到底有多少是相關聯(lián)的？例如，我們人就是一個很復雜的系統(tǒng)，到底人有多少因素相互關聯(lián)，怎么關聯(lián)？因此，大數(shù)據(jù)、人工智能等的出現(xiàn)就像開啟了一扇大門，有可能促使我們去認識整體聯(lián)系、非結構化的問題、不確定性的問題等等。
我們可以想想中國的傳統(tǒng)文化。中國古代的金木水火土，的確不能說它是科學的。但我們古人的這種認識還是有一定的合理性的，它強調了整體的聯(lián)系。西醫(yī)常常是“頭疼醫(yī)頭，腳疼醫(yī)腳”，但中醫(yī)是聯(lián)系整體來看的，即頭疼是由于腳上的某個穴位引起的，只是我們現(xiàn)在無法從解剖學的角度去認識它。我曾經(jīng)腰痛到臥床的地步，后來通過針灸就好了。
所以對于一個復雜系統(tǒng)來講，其整體的聯(lián)系是非常重要的。我們強調中國文化里大系統(tǒng)觀整體聯(lián)系，它是有合理解釋的，只是以前的現(xiàn)代科學缺乏技術去認識它。我們古人是通過經(jīng)驗、感悟去互聯(lián)的。但現(xiàn)在我們不能通過經(jīng)驗感悟去處理很多問題，只能通過數(shù)據(jù)科學、人工智能技術等去認識這些整體聯(lián)系，不確定性的問題等等。
要認識整體聯(lián)系或控制一些非固定模式，不確定性問題的基礎是數(shù)據(jù)，但有數(shù)據(jù)就要互聯(lián)。我們需要人工智能技術去決策控制一些非模式、不確定性的問題，而且人工智能技術也是以數(shù)據(jù)為基礎。
因此有了第三次數(shù)字化浪潮，早期的數(shù)據(jù)驅動過程，比如我們在企業(yè)里的數(shù)控機床加工過程就是數(shù)據(jù)驅動的。在數(shù)據(jù)驅動相關的一些問題中，現(xiàn)在我們強調數(shù)據(jù)驅動企業(yè)，我們講數(shù)據(jù)化、智能制造，數(shù)據(jù)驅動，這是我覺得我們從事數(shù)據(jù)科學的人需要要關注的。當然未來將會涉及到更多的關鍵技術，包括人工智能、5G、區(qū)塊鏈等等。
所謂理念的數(shù)據(jù)，就是圍繞企業(yè)的理念去收集處理數(shù)據(jù)。例如，像海爾這樣的現(xiàn)代企業(yè)的基本理念就是“以客戶為中心”，因此，海爾創(chuàng)建了一個工業(yè)互聯(lián)網(wǎng)平臺，收集了大量的客戶數(shù)據(jù)，從而能夠在產品開發(fā)階段通過客戶數(shù)據(jù)把用戶的碎片化需求進行集成，與用戶交互，實現(xiàn)“以客戶為中心”的目標。顯然，圍繞企業(yè)“以客戶為中心”的理念集成數(shù)據(jù)是非常重要。
所以海爾的研發(fā)模式與傳統(tǒng)的瀑布式模式不同。瀑布式模式是通過市場調查進行需求分析，之后研發(fā)產品；即是先有產品再有客戶。而海爾的研發(fā)模式是在產品開發(fā)的過程中通過網(wǎng)絡，即互聯(lián)網(wǎng)平臺與用戶迭代、交互，根據(jù)客戶的需求生產產品；既是先有用戶再有產品。因此，理念的數(shù)據(jù)引起了研發(fā)模式的顛覆。
再如，“綠色”也是現(xiàn)代企業(yè)的一個重要的理念。“綠色”不光是指沒有污染，也指資源消耗少。雖然美國的用電很便宜，但DeepMind谷歌數(shù)據(jù)中心的耗電量很大。后來通過改進DeepMind把耗電降低了15%，且實現(xiàn)了設備投資的收回。事實上，他們通過數(shù)據(jù)中心幾千個傳感器去收集溫度、電量、耗電量等設備及建筑物的結構（不同數(shù)據(jù)中心建筑物的結構都不一樣）數(shù)據(jù)，之后對數(shù)據(jù)進行深度學習等處理實現(xiàn)節(jié)能效果。顯然，該例中數(shù)據(jù)收集的標準即為節(jié)能的理念、綠色的理念。因此，類似這類問題是完全沒有固定模式的，我們不可能通過創(chuàng)建模型來解決。
這樣的技術也可以被用在其他方面。如減少半導體生產，半導體耗水很厲害；幫助企業(yè)提高生產效率等。同樣我們國內也有應用很好的例子，例如酒鋼鋼鐵企業(yè)為了節(jié)能減排，在高樓上面安裝了很多傳感器，效果非常好，平均提高勞動生產力5%，降低純鐵成本15元，預期在全行業(yè)推廣后，直接經(jīng)濟效益70億元/年。
接下來介紹數(shù)據(jù)的理念，首先數(shù)據(jù)里面實際上隱含著另外一種存在，以尿布和啤酒為例，雖然超市專家以前沒有意識到，但尿布和啤酒銷售存在關聯(lián)。我們很多觀點消失在人們的眼睛中，人們看不到，也淹沒在人們的模糊感覺中。
我們有時候可以在相似中發(fā)現(xiàn)一些顯著的差異，例如Lexus通過Twitter大數(shù)據(jù)分析，從倫敦奧運會冠軍中篩選廣告代言人。無論邀請姚明還是劉翔都具有相似性，他們都是體育明星，但他們還是有差異的，就需要通過數(shù)據(jù)去分析了解。另外，我們可以在巨大的差異之間發(fā)現(xiàn)相似的規(guī)律，例如，AlphaGo在所有的圍棋對局中，每一個人哪怕是同一個選手，每次對局都很不一樣，所以就要從很多的差異中尋找相似的規(guī)律，得到新的認識。
對于企業(yè)來說，以財務信息和業(yè)務信息的融合為例。實際上，很多企業(yè)的財務信息和業(yè)務信息并沒有很好地融合，就車間里一些具體設計業(yè)務的工藝來說，生產上方方面面的信息并沒有真正地被財務信息所利用，但實際上這個業(yè)務流程是和財務信息相關的。我們沒有精細的數(shù)據(jù)收集，所以傳統(tǒng)的信息和業(yè)務信息相互獨立。因此如何從大量的信息中進行挖掘，進行成本控制是非常有意義的工作。
其次，隱處的另外一種存在淹沒在人的自以為是中，AlphaGo這是臭棋，實際上AlphaGo對圍棋有新的認識，這是人類沒有認識到的。有的緊閉地存在深處，有超越人的智慧，特別的思維過程。所以我認為數(shù)據(jù)其實是“非人類思維”的種子。像AlphaGo有非人類的思維，人類以前沒意識到一樣，數(shù)據(jù)是“非人類思維”的種子，我們如何從數(shù)據(jù)到信息，到智能，再到非人類思維。這對我們認識自動化是非常重要的。
我們要超越人的感知，例如，我?guī)讉€月前去臺灣一個很普通的大學參觀，其中的一個教授說：控制磨床進刀，老師傅通過聽模具的聲音可以判別出其質量如何，或者應該如何去控制。然而，他們通過測量噪聲，噪聲要測量很容易，測量電流的變化，把數(shù)據(jù)收集起來和質量等進行深度學習。結果顯示數(shù)據(jù)分析之后的磨床進刀控制要比人的感知好得多。
剛才所說的AlphaGo實際上就是非人類思維。最可怕的不是人類，是非人類思維。在很多情況下，計算機系統(tǒng)，人工智能系統(tǒng)可能比我們的看法或感知更加細致入微。
以我的一個計算機繪畫作品為例，它實際上是根據(jù)我們拍的樹林的照片畫出的作品。我們人作畫的時候，有的地方透著光，有的地方有陰影；但計算機繪畫實際上是計算機對照片的分析，它更加的細致入微，用一種夸張的手法表現(xiàn)了出來。這說明了計算機或者人工智能系統(tǒng)比人的感知更加細致入微。
另外，關于數(shù)據(jù)的理念，我們需要重視數(shù)據(jù)收集常常需要跨系統(tǒng)、跨領域、跨媒體的，某一個問題的表征并不一定集中在某一個特定的系統(tǒng)數(shù)據(jù)之中。例如美國大選時特朗普當選很意外，美國主流媒體認為特朗普不可能當選。如果跨媒體收集數(shù)據(jù)，絕對不會得出特朗普敗選的結論。因為人們只關注了主流媒體，沒有看民間媒體，所以才會感到意外。再如我們要判斷經(jīng)濟趨勢，判斷選民的意向，光看報紙是不行的，還需要我們去跨系統(tǒng)，跨媒體了解相關信息。
我們車間的質量問題不一定只和設備、工具、工人有關系，還會涉及到供應商、環(huán)境、氣候，甚至是某一特定的時期，社會上的特定活動等。就以正在舉行的世界杯為例，車間的質量說不定與這些比賽有關。跨媒體也是一個很重要的方面，收集不同媒體的數(shù)據(jù)，例如facebook，微信，中央電視臺等。這些媒體都傳遞了很多數(shù)據(jù)，而且這些數(shù)據(jù)可以從一定的程度上反映經(jīng)濟問題，經(jīng)濟趨勢等。
之后，我們介紹數(shù)據(jù)的工作理念，在企業(yè)中，我們常說業(yè)務數(shù)據(jù)化、數(shù)據(jù)業(yè)務化。所謂業(yè)務數(shù)據(jù)化，即企業(yè)里每一項工作，每一個活動，每一項業(yè)務都要數(shù)據(jù)化。我們企業(yè)遠遠沒有達到業(yè)務數(shù)據(jù)化。所謂叫數(shù)據(jù)業(yè)務化，即指數(shù)據(jù)工作是由專門的業(yè)務部門來處理。目前政府部門已有專門的部門來處理數(shù)據(jù)，如大數(shù)據(jù)局。但是在企業(yè)中，我們所有計算機中心或信息中心和數(shù)據(jù)中心是不同的。專門處理企業(yè)數(shù)據(jù)收集的范圍，數(shù)據(jù)傳送的標準等和數(shù)據(jù)相關的部門才是數(shù)據(jù)中心。
還有大家熟悉的數(shù)字雙胞胎的理念，在企業(yè)里現(xiàn)在非常強的。在企業(yè)中，數(shù)據(jù)驅動強調的是無數(shù)的流動。企業(yè)數(shù)據(jù)驅動包括在流水線上的。例如，德國巴斯夫企業(yè)生產的洗發(fā)水、液體肥皂是可以根據(jù)香味和顏色等喜好定制的，而且定制過程是根據(jù)記錄了數(shù)據(jù)的芯片實現(xiàn)的，體現(xiàn)了數(shù)據(jù)驅動。而雙胞胎強調的是數(shù)據(jù)從一個程序無縫流到另一個程序的過程。
最后，需要注意的是，不要指望一切都在預測和控制之中。近幾年有專家說：大數(shù)據(jù)、人工智能計劃經(jīng)濟成為可能，馬云也有這樣的觀點，認為什么都可以掌握，但我覺得這是不可能的。人是有自由意志的，你發(fā)布了什么計劃，你一定要我種花生，那我想種別的東西，假如說我是一個農民的話，除非你規(guī)定任何你只能夠生產什么、工作什么，這個是不可能的事情。如果說你有一些預測，而我因為你的預測馬上做出改變。顯然，經(jīng)過改變，原來的東西實際上已經(jīng)發(fā)生了變化。因此，很多個體行為是無法預測的，但對一個群體來說，預測又是可能的，因為群體之內的自由意志可能相互平衡抵消。但我們認為一切都在掌控之中、控制之中是不大可能的。
另外不能迷信數(shù)字與智能技術，數(shù)字與智能技術依然存在漏洞。更復雜的社會，也意味著更復雜的糾錯機制、更高昂的糾錯成本。正如墨菲定律所說，“如果事情有變壞的可能，不管這種可能性有多小，它總會發(fā)生。”我相信這句話還是有一定道理的。
總之，數(shù)據(jù)驅動不是一切，大數(shù)據(jù)、人工智能開啟了認識整體聯(lián)系，認識不確定性，認識非固定模式等問題的大門。我們應該圍繞企業(yè)的理念和目標去收集、處理數(shù)據(jù)。嘗試去深刻地理解數(shù)據(jù)的一些基本理念等。
