从《三体》的降维打击，到数字化转型的数据升维

在《三体2》开篇中，刘慈欣用了一只蚂蚁的视角来描绘人类的世界。但夏虫不可语冰，受限于生物体结构，二维空间中的蚂蚁就算爬遍了杨东的碑文也无法理解其中的意义。这样一段长篇幅的铺垫和陈述，映射的正是三体人与人类的关系——在高维的三体人眼中，人类也不过是“虫子”而已。

事实上，关于维度的情节在《三体》三部曲中还有很多，比如三体舰队建造智子时遭遇的降维攻击、歌者对太阳系发动的二维化打击；再比如在战争中使用四维空间碎片取得敌人大脑、利用四维空间破坏水滴结构等等。在小说中，维度战争给读者留下了深刻的印象，而在小说之外，“降维打击”还被总结为一套成熟理论，成为许多创业者信奉的准则——即用先进的商业模式去攻击落后的商业模式，从蛮荒之处发掘新的机遇。

在商业变革中，这种“降维打击”实际上就是数字化转型的过程。如何先人一步，通过“技术升维”抢占先机，成为了关键问题。技术能够赋予企业前所未有的运营效率和创新的巨大空间，而企业要获得敏锐嗅觉和洞察能力，数据则是基础。数据已经被视为当今时代新的生产资料，没有数据，机器学习、深度学习和人工智能等技术也无的放矢。

“具体来说，通过高阶算法对数据进行升维，抽取海量数据中的特征并描述出来，进而重构一个新的商业世界。这就是数字化转型的核心。”在日前接受至顶网采访时，天云大数据CEO雷涛抛出了这样一个观点。

也就是说，在实施“降维打击”策略前，首先要进行“升维”的准备工作，否则你的思考方式依旧是“低阶”的。而辅助人类去完成这一工作的，正是机器。“在多维的数据链条中，人类也像是蚂蚁，我们的视角和大脑抽象能力非常有限，而通过算法，就可以把复杂的问题通过长程的推演描述出来，进行量化表述。这实际上也是从BI向AI升级的过程。”雷涛表示。

目前，国内许多企业用的BI系统很多还只是一个报表中心分析系统，而不是一个真正的数据驱动系统。相对于AI来说，这样的BI是没有闭环的。

用一个形象的比喻说明：这就像是电影《摩登时代》中卓别林扮演的生产线工人，在他眼中唯一的工作就是拧螺丝，并不知道生产线的终端产生了什么。在国内，许多决策者会通过静态的报表来进行业务分析和决策，但往往要在比较长的一段时间后才能从市场反馈中印证其决策正确与否，不仅反应迟缓，同时，非动态分析的方式也使得最终的分析结果很难被反馈回系统中进行反复的推演，无法形成闭环。

根据对数据应用程度的不同，雷涛认为，企业的数字化转型可以划分为四个阶段：第一，借助BI工具进行报表分析，它回答的是“发生了什么”的问题；第二，创建企业的数据仓库，为企业决策制定、业务流程改进、成本控制、质量监测等提供所有类型数据支持，它回答的是“为什么会发生”的问题；第三，利用机器学习、深度学习模型进行业务“演练”和预测，它回答的是“会发生什么”的问题；第四，通过“数据+算力+算法”的AI平台将预测的结果反馈回系统中形成闭环信息流，对业务模式进行干预和优化，它回答的是“最好发生什么”的问题。

天云大数据CEO 雷涛

“简单来说，出租车公司使用数字大屏的交通反馈结果做调度实际上还是BI，而滴滴打车通过动态规划算法每天完成超过400亿条路径的申请和规划，使用的就是AI。”雷涛表示，“BI是insight，AI是action，BI向AI的升级过程事实上也是企业从流程驱动到数据驱动转变的商业重构的过程。”

在过去流程驱动的模式下，企业往往会从行业经验和规则中总结出“最佳实践”作为标杆，而在数据驱动的模式中，其知识构造则由算法从数据中提炼而来，可以用更丰富的特征表达能力把人类没法抽象的复杂事物量化出来，不再受限于人类的大脑。这意味着，我们可以定义更多以前无法定义的“最佳实践”，创造出新的商业模式。

从目前来看，数字化的先行者中，有很大一部分是过去信息化基础比较好的行业，比如金融、运营商等等。因为基于完善的数字化前提，在其日常运营的背后，往往会产生大量的流程副产品数据，这些数据自然成为这些行业转型的驱动力。

以金融行业为例，基于其自身庞大的数据资源和天云大数据AI平台的算力基础，天云大数据正在帮助许多金融机构通过面向“答案”的AI方法论构建其中不确定的过程。比如，某证券机构利用深度学习算法，在短短数周内即提高了异常交易账户识别准确率，确认多起违规事项，涉及资产逾6亿。“形象地说，当我们输入黑白落子，输出的是输赢，中间的不确定过程用神经网络表达出来，而当我们输入大量消费者的行为数据与资金交易的结果数据，中间得到的是反欺诈风险评估的模型。

除此之外，AI方法的引入也给许多过去在IT投入并不大的行业带来了新的机会，比如能源、生物制药等等。与金融、运营商不同，他们的数据来自于“机器”的生产，这里的“机器”包括大量的传感器、智能设备、医疗仪器等无处不在的设备。

在这方面，我们以能源行业为例，在经历了十几年智能油田的布局之后，能源行业中拥有了大量的物联网传感器，实时记录着地面、地下机器的油压、温度、工况等高维度、高密度、高时效性的数据。然而，过去在BI面前，许多机器数据都是没有明确商业价值的，因此很难被人工所理解和利用，而在算法面前，所有数据都可以被解读，其价值也得到了最大化。我们甚至可以通过数据的分析和预测了解地底下的情况，而不需要真正把设备送到地下。

在以上如此种种的行业变革背后，事实上最先发生的是信息产业本身的变革。雷涛强调说，“过去，我们往往是在一套IT软件中输入数据然后输出分析结果，现在反过来，我们只需要提供输入和输出数据，AI就可以帮助我们构建中间过程，即传统意义上需要编写的软件。”

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!