“Who has the data has the power. ”（数据即权力）--Tim O'Reilly今天这篇文章主题是数据的飞轮效应。在聊数据之前，我们先谈下飞轮。“飞轮”这个词起源于公元前4000年左右，当时人们使用石轮来协助农耕，后来逐渐演变成木质轮和铁质轮。在工业化时代，飞轮还成为发动机的核心部件之一，起到存储和释放机械能的作用。简言之，我们可以把飞轮看作是一种帮助人类提高效率的工具。可惜，历史上并没有太多人关注过“飞轮效应”这个概念。“飞轮效应”被大众所熟知，是源于亚马逊的创始人贝索斯。在早年创业时，他偶然地悟出了一套适合亚马逊发展的商业模式，并用飞轮效应来做比喻，他当时的草图大概是这样的。
简单说来，他希望以更低的价格、更多的选品、更好的便利性来提供更优质的客户体验。这样客户的复购、推荐会增加网站更多的流量和销售，从而可以从供应商那里获得更强势的谈判能力，这样又可以降低成本和售价，而且可以提供更多的产品和更好的便利性，这样就进一步提升了客户体验。正是这样的飞轮效应，让亚马逊实现了惊人而持久的商业增长。因此，现在我们所谈论的飞轮效应，指的是一种“良性循环”：飞轮中的每个部分都可以促进其他部分的发展，从而创造一个更加积极、更加健康的正反馈循环。展望未来，影响商业发展的一个大趋势是数字化，数据将会成为一项重要的生产要素，AI技术的革新也在加速这一进程。可当下的问题在于，大家都知道数据的重要性，但却不知道该如何利用它。放眼世界，已有不少学者、媒体开始热议一种以数据为核心的“新飞轮效应”。下面，我们就来聊聊，数据的飞轮效应是什么，以及他将如何影响未来的商业。关于数据的飞轮效应，有很多不同的版本，我们就以一个最为基础的图表来谈（如下图）。
这里面的最核心，或者说和过去的商业最不一样的是2样东西：一个是数据，另一个就是AI模型。数据的重要性不言而喻，我们重点说下AI模型。在软件行业，过去有一句名言，叫做：“Software is eating the world."（软件将吞噬一切商业。）这是因为软件行业，可以站在数据的虚拟层面上进行高效的计算与决策，从而打造出远超传统行业的商业效率。亚马逊、谷歌、脸书、阿里巴巴、腾讯等企业就是典型的代表，而苹果、特斯拉虽然不是纯软件企业，但他们在软件方面的实力一点也不逊色。然而，自从ChatGPT爆红以来，大家又对此改口了：“AI is eating software.”（AI将吞噬软件。）为什么改口？因为AI体现出的高度智能化让软件行业的人都觉得背脊发凉。在未来，不论什么行业，可能都逃脱不了AI模型对的渗透，除非这个行业不怎么需要动脑子。
好的一面是，AI模型会大大提升产品和服务的质量和体验，消费者一定是受益的。但企业就不一定了：只有懂得利用AI模型和数据的企业，才能依靠这套新的数据飞轮打造更好的产品和服务，并形成一种良性循环。接下来，我们就来谈谈数据飞轮的4个核心要素，以及如何才能让它真正地发挥飞轮效应。首先我们要理解的是数据的复利效应。数据的底层是0和1的代码，本质上是一项虚拟的存在，这一点和货币很像，而且他们都具有复利效应：货币可以通过借贷、投资等行为创造出更多的价值。数据也拥有同样的特质：在飞轮效应的驱动下，越来越多的数据可以让AI模型发挥更为强大的智能，这样数据的飞轮才能创造越来越多的价值。然而，数据并非是单纯的越多越好，如何存储和积累数据也是一门学问。与AI的互动会沉淀海量的数据，但数据存储的好坏直接决定了AI未来的表现。请记住这句话：“You are what you eat.”（你吃什么，就会变成什么样的人。）换句话说，如果你不懂数据的整理和存储，喂给AI模型的都是杂乱、未经整理的低质量数据，他当然会表现地非常糟糕。比如拿电商行业来举例，产品设计、上架销售、营销推广、物流履约、客户评价、客服反馈，每一个环节都会产生大量的数据，我们要做的不仅是把数据保存下来，而且要对数据进行清洗、整理，再进行结构化的存储，这样存储的数据才能更好地让AI模型吸收、学习、与改进，从而为未来的产品创造更多的价值。不过，有利的一面是，过去这些清晰、整理、结构化存储都要消耗数据工程师大量的精力，而未来依赖高度智能的自然语言大模型（如ChatGPT），可以轻易而低成本地完成这些数据的处理工作。比如说，现在我们只需要一点点提示工程方面的技巧，你完全可以让ChatGPT来整理数据，而且还能对这些整理后的数据做一个简短的文字总结，方便日后的分析、调用、与回顾。想让数据的飞轮效应真正起作用，除了要重视存储，还要重视数据的使用与反馈。换言之，当你使用地越多，AI模型的能力就会变得越强大。因为，每一次的反馈（无论是正面还是负面的），都是AI模型学习的机会。假设，你的企业把AI大模型（比如OpenAI或谷歌的）和自身的数据结合后打造出一款专有的AI模型，来服务和改进自身的产品、销售与运营。在诞生的初期他可能非常的稚嫩，就像一个孩子一般经常犯错。但随着数据的沉淀和多次的使用，他会不断地学习，通过各种反馈来调整自己。而他成长的速度就取决你使用的频率，用的越多、反馈就越多、学习的成果就越好。在这里，还要多谈一点“迭代思维”。这个在互联网和软件行业也许已经是老生常谈了，但很多传统行业还不太熟悉。迭代思维，简单说来，就是要有“试错精神”。不要期望一口吃成个胖子，放下在初期就打造出完美产品的想法，尽量低成本地去试错，通过实践中获得的反馈来做自我调整，从而不断完善。未来的商业竞争，也许不在于谁能推出最好的产品，而在于谁能最先建立起一套基本的商业闭环并初步形成数据的飞轮效应。这样，在复利的作用下，他能够依靠正向循环的多次迭代，慢慢让自身的产品变地越来越好，甚至能起到后发制人的效果。慢慢来，也许反而比较快。但这句话的前提是，你能打造出一套正向循环的数据飞轮。
我在“不同的时代，不同的财富逻辑”一文中有聊到过这张“人类创造价值获取财富机会的历史”的图表（源自于陆奇博士的一次演讲）。通过这样图，我们可以清晰地看出，不同的时代背景对应的是不同的生产力与生产要素，只有掌握这些先进生产力、生产要素的人，才能真正创造出价值并获取财富。比如，农耕时代土地是重要的生产要素，武士能创造价值是因为他们可以保护君主的“土地”；工业革命后，资本成为了新的生产要素，实业家、投资者们就是擅长利用“资本”来创造价值和财富的群体。未来，注定是数据的时代、AI的时代。数据就像是新时代的石油，可以为商业提供源源不断的原材料，AI模型也是依靠数据来不断地迭代和完善。如果你也能理解和很好地利用前面谈到的4个核心要素（复利效应、数据存储、数据使用、和迭代思维），就能最大化地发挥数据的飞轮效应，为你的企业和产品打造出新的护城河。第一，即使是再强大的飞轮效应，也无法拯救你的产品或企业，你仍然需要一个好的产品，才能让数据飞轮发挥作用。第二，真正想要利用好数据飞轮的企业，必须从最核心的管理层出发，从顶层开始进行思想的对齐，彻底打通和理解数据、AI模型、和那4个核心要素的重要性，这注定是一场自上而下的思想引领和运营方式的变革。以上就是对数据飞轮效应的探讨。最后，让我们来听一听LinkedIn董事长Jeff Weiner对数据的洞见：“Data really powers everything that we do.”（数据真正驱动着我们所做的一切。）希望，读完文章的你，也能够更加理解数据、理解AI，并在未来成功打造出自己的数据飞轮。
全文完，感谢您的耐心阅读。如果喜欢，欢迎转发或在末尾右下角点击“在看”，谢谢！“人文、历史、科技、商业、宏观。随性而写，随意而读。”--欢迎点击下方链接关注本号。