|第2章| 新经济现实：大数据分析的崛起
线上市场拥有的所有突出特性似乎在向我们传递这样一个信号：市 场竞争的加剧将改善民众的生活。那么，在其背后又是什么力量在驱动 呢？
在本章中，我们将检视自学习算法与大数据分析如何使线上购物平 台（如亚马逊）超越了实体店“巨头”（如沃尔玛百货有限公司），从而 拥有了更多竞争优势。当前，这种剑拔弩张的竞争压力正深刻改变着零 售业的经营模式。越来越多的大型实体零售商正难以避免地面临一个艰 难的适应期：要么无奈接受时下的惨淡业绩，要么做好准备迎接销售额 的继续萎缩。随着“大数据军备竞赛”与定价算法的广泛应用，线上购物 平台与实体商铺的界限也变得越来越模糊。
沃尔玛vs亚马逊
几年前，在说起超级市场时，人们脱口而出的恐怕是同一个名字： 沃尔玛。 1它的上游供货商都会承认一点——沃尔玛的力量非常强大， 即便是沃尔玛的采购经理也可以轻易地“成就或者毁掉你”。 在沃尔玛 疯狂扩张的时代，它给地区性商业带来的伤害不亚于一场地震。一旦沃 尔玛选择在某地驻店，当地的小型商铺往往只能缴械，贡献出自己的销 售额，而主街的繁华就此凋零。 3正如《商业周刊》（Business Week ） 在2003年刊登的一篇封面报道——《沃尔玛是否过于强大？》（Is WalMart Too Powerful? ）——所言，“当这个来自阿肯色州本顿维尔小镇的 商业巨人变得势不可当时，它所能搅动的巨大声浪将不可想象。小型零 售商铺、上游供货商、工会组织、社会活动家、文化与政治进步人士对 其态度更是五味杂陈”。 按照这篇报道的说法，如果有谁想要挫败沃尔 玛进军美国各大城市的扩张野心，那么这简直是要激化社会底层矛盾。
2016年1月，沃尔玛对外宣布将在全球关闭269家店铺，其中154家 在美国本土。 沃尔玛因何会业务收缩？显然威胁并非来自人们的口诛 笔伐，而是互联网电商的节节高歌击溃了它的扩张梦想。现如今，那些 习惯光顾沃尔玛的顾客在穿梭于一列列商品摆架时，会拿着手机搜索电 商的手机客户端，对相中的商品进行比价。 7不仅是在沃尔玛，别的实 体零售商也面临同样的境况。 面对电商对实体店的深度冲击，人们在 实体店内消费的概率正在不断下降。
为了在这场竞争中不致落败，当前沃尔玛正在努力搭建线上购物平 台，迫使自己尽快适应人们消费习惯的转变。就此，沃尔玛的目标是要 在实体商店与电子商务领域都能独占鳌头。 92015—2016年的两年间， 沃尔玛计划投入20亿美元的经费用于壮大其电子商务业务板块。而2014 年，这笔特定开支还仅仅只有7亿美元。 当沃尔玛开始走下神坛时， 又是谁取代了它的位置呢？答案无疑是亚马逊。根据一名华尔街投资分 析师在2015年做出的判断，“接下来的岁月里，沃尔玛再难具备那种能 与亚马逊一较高下的实力”。 2014年，沃尔玛的营业收入（4,860亿美 元）尚且是亚马逊（889亿美元）的五倍有余。但市场却对沃尔玛的骄 人成绩给出了截然不同的看法——仅过了半年，亚马逊的股票市值已令 前者黯然失色，两者之间的股票市值差距达到了700亿美元。 不仅如 此，亚马逊的销售额也在一路高歌猛进——从2010年的340亿美元， 2011年的480亿美元，2012年的610亿美元，2013年的740亿美元，2014 年的889亿美元，再到2015年的1,070亿美元。 亚马逊成为史上以最快 速度突破1,000亿美元销售大关的企业。
对已经掉队的沃尔玛来说，遗憾的是，它那为人称道的运营效率实 难为大数据分析与动态定价模型输血。为了说明这种动态定价模型的重 要性以及它们对市场竞争的影响，下面我们会对亚马逊的商业实践与实 体商铺的做法做出比较。
第一，亚马逊的产品分类与仓储规模要远大于实体商铺。如今，有 近百个门类、上百万种商品在亚马逊网站上销售。 2014年，亚马逊卖 出了20亿件商品。 而今，它所卖出的书籍总数远超任何一家实体书 店。在苹果公司因为与图书出版商合谋提高电子书价格而面临一起反托 拉斯诉讼时，这家公司发出了这样的抱怨：为什么我们就不能针对亚马 逊的定价策略做出点回击。 此外，2017年，亚马逊成为最大的线上服 装类商品零售商，就连Gap（盖璞）这样的美国国民品牌也在考虑将它 们的产品摆到亚马逊的超级货架上。Gap的CEO（首席执行官）曾对此 表态，“如果说我们不曾考虑与亚马逊合作，那才是一个错误”。
第二，随着零售商货架上的产品类别越来越丰富，手动调整价格的 方式也将变得越发困难。为了确定价格，人们需要处理海量的数据。如 果说有人选择手工操作，那么即便是给所有门店里的食品罐头更换价格 标签这种简单的行为，也将耗费一位工人数月的时间。然而，对亚马逊 而言，这些工作量根本不值一提。在过往的交易记录里，亚马逊积累了 数量相当可观的用户信息，它甚至可以随时根据市场行情与消费者偏好 调整网站上百万种产品的价格。此前，一起意外的价格飞涨曾将亚马 逊“高超”的定价算法暴露在了大众视野之中：由彼得·劳伦斯（Peter Lawrence）撰写的《苍蝇的成长》（The Making of a Fly ）在其价格高 点时曾标价23,698,655.93美元（还不包括3.99美元的运费）。抛开这 个特例不谈，亚马逊在调整商品价格方面的确相当主动，它有时甚至会 为了打击竞争对手而在一天之中两次调价。 当然，如果不是定价算法 的迅速反应，亚马逊很难及时将市场行情的变动反映到当前商品价格 中。拿酸奶冰激凌与冰沙机为例，根据CamelCamelCamel.com（一家专 门追踪亚马逊商品价格的比价网站）的统计，由这两样东西组成的商品 组合价格会在27.97 ~ 59.99美元浮动。 另外一些商品的价格浮动则更 加夸张，一支女士腕表价格甚至可能在几天的时间内在原价115美元的 基础上，直接打个对折。
第三，当亚马逊与其他电商将他们的定价策略推广到所有商品门类 时，不论对实体商铺，还是对各大电商来说，为了确保自己不在这一轮 营销竞赛中落败，它们都会竞相将定价算法技术纳入自己的信息技术支 持部门，而亚马逊在该领域的开拓可以被看成是“大数据军备竞赛”的缩 影。麦德罗纳风险投资集团的投资经理斯科特·雅各布森（Scott Jacobson）在一份分析报告中写道，“在我们当下这个时代，为了冲刺销 量，以亚马逊为首的电商正在对商品价格与用户体验进行实时的调整。 对那些仅在每周或每月才对价格进行重新审视的零售商来讲，他们根本 无法在这样的竞争环境下获得喘息之机。为了在业内守住一席之地，零 售商迫切需要为自己装备信息技术武器。计算机大师与他背 赛事、娱乐产业，定价算法早已统领了这些行业的线上市场。
第四，线上零售商无法单纯依靠开了一家网店而坐等销量暴涨。数 据，特别是掌握相当规模的数据才是成功的关键。这些线上平台公司会 收集大量涵盖人们生活方方面面的个人信息数据。这些数据就是价值所 在。对这些线上平台的操控者来说，具备控制并迅速分析这些个人数据 的能力将给他们带来显著的竞争优势。有一种说法，亚马逊售卖图书产 品的初衷就是收集那些生活富足、受教育程度较高的精英人士的个人信 息。 此外，通过不断地测试与研究，算法模型已经找到了在不同维度 的衡量标准下特定人群的消费模式。当前，亚马逊掌握的用户数据数量 要远远超过其他零售商的数据储备。海量的用户数据支持着亚马逊进行 各种营销实验，而它所能提供的商品的价格水平也将在动态调整中更加 贴合不同消费者的消费偏好。在可以预见的未来，线上商品价格调整的 频率将增加，而产品推荐页面也将改造成更好迎合不同消费者个人喜好 的个性化样式。至于价格优化，那更是不言而喻。
第五，随着计算机算法软件市场的蓬勃发展，亚马逊算法的竞争对 手已不再是实体店里手工调整价格的柜员，它们要超越的是其他同类型 定价算法。一家目前已获得两亿美元融资的电子商务网站Jet.com声称， 自己网站上商品的价格要比亚马逊还低10%~15%。 当整个行业的企 业都采用算法来确定商品售价时，通过不断学习，算法能更好地预测并 回应对方算法的行动。
为了能在竞争中战胜亚马逊的算法软件，Boomerang为它的零售商 客户提供了一个“价格动态优化软件”。从分析客户自身与竞争对手的销 售数据入手，这个软件使用了Boomerang独家拥有的专利算法。融合了 精妙博弈论与投资组合理论模型的专利算法正是Boomerang谋求致胜的 神秘武器，它可以在数据的支持下计算出客户想要了解的各种营销方案 的反馈结果。
第六，线上购物的一些缺陷正在得到改进。对部分消费者来说，他 们很享受那种在商场血拼后立即拿到“战利品”的购物体验。为了迎合这 类消费者的需求，线上卖家正在不断提升商品的发货效率。如果你交纳 一定年费成为亚马逊会员，那么就可以享受亚马逊Prime服务（包括免 邮与优先送达服务）。 倘若你还肯再额外多付运费，那么有些商品甚 至可以在下单后一两个小时内送达。得益于高效的物流链条，那些想 要节约采购时间的人们大可在网上购买生鲜食品。可以说，线上购物商 城已经可以满足我们日常生活的所有需求。 除了物流提速，有些电商 还选择开设实体店铺，以便更好地配合线上营销策略。
大数据与量化分析工具的崛起
从亚马逊的例子来看，市场份额的开拓离不开大数据与量化分析工 具的助力。虽然大数据的内涵广泛，但在这一节中，我们将聚焦个人信 息数据。按照OECD给出的定义，个人数据是指“与一个可确认身份的个 体有关的所有信息”。 一般说来，大数据的特点可以用“4V理论”概 括：数据的规模（volume），数据收集、运用、传播的速度 （velocity），聚合数据的多样性（variety），以及数据所蕴含的价值 （value）。
当量化分析成为趋势以后，大数据的价值正在放大。所谓量化分析 工具，指的是可以处理并分析海量信息的算法模型。随着机器学习 （machine learning）能力的精进，大数据在各个领域的表现越发出众。
近年来，用来辅助定价决策、贸易往来与物流管理系统的自学习算 法已取得了突破性研究进展。与此同时，行业领先的玩家仍在加大对人 工智能深度学习技术的研发资金投入。2014年研发人工智能的初创企业 募集到的资金已比前一年增加了两倍，其中数额较大的交易有Sentient Technologies公司1.04亿美元的C轮融资，由美国著名风投公司Formation 8与ABB Technology Ventures领投的Vicarious Systems公司的B轮融资 （合计1,200万美元）。
2011年，IBM（国际商业机器公司）研发的计算机系统“沃 森”（Watson）在美国最受欢迎的智力竞赛节目《危险边缘》 （Jeopardy! ）中击败了该节目历史上最成功的两位人类选手。“沃森”不 仅震惊了世界，还彰显了自己强大的深度学习能力。利用计算机系统在 机器学习、大规模并行计划、语义处理等领域的非凡进展，“沃森”可以 在反复测试与反馈中优化自己的解题策略，并理解人类的自然语言。 这之后，在“打造数据支持类人工智能应用”的目标驱动下，IBM公司继 续加大针对计算机系统深度学习的研发投入，并且拓宽了这项技术的适 用范畴，增强了它的实用性。
近年来，由谷歌（Google）公司研发的DQN（即Deep Q Network） 则有望将人工智能技术往前再推进一大步。为测试这一算法程序的可靠 性，研究人员首先让DQN挑战了几十个传统的雅达利小游戏。与IBM 的“沃森”有所不同的是，研究人员并没有将这些游戏的游戏规则直接输 入DQN的程序中，DQN需要在玩的过程中自学，找到取胜之道。DQN 的算法模型灵感取自人脑的中枢神经系统，并且可以在实践的基础上强 化自身模拟神经网络的强度。这种称为“谷歌大脑”（Google Brain）的 人工智能系统拥有100万个模拟神经元以及10亿个模拟神经网络连接， 其复杂程度是其他人工神经网络的十倍有余。
当前，深度学习技术已渗入人们的日常生活中。在用户自助服务、 打造交互式购物体验等方面，智能算法的作用越发凸显。欧盟数据保护 监督局（European Data Protection Supervisor）的调研表明，目前算法已 经可以做到理解并翻译各种语言、识别影像、撰写文章以及分析医疗数 据。 在微软的Windows Phone手机和必应（Bing）语音搜索功能中， 在谷歌、丰田、苹果、奥迪、捷豹等科技企业或传统汽车企业正在研发 的无人驾驶汽车里，深度学习软件正在发挥作用。还有股票交易市场， 量化分析与大数据早已成为贡献丰厚回报的利器。
在实际应用中，大数据与量化分析的组合是相辅相成的。如果掌握 海量数据的公司无法迅速对这些数据进行分析，并以此为据做出经营策 略的调整，那么大数据所能发挥的作用将很有限。相应地，机器学习技 能的增进也需要大量数据的支撑。同样是根据欧盟数据保护监督局的研 究，“具备深度学习功能的计算机可以借助模仿人脑的人工神经网络处 理大量的数据集，并完成学习任务”， 当它们得以接触并处理更多相 互关联的数据时，这些算法的学习能力将得到提升。对此，有一种说法 是，如果简单的算法公式能够获取大量数据，那么它的表现将最终超越 那些掌握了很少数据的复杂算法。造成这种结果的部分原因在于：算法 学习能力的提升有赖于反复测试。此外，大数据中数据的相关性也能在 算法的学习过程中提供辅助。
为了“做出有意义的工作”，IBM的“沃森”和其他人工智能系统都需 要一样法宝——数据。这也就解释了IBM收购了天气有限公司 （Weather Co.）的数据资产的原因，后者曾研发了一款很受欢迎的气象 预报应用程序——“气象频道”（Weather Channel）。 通过分析大量的 气象数据，“沃森”可以做到不断改进与自身有关的气象数据的算法。 进而IBM再将“沃森”的算法服务卖给其他机构，如保险信息技术公司 Octo Telematics，后者将IBM的实时气象数据视作自己开发的“驾驶行为 评分”应用程序的重要输入变量。 在Octo Telematics提供的免费手机应 用程序上，它向使用者提供以驾驶员驾车行为作为重要参考的个性化车 险报价。它的算法不仅分析了驾驶员的车速、猛踩刹车或加速的频率， 还将那些因为天气状况而可能引发的种种情况作为其他外部变量（如糟 糕的路况）纳入模型，并在综合考虑上述因素后得出驾驶员行为评分。 对那些得到较高驾驶行为评分的司机而言，他们可以在Octo Telematics公司享受到比其他保险商更低的车险报价。在这个例子中， 我们可以看到，根据准确的天气条件报告与在特定天气条件下某段车程 总体耗时的相关数据，IBM的数据驱动类算法可以帮助它的客户打造一 个精确可靠的评分系统。 此外，我们还了解到了一点：在为保险产品 提供个性化定价的过程中，保险公司正在从参考历史数据（一位司机在 过去一年收到罚单的数量）的方式转变成依赖实时数据（司机在昨夜积 雪结冰路面上的行车表现）。
当拥有10亿级用户基数的脸书（Facebook）与智能算法结合时，又 会对网络推广产生什么影响呢？在下面这个案例中，我们将一探究竟。 在脸书举办的2016年开发者年会上，脸书创始人兼首席执行官马克·扎 克伯格（Mark Zuckerberg）大谈人工智能即将与脸书用户产生的互动。 扎克伯格指出，“有了人工智能、自然语言处理技术（natural language processing），再辅以一点人工帮助，人们将可以做到与聊天机器人畅 快交谈，这感觉就像是和朋友聊天般亲切”。 就此，公司负责通信产 品研发的副总大卫·马库斯（David Marcus）还向与会人员做了一份专题 报告，说明脸书目前在该领域的研究进展。 不单是脸书，苹果、亚马 逊、谷歌、微软同样也在加大相关产品的研发力度。在研究人员的计划 中，这种靠语音激活的数字化助理可以不必等待指示行事，它将通 过“学习”自己做出决定。 有了大数据与量化分析的鼎力相助，这种即 时线上交流工具的性能将得到明显改进。
此外，人工智能领域的另一项突破性进展体现在计算机系统在有限 信息条件下问题处理能力的提升。早在20世纪末，计算机算法就已经能 够在完美信息博弈（perfect information games）条件下处理各类问题。 以国际象棋为例，计算机程序可以在博弈的每一步清楚地知道这一步之 前的每一步过程，从而计算出最佳反应策略，打败对手。直到2015年， 人工智能终于在不完美信息博弈层面取得重要进展。当年，几位计算机 科学家宣称，他们新开发的计算机算法可以攻克不完美信息扩展式博弈 这个难题（扑克牌游戏就是这类博弈在实际生活中的代表）。据称，这 种计算机算法已经在游戏测试中“侥幸”战胜了对手。
现在，让我们分析一下人工智能在博弈论领域取得突破的重要意 义。在国际象棋中，根据棋子在棋盘中摆放的位置，对局双方可以知晓 此前走的每一步，以及当前棋局的情况。但在扑克游戏里，由于牌面并 不明朗，玩家无法掌握整个牌局的全部信息。 因此，也导致求解扑克 游戏的复杂程度要远比国际象棋高得多。但是，从统计学的意义上讲， 这种新型算法计算出的出牌策略已经可以让自己在一局双人限注德州扑 克游戏中立于不败之地。 这项技术突破的意义在于，在面对真实世界 中的信息不完全状况时，计算机已展现出它可以进行“类人”式互动与决 策的潜质。
云计算与物联网
未来十年，随着数据质量与广度的提升，机器学习与大数据之间的 正反馈回路也将加速提挡。实现这一目标的重要贡献因素是云计算与物 联网（Internet of Things）。
2015年，亚马逊的云计算与存储部门为客户增加了一项服务，相应 的算法将帮助它们从客户现有的数据中找到规律，从而预测产品销量、 消费者喜好，甚至是流行趋势。 尤其是随着数据规模的递增，这种发 挥预测功能模型的准确性也会提高。无独有偶，谷歌和微软同样也在云 计算服务中增添了拥有自学习能力的算法模型，用来分析数据并预测客 户未来的销售结果。 借此，一个正向反馈随之而来：如果亚马逊云计 算与存储部门的客户想要从这些模型提供的营销方案中获得竞争优势， 那么他们会更有动力收集数据，并使用云计算服务；对于提供这项算法 服务的企业来说，数据的积累意味着算法预测准确性的精进。
除了云计算的强大力量，物联网也将发挥作用。作为新一代信息技 术的重要组成部分，物联网实际上是互联网的延伸与拓展，是将通信感 知工具植入日常物品的一项新兴技术。这项技术可以实现机器通信 （machine-to-machine communication），并且利用通信感知工具收集信 息，分析这些数据。
同样是在2015年，亚马逊启动了它的物联网云平台（IoT platform）。在这个全托管的云平台上，互联设备可以轻松安全地与云 应用程序及其他设备交互。 它可以支持数十亿台设备和数万亿条消 息，并对这些消息进行处理，再将其安全可靠地路由至AWS（Amazon Web Services）终端节点和其他设备上面。 根据研究机构国际数据公 司（International Data Corp）的估算，到2020年，全球物联网市场的产 值将呈倍数增长，达到1.7万亿美元。 此外，这家研究机构还注意 到，众多科技企业都在下大筹码，抓紧布局物联网领域，像谷歌、英特 尔公司（Intel Corp）、思科（Cisco Systems）、三星电子（Samsung Electronics）以及主流电信商——魏瑞森（Verizon）和沃达丰 （Vodafone）——都不甘落后。当传统的数据收集是通过我们自己上 载个人信息或者与线上卖家沟通实现时，物联网的普及将为算法的升级 提供更丰富的数据。长此以往，新生产的电子产品都将搭载人机交互界 面。安装有人机交互界面的家用电器、衣物、轿车、自行车，以及智能 建筑材料、可植入人体的传感器等将走进千家万户。
未来发展趋势
当前，人们已无法再忽视实时数据所能发挥的重要作用。真实的世 界与线上的虚拟环境正在发生融合。从出生到死亡，数字化的个人信息 将记录下我们成长的脚印与生活的痕迹。
信息技术领域的发展将对我们的生活产生深远影响，它为人类带来 的好处也远不止互联网商务的便捷。举几个简单的例子：医疗服务将运 用自动收集到的个人健康数据及时监测我们的身体状况；智能电表以及 家用电器可以节省家里的用电量；就连地方政府，也可以通过从各种渠 道“谨慎”获取的民意与公共数据来改进自己的服务。
在当前的时代背景下，一个显著的趋势是人们开始由在实体店消费 转变为网上购物，电子商务销量在零售业总体规模中的占比稳步提升。 美国商务部下属的统计部门估计，线上销售额占零售产品总销售额的 比重已从2004年的2%跃升至2014年的6%。时下，在美国国内，电商收 入也以每年16%的增长率高歌猛进，对比整个零售业5%的收入增长率， 高出了两倍多。
就连在“黑五”（Black Friday）这天，人们也可以明显感受到这种转 变。2015年，在这个一年中最大的折扣日，商家的客流却比以往少得 多。原来，人们早在感恩节当天就在线上完成了采购。 亚马逊的销售 数据显示，对比2014年，该网站感恩节打折季的销售额跳涨了29%。 根据《华尔街日报》（Wall Street Journal ）的报道，“‘黑五’期间，是线 上市场为沃尔玛做出了最重要的销售额贡献。人们在感恩节的午夜抢着 下单，而这距离沃尔玛实体商铺开张还有好几个小时”。
当线上市场开始在商业活动中发挥越来越重要的作用时，另一个值 得关注的趋势就是大数据与量化分析为企业带来的傲人竞争优势。事实 上，电商已清醒地认识到了这一点。于是，为了在竞争中不至落败，他 们需要更好地理解数据背后的含义。
关于大数据与量化分析给产业转型带来的深远影响，不少商业报告 与文献已有提及。在这里，我们做一简要总结：
● 一种将用户个人信息视为关键输入变量的商业模式已逐渐被 企业接纳。在这种数据驱动的商业模式下，为了换取宝贵的个人数 据（用来协助广告主投放在线行为定向广告），企业愿意向顾客提 供免费服务。
● 在企业开始广泛地将大数据信息运用于经营决策时，大数据 的“4V理论”——规模、速度、多样性以及价值——所能发挥的效 用将进一步放大。为了获得非公开的个人数据，企业情愿提供免费 产品或服务。当不同来源的数据汇总到一起并建立联系时，数据融 合的作用开始显现，而新的事实将浮出水面。 通过数据融合，企 业将改进并丰富自己已经掌握的客户档案，做到更好地追踪客户的 喜好与日常生活，并利用行为定向广告锁定特定的产品受众。
● 伴随着数据价值的提升，企业之间会为了争取竞争优势而竞 相收集各种数据，而它们在算法领域的投入也将是一笔庞大的开 支。在这场“大数据军备竞赛”中，即便是对公开信息，获取并处 理这些数据的效率问题也同样重要。 而今，数据收集、运用、传 播的速度正处在不断提挡的过程中。对一些电子设备而言，这种速 度已接近实时状态。
● 数据收集、运用、传播速度的提挡将带来价格调整系统的优 化。在网络交易平台上，计算机可以在以毫秒为单位的时间里评估 商品当前价格的合理性并对其做出调整。甚至这种改动可以针对不 同消费者做出个性化的调整。
● 当企业开始竞相采用人工智能与定价算法为商品定价时，算 法之间的竞争将主宰商品市价的走向。届时，线上与线下市场的定 价边界将变得模糊，甚至最终混为一谈，不分彼此。
● 当整个行业都开始采用定价算法，具备自学习能力的算法将 有效预测竞争对手算法的行动，并对其做出回应。利用动态的、差 别化定价策略，商家同样可以在线上交易平台对市场进行分割。
● 未来，那些装备人工智能系统的计算机将代替我们做出决 策。毕竟在掌握了纷繁多样的个人信息之后，它们对我们的需求和 喜好还是有一定了解的。
閱讀更多 索隱者言 的文章
