2.2 大數據和AI：企業未來的終極競爭點

Gartner發布的2019年十大戰略性技術趨勢的前三項包括自主設備、增強分析和AI驅動的開發。雖然這三個趨勢看上去不盡相同，但仔細分析，它們的交集就是大數據。自主設備是AI應用的體現，現在熱門的自主設備包括機器人、無人機和自動駕駛汽車等，它們都建立在AI模型之上；AI驅動的開發是指企業高階應用融合了AI模型，應用的開發是軟件開發人員和數據科學家（Data Scientist）不斷交互的過程。軟件開發人員負責數字化應用的迭代開發，而數據科學家負責AI模型的迭代開發。根據第1章的討論，大數據的使用對于所有AI模型的成功都是一個極其重要的因素。所以，對于企業而言，建立一個全局性的大數據戰略是在數字化世界占據一席之地的必要條件。這就像建立健康的生活習慣，雖然效果無法在一朝一夕顯現出來，但長遠來看一定是大有益處的。

設想在20年以后，所有企業都完成了數字化轉型，建立了數字化基礎設施，數據的協作方式也更加合理。那時，企業核心能力就建立在高階數據分析能力或者創建更加精準的AI模型的能力上。

仍以我們熟悉的汽車和金融行業為例。在汽車行業，面對無人駕駛，用戶不再圖新鮮感，而是要切實地比較安全性。這時，即使一個車企的安全系數比另一個車企高一點點，就可能獲得極大的優勢。而在智能養護方面，汽車保養的報警誤報率下降一點點就可能令車企占據市場先機。作為一個客運公司，能夠第一時間滿足用戶的用車請求將成為企業的核心競爭力，調度算法不僅要在調度請求進來以后發揮作用，更要根據人群的密集度實時調配自己的車隊。

金融行業在大數據和AI方面的競爭其實早就廣泛展開了。對金融企業來說，由于各種投資機會稍縱即逝，因此券商和投行很早就有雇傭大量物理、數學博士作為量化分析師（Quant）的習慣。現在，通過大數據和AI，金融企業可以利用金融模型時刻計算各個公開市場資產的投資機會，獲得更多收益。大數據和AI也在影響傳統銀行業務，例如小額貸款業務。傳統的商業銀行一般提供固定利息來吸引儲戶存款，然后利用和大企業的關系獲取將貸款投資給對方的機會，并從中獲益。在吸引用戶儲蓄方面，傳統的商業銀行能夠成功主要是政府擔保，例如在美國主要是FDIC擔保。在貸款方面，傳統的商業銀行一般有專員進行風險評估。這種人力審核成本對于大額貸款是可以接受的，但是對于小額貸款而言是無法承受的。所以，中小企業或者個體工商戶要獲得傳統商業銀行的貸款是非常困難的，反而是存儲有大量用戶交易、購物和社交數據的互聯網企業，通過利用大數據和機器學習模型，很容易對小額用戶貸款請求進行風險評估，進而快速放款投資。另外，隨著知識密集企業的興起，傳統的資產抵押融資慢慢轉變為股權融資，大量的私募投資的興起，也給商業銀行獲得儲蓄帶來挑戰。大型的私募基金通常有大量的行業分析師，他們逐步建立起一個行業知識系統，對于股權融資企業的風險模型構建得越發精準。作者也曾給一些商業銀行提過戰略建議，建議它們圍繞現有的用戶（存方和貸方）數據的動態來外推那些需要股權融資的企業的風險分數，從而獲得低風險投資機會，在投資有效的情況下募資也必然容易。本質上說，金融機構的主要職責是資源分配，它要獲得競爭優勢，勢必要從上游獲取資金機會并從下游獲得投資機會。根據現有的用戶數據，做出精度高于競爭對手的模型就可以更好地捕捉這些機會。國內不少知名的商業銀行已經認識到數字化、大數據和AI帶來的機會，紛紛成立科技公司從事小額貸款和私募市場投資業務。

汽車行業和金融行業因為在數字化的過程中積極建立大數據和AI戰略，提供更好的產品和用戶體驗而為人們津津樂道。讀者不妨對比一下10年前汽車沒有導航和金融業沒有網上銀行的體驗。建立在大數據和AI之上的創新是真正的技術提供生產力的代表，它帶來了更多、更加公平的紅利。在數字化出現之前，很多企業和個人通過信息壟斷獲得套利。就像熒幕上塑造的傳統西方銀行家的形象：一邊說服VIP客戶存錢，一邊與VIP客戶社交以獲取項目投資機會。雖然我們認為這些商人通過投機取巧獲得財富是不公平的，但從通過信息流動達到資源優化配置的角度上來說，這種做法似乎無可厚非。深究一下，這里的不公平實際上來自于信息獲取的不對等，因為這些商人利用掌握的信息為己牟利，而非創造更好的模型來為投資方和貸款方提供更好的服務。隨著數字化程度的加深，信息獲取、流通和使用將不斷改善，企業獲得的數據更多地被提供給數據科學家用于改善企業的服務。這就是Eric Schmit在《How Google Works》一書中提到的：“以前在離交易越近的地方獲取的報酬越多，現在慢慢轉變為離產品越近的人獲取的報酬更多。”因為前者的優勢建立在信息壟斷上，后者的優勢建立在信息的處理和再加工上。