凯文·凯利：每个人都是一个密码，一切都可被跟踪

诸葛君说：近日，凯文·凯利在博鳌亚洲论坛2018年年会的主题为“智慧的价值”的数字经济分论坛中发表主题演讲——“Best Time Ever”，探索数字经济对人类生产生活、社会经济等各方面的影响，总结了五大趋势：人工智能（AI）、互动（Interaction）、分享（Connection）、接入（Access）、跟踪（Tracking），而这一切都是以数字资产为核心前提的，那么我们该如何更好的拥抱新技术，培养对数据的正确认知和解读能力呢？如何在业务中发挥数据的最大价值呢？ 一、每个人都是一个密码 数字经济是传递和体现人类智慧价值和人类行为价值的新经济体系，以数字资产为核心表现形式，主要是用区块链、人工智能、物联网、机器人四项技术，实现全球范围的人类协作，助推人类命运共同体的形成。 当前，在数字经济讨论的话题中，新经济体和新技术的关系尤为重要。在以云计算、大数据、物联网、人工智能为代表的新技术集中爆发期，每一项技术会解决某类问题，而技术集中爆发和融汇发展，将形成人类社会未来发展的基石，驱动人类经济转型。 人工智能、云计算、远程控制等技术是人类智能的延伸，解决”我们怎么做”的问题；物联网实现了人类与整个世界的数据化沟通，解决”机器知道怎么做”的问题；机器人实现了人类具体行为的无限延伸，解决”具体如何操作”的问题。而最近爆发的区块链则构建价值信任传递体系，实现解决”我们做什么”的问题。 对于人类未来发展趋势有极强洞察力的未来学家凯文·凯利（KK），作为”网络文化”（Cyberculture）的发言人和观察者，他认为，未来人类数字经济将由机器人、VR、人工智能、物联网、区块链等新技术驱动，人类将与机器携手建设未来社会，逐步实现”使用权优于拥有权”的真正的共享经济。 此外，随着传感器和AI技术的发展，信息跟踪将更加容易，Screens watch you，从原来的读取界面到现在的交互界面，未来将成为跟踪界面，此外，个人数据将会持续量化，未来，每个人都是一个密码，一切都可被跟踪，比如在健康领域，个人信息将被全面采集和记录，并实现在卫生健康服务的互动。 二、数据解读能力是分析的关键点 技术的边界正在变得模糊，无论是人工智能还是大数据，乃至云计算，都要求数据中心构建一个更加灵活和强健的环境，数据的采集、挖掘和解读能力正是这一切新技术的基础设施建设。 如今，数据对我们的影响越来越大，尤瓦尔·赫拉利曾在《未来简史》一书中提出过一个革命性的观点：人类的进程是由算法来决定的，在未来，人类的生化算法将被外部算法超越，人的作用将大大降低，因为外部算法理论上有可能比我更了解我自己，如果能用某个算法，监视组成身体和大脑的每个子系统，就能清楚掌握我是谁、我有什么感觉、我想要什么。貌似，只要开发出这样的算法，算法就能做出最好的选择。 虽然我们无从判断“人类被算法的命运”究竟是好是坏，但是拥抱变化和趋势，主动解读数据或许是让我们获得更多“胜算”的选择。作为产品和运营，即使拥有算法和模型，你可能也并不想让度“业务”的决策权，因为只有人，才是最清楚业务运作的各个方面的，也最清楚策略发起的原因和相关点，那么，就现阶段数据分析的技术而言，产品和运营最核心的价值就是数据解读能力，很多人迷恋模型算法，其实这些都只是技术层面的事，围绕业务现状将模型算法展示出来的数据，做出正确的解读才是最重要的，但与此同时，我们也需要在这个全新的融合世界中保护个人隐私和安全。 三、数据分析的难点与边界 1、准确客观的监控取决于指标设计的科学性 想要对业务状态进行准确的衡量，需要在指标设计上下功夫，不能直接套用别人的指标，因为每个指标都是需要明确反映业务问题的，这在本质上是需要设计的，比如：在真正衡量获客效果时，新增用户数往往是给别人看的，但是在日常运营中，这一指标是没有意义的。 该如何科学的衡量呢？我们可以通过行为筛选出真正有效的用户，以资讯类产品为例，要考察真正获客情况时，我们要定义一个有效新增用户的指标，通过用户新增当天是否看过文章来判断这个用户是否有效，同时定义一个有效新增用户占新增用户总数的比例，来衡量不同渠道的价值。 2、相关性结论有用，但难以解读需求的因果 在分析时通常会得出一些结论，比如之前我们分析过的一个案例：直播产品付费转化率的关键点，点我回顾，经数据分析发现：用户与主播的互动会显著提升充值转化，但是只能尽可能证明其先后顺序，但是无法给出定性分析说这是因果关系，这是数据行业的一个特点，但由于大家对数据分析的预期越来越高，希望可以定义出因果关系，但这是数据分析本身的一个边界，因为它只能做衡量，很难定义出因果关系。 3、算法可以直接解决问题，但难以提炼可持续的价值 通过模型/算法可快速找到高风险人群/潜在高价值人群并对其进行一对一的运营，从而提高留存，但是算法很难提炼出到底是哪些因素导致这群人流失，很难找到提升留存的关键点，同样，这也是数据分析的边界。 因此，不要奢望数据告诉你价值点在哪？或者直接找到其中的因果关系，事实上，相关性就足以让我们产生极大地价值了，把握正确的对数据分析的期望值，对于平衡效率和效果是非常重要的。这也是我们一再强调行为设计的原因所在，最终还是需要通过产品和运营手段来影响用户的，分析不是万能的，是需要最后转化成一些策略的，才能真正实现增长。 AlphaGo连续战胜李世石和柯洁，让全世界见识到了人工智能的神奇与强大，人工智能的浪潮便席卷开来，专家预测，未来AI的发展或将无限接近人类的关键点是Self-Modifying，它们可以根据自我认知进行调节来修改自己的代码，也就是所谓的，拥有了「人性」，因此这就要求我们始终one step further，始终比AI更聪明， 否则就是不可避免的AI“自我觉醒”（就像科幻小说中描述的那样集结起来对抗人类）。不管怎样，AI的发展要么完全取代人类，要么成为人类的好帮手，而人机合作或许才是未来的主流，即找到大脑与人工智能最大的合作方案，不仅仅单纯依靠机器算法，而是我们主动解读数据，正确认识到数据的边界和能力。   -八大数据分析模型- 八大数据分析模型之——用户模型（一） 八大数据分析模型之——事件模型（二） 八大数据分析模型之——漏斗分析模型（三） 八大数据分析模型之——热图分析模型（四） 八大数据分析模型之——自定义留存分析模型（五） PS：要了解更多数据分析具体的技巧、方法论及实战案例，点我领取 诸葛io，你身边的数据驱动教练 欢迎添加微信：zhugeio2016一起探讨交流

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/