古希腊时期，有一天，步行中的毕达哥拉斯被铁匠打铁的声音所吸引，他发现打铁的节奏很有规律，并用数学的方式表达出来。这便是日后在美学领域广泛应用的黄金分割率。
比起与艺术的美妙融合，数学在商业里的应用便高深了很多。在水滴产品进化营近期的分享活动上，一段以“数据中的商机”为主题演讲，明略数据、秒针系统创始人兼董事长吴明辉用数学原理解读了时下热门的大数据、AI价值。这种新奇的方法论让皓哥叹为观止，有必要精选主要观点分享给大家。
一、数学帮助人类理解世界
数学是一种理解世界的思维工具，能够帮助人类找到更好的商业模式。而融合其思想的数据，则在数学与商业之间架起了直通桥梁。
数据的本质是利用数学记录、理解世界。
时间与空间是宇宙的两个维度。为了认识宇宙，人类应用数学推演，经过长期观察积累了大量数据，免去再次观测的过程，进而发展出复杂的理论用以理解世界。例如，通过合理观察、计量日月星辰的运行数据，人类得以制定出历法，了解昼夜交替、四季轮回。
这些数据的积累，又为后世的研究提供了素材。商业作为世界的一个分支，也因连年累月的数据积累，更现真容。
如何用数学公式来理解数据产品所创造的价值，吴明辉提出了一个非常有价值的计算公式：
数据产品价值 = 决策者提前了解变化所节省的成本和新增的价值 - 替代成本。
正如前百度产品副总裁俞军的产品价值公式（产品价值 = 新体验– 旧体验– 替换成本）一样，决策者在使用数据产品过程中，以数据化的形式来提高决策效率，降低决策成本，同时基于更精准的数据，使决策更明智，从而带来新的增量价值，而整个数据化的决策方式操作门槛极低，即替代成本很低。尽管抽象，但这个公式已成为优化数据产品价值的方法论。
举个例子，在数字广告业务中，相比传统费时费力的收视率抽样调查，以秒针系统为代表的大数据营销服务商，只需通过向客户提供以目标受众为核心的广告监测数据，便能助其实现精准营销，放大客户的受益。这种便捷高效的服务体验，自然使秒针产生巨大的产品价值。
“数据商业化三要素的变化”会带来数据生意的机会。
吴明辉认为，数据商业化由三要素构成，分别是数据源、人及数据应用场景。没有庞大、持续的数据源、依托数据决策的用户群体和依赖数据运行的应用场景，数据商业化将难以有效落地。只有当某个产业中，这三者之间的一个要素、两个要素甚至三个要素都发生了重大变化，才会涌现创新机遇。
而只有根据三要素的变化，做出产品创新，才有市场竞争力。
例如，在PC互联网时代，信息分发已经为传统门户网站、搜索引擎所把持，后来者机会渺茫。而移动互联网时代，随着数据源采集方式的变更以及数据在资讯领域的广泛应用，今日头条得以凭借算法推荐，成为信息流领域的新巨无霸。
二、明略：数学原理的商业化落地
原油经过技术加工，才具备使用价值。数据也是如此，其价值源自数据产品引发的后续行为的价值。接下来，吴明辉以自己的创业经历，试图解读数学原理转化为数据后的商业化路径。
明略数据是一家提供支持分析决策的行业人工智能解决方案提供商，其核心产品行业人工智能大脑明智系统，致力于让企业中的每一位员工都拥有一个AI军师：基于知识图谱数据库蜂巢完成行业知识存储，再通过简单好用的企业级Siri小明完成人机交互，以对话的形式降低人工智能产品使用难度，高效提供业务支持。成立不到4年时间，明略已为省、市级公安局、交通银行、中国人民银行、光大银行、中国中车等行业标杆客户解决了不少实际问题，提高每一位相关行业领域工作人员的工作效率。
究其发展路径，正是暗合数据产品价值公式。
数据产品价值 = 决策者提前了解变化所节省的成本和新增的价值 - 替代成本。
决策者提前了解变化所节省的成本和新增的价值：明略数据自主研发的大数据图谱联机分析产品 SCOPA，为某市公安局搭建警务大数据情报综合研判平台，编织公安情报知识图谱，将某市公安局的所有的人、车、电、网、像等业务系统数据全部统一到同一个研判平台和界面上，帮助专家把原本可能需要几个小时、几天的研判过程压缩到5分钟以内轻松完成，利用大数据关联关系分析与挖掘解决信息不对称，大大降低用户为提前了解变化而产生的人力、物力等成本，提高了决策效率。
替代成本：客户的部署成本+培训成本。如果公安客户要自己做这一套综合研判平台，那么他们需要承担产品、技术的部署成本，以及人员培训成本。在替代成本不变的情况下，明略的产品和服务通过不断增加决策者提前了解变化所节省的成本和新增的价值来提高整个数据产品的价值。
同时，明略的产品和服务也是围绕数据商业化的三要素——数据源、人、数据应用场景的变化做产品创新，才有更大的市场竞争力。
数据源的变化—数据来源、数据质量的变化等。要把握数据源的变化，要么数据本身好，要么数据治理能力强。明略所服务的行业都存在海量多源异构数据，所以很难一次就获得优质数据，因此明略投入大量资源，结合行业知识和先进技术研发高效、高速、可配置的数据治理工具，形成革新行业现状的强大多源异构数据治理能力，对结构化、非结构化的数据，都能持续快速治理成行业知识图谱。
人的变化—决策者需求的变化。明略的客户主要是公安、金融、工业领域客户，除了产品、技术过硬，还需要懂行业、懂客户的需求，并能顺应需求变化来优化产品，明略的大数据科学家驻场服务，以及来自IBM、NEC等500强企业及一线互联网企业的团队让明略能及时把握“人”的变化。
场景的变化—信息不对称场景的变化。比如公安情报研判场景的关联关系挖掘与分析。以前，民警想要去通过数据锁定犯罪嫌疑人难度极高，民警至多可能需要人工调取几十甚至上百个系统的数据，然后再基于这些系统的数据，进行分析和整合。而明略通过大数据图谱联机分析产品SCOPA将这些数据全部关联起来，形成各专家研判模式经验，从而构建公安知识体系，形成一个决策系统（公安大脑），提高公安破案效率。
同时，明略把握住了关联分析的底层逻辑后，即使关联的“实体”变了，依然能提高行业关联分析的效率。
三、新视野，新世界
万能便是无能。即便大数据蕴含的机遇被举世看好，但我们仍需学会正确使用它。
数据商业化选择好的应用场景尤为关键，产业规模、数据丰富度以及可通过数据智能化实现效率提升的潜力，决定着产品的商业化前景。
以全球大数据龙头企业Palantir为例，其因利用大数据技术助美国抓获并击毙本拉登，以及协助美国证监局翻出麦道夫的庞氏骗局而闻名世界。Palantir的大数据产品，通过整合结构性数据库，并经机器学习判断后，用直观的可视化图表输出分析结果，从而帮助用户更高效决策。
据SharesPost估计，Palantir 2017年收入已达到6亿美元，预计其上市后市值或将超过600亿美元。而Palantir之所以能很好地商业化，离不开对应用场景的选择。
Palantir以情报分析起家，切入了市场体量巨大且痛点明显的国家安防领域，市场规模从近日其和五角大楼签订的价值近9亿美元的采购订单就可见一斑。
而在发展中，Palantir将业务逐步拓展到医疗、零售、生物科技、自然灾害救援、网络安全等多个领域，尤其在金融领域取得了重大突破。
可见，Palantir让其高精尖的黑科技有效地商业化落地，核心在于对国防和金融领域专注，这两大领域都具备了巨大产业规模、海量数据积累并且可通过大数据大幅提升行业效率的特点。
数据应用还需回归人本主义，用简单交互方式将专业认知赋能普通小白，降低使用门槛。
市场竞争日益激烈的今天，以“用户为中心”的人本主义思潮开始在各行各业涌现，而这样的经营思维也正逐步成为企业的核心竞争力之一。
台上一分钟，台下十年功。人们可能不会想到，苹果为了让iPhone使用率最高的部件——摄像头更完美，聘请了近1000名工程师进行研发。简单一个iPhone摄像头由200多个精密零部件组成；用户随手拍一张照片，就发生了240亿次高速运算。
苹果投入如此多的技术与资源，目的就是为了打造极致用户体验，让业余摄影者也能够轻松拍摄出优质照片。以小见大，相信正是对用户体验的极致追求，才让iPhone在竞争日趋激烈的智能机市场，保持绝对的优势地位。
同样，对于智能化数据应用而言，并非为了“炫技”，而是要真正帮助小白用户提升工作效率，最怕曲高众寡，成为少数专业人士的工具。唯有让智能化数据应用更加小白化，真正做到“以人为本”，让服务与产品围绕着人润物细无声，才能被广泛应用与普及，发挥其价值。
同理，明略推出的企业级Siri小明，也是为了解决人机交互难题，通过自然语言问答的形式降低人工智能产品的使用门槛，让没有计算机背景的警察、风控经理、地铁运营业主都能轻松使用，行业人工智能产品才能普及，提高行业的生产效率。
善用数据，建设数据的反馈闭环，加速迭代出最强AI，是最终形成数据产品“护城河”的关键。
100年前，石油是美国第一波工业革命中最核心资源。铁路大王范德比尔特垄断的就是石油运输，石油大亨洛克菲勒垄断了石油提炼。100多年后的今天，大数据俨然成为了虚拟的石油，谁垄断了大数据谁就拥有了互联网和人工智能时代的致胜砝码。
本质上，持续的大数据积累能进化决策系统，使之产生极强的复利效应，提升企业的竞争力。比如：Facebook积累的用户交互数据越多，谷歌积累的用户搜索数据越丰富，Netflix积累的用户观看视频数据越广，亚马逊积累的用户购买商品数据越海量，他们的AI算法模型效率就越高，产品体验也更优，从而能吸引更多用户使用产品，产生更多大数据，形成正向循环，并进一步加深护城河。
可见，善用大数据，建立持续反馈的闭环，迭代更优的系统决策模型，将使得企业在商业竞争中建立可持续的竞争力。
四、结语
毕达哥拉斯学派认为，数是万物的本原。面对深刻改造人类社会的大数据，主动探索本原，继而进化蜕变或许是当下更为可取的姿态。
文：钱皓，陈国国亦有贡献。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
