top of page

数据网络效应

Updated: Apr 28

最近收到國內的約稿,希望筆者淺談一下數據要素在數字化轉型的作用,首先要理解數字化與數據化之間的關係,最初數字化為人類帶來的機遇,來自訊息從產生到成為知識過程的革新,因為被數字化後,資訊更能快速傳遞;儲存容量激增變得極為方便,甚至搜尋資訊的成本也得以大幅度降低,這些能力都有助鼓勵創新。

筆者想用互聯網的發展作為例子,記得互聯網剛開始的頭十年,作為互聯網的老兵,我對此特別感受深刻,大量線下的存量資訊被數字化,此時的數字化(Digitization)所指的是資訊被轉化成數碼格式並放到互聯網(online)後,於是人類第一次嘗到足不出戶能知天下事的便利。隨着訊息量不斷增加並衝破了臨界點,大量用戶及企業開始察覺到數字化(第一階段)的力量,初次體會到充分利用高度流通資訊的好處,無形中決策的能力得到提升。

隨着互聯網吸引了大量用戶及資訊,自然地推動資訊產品的快速開發,包括門戶網站、搜尋引擎、通訊工具、電子商務和網絡遊戲等,於是大量用戶的行為數據正式搬到線上,成為日後大數據的重要組成部分。這次的數字化(第二階段:Digitalization)牽引了改變人類生活方式數字化應用的面世,讓數字化變得更普惠及簡單便捷,這個階段的數字化不單是資訊獲取,而是蓄發了一種嶄新的數字經濟動力。

如前所述互聯網的發展積累海量資訊,不僅是內容的紀錄,在智慧終端出現後(包括智慧手機等),使用者在獲取資訊或應用時,準確的位置及行為數據都被收集,這些用戶關聯資料正是互聯網巨企們能快速成長的生產要素,從業務分析到產品管理、用戶功能出發及體驗測試、風險管控都無不直接或間接使用數據作為依據。在這次數字化的第三個階段,數據要素與數字應用場景的增長速度是層層遞進的關係。

以上的現象正合乎最近學者提出「數據網絡效應」(Data Network Effects)的說法,每當用戶使用一個數字產品的同時,就會獲得收集數據的機會,有了更多數據之後,就能擁有敏銳的洞察能力,從而開發優良的產品,於是又會吸引更多用戶,雪球愈滾愈大,周而復始。這樣的一個資料資源與數位應用的正循環操作,表達出資料作為生產要素的核心競爭優勢,但別以為傳統企業不存在數據網絡效應,僅因為傳統企業的數字化程度較低而削弱數據的作用而已。下次接着會再說數字化的第四階段。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page