阿里系、腾讯系、小米系这三个体系是中国商业生态里非常重要的三个典型案例，但如果以规模及潜力来说，还需要增加头条系与华为系、其他系，中国因为市场规模足够大，能够包容这些足够规模的单体商业生态体系。
回到话题中，我们在谈论商业生态时，既需要看表面，也需要分析更深的一面。何为生态？我们在看大自然的时候，无论多大的生态系统，他一定有自我循环的体系，以确保生态的稳定，并有成长性，在本话题中三个体系中，其实小米目前为止严格来说还不能是一个合格的商业生态，因为构建小米生态的土壤并不肥沃，且容易被颠覆。再者，一个健康的生态，构成生态中的每一个因素都是相互独立且互相影响，他们彼此的重要性是相对对等的。从这个标准看，小米还没有构建好自己的生态，目前只有阿里与腾讯构建了相对完整且健康的生态体系。
1、阿里生态：
阿里是以电商起家，所以对于阿里来说，丰富和拓展电子商务的消费场景更为重要，且一直是阿里系重要的能力，并以为基础不断拓展新的边界。
与电商具有天然联系的支付、服务器、物流等次级业务也能发展起来。换句话说，因为阿里天生具有To B端的能力，钉钉与阿里云这些重量级或者次重量级的业务才能在阿里发展起来。
有人会问：微信的使用人数明显高于淘宝啊，为什么不是腾讯？还有人拿今年百度在春晚期间没有出现宕机的行为，所以得出结论百度的技术一定高于阿里。且不论百度和阿里的技术能力究竟怎么样，但电商交易环境的复杂性一定高于百度与微信，这是毋庸置疑的。12306为什么最后会选择阿里的技术方案，也是肯定阿里的技术能力。
还有物流，只有阿里有能力组建菜鸟网络，因为物流依托电商而生存，京东的规模也可以，但阿里系涉及的商业个体更多，物流订单更大，所以对于物流行业来说，谁能带来业务，谁就是老大。况且京东还有自己的物流体系需要竞争。
所以，我们总结阿里生态的循环：电商——支付——物流——服务器（云服务）——垂直业务（外卖、售票、OA等）——线下智能消费场景
但大家发现没有，阿里系的业务彼此关联性是最强的，这个能力也带来了另一个问题：就是阿里跨界业务很难有突破，而腾讯却能不断将业务拓展到阿里的范围内，并对部分业务产生一定的压力。
2、腾讯生态
（备注：第二张图有点老，但是可以用来阐述腾讯系的生态体系）
截止到目前，我一直认为腾讯系所链接的产业及规模是要大于阿里系的，大家可能关注了腾讯最近的财报，感觉腾讯在走下坡路。这里需要阐述下阿里与腾讯两家不同的投资理念：阿里系倾向于整合，而腾讯系倾向于关联。由此导致的后果是阿里系在面上越来越庞大，而腾讯系感觉变化不大。
但，腾讯系的产业基础可能要好于阿里系。腾讯系的基础是社交，以社交为基础构建了To C的生态。这样的业务体系链接的群体更为庞大，但也容易局限一个特定的国情与环境之中，就像无论是微信还是腾讯其他业务，出海都并不理想，最成功的可能就是游戏业务了。但这并不能忽略腾讯体系吸金的能力。我们深入腾讯生态的内部会发现：腾讯生态中的各个因素既互相影响也相互独立，以微信为基础，能够轻易为美团、京东这样的体系内公司获取流量。但无论是社交业务、电商业务、游戏业务等都能够自我造血。更为关键的是掌握了C端这一个庞大的用户规模，拓展边界的能力无疑会大大加强。我们纵观腾讯系在成长过程中两个重要的商业战争：1、与360的竞争；2、与头条系的竞争，莫不是在守护自己能力业务，确保这个腾讯生态基础设施不被破坏，但事实是这个领域也容易遇到挑战。
腾讯生态里掌控的资源决定了他可以四处出击，并能获得一定的战果。比如：内容生态（阅文集团、腾讯音乐等）、支付领域（事实上也只有微信这样的产品能够在支付领域给阿里一击）等。
由此带来的弊端也显而易见，目前为止我们尚未发现一款由腾讯开发的To B端的优秀产品，微信也开发了企业版本，但使用的人好像不多，体验真的很不友好，但奇怪的是又说不上来。甚至包括腾讯云产品。
我一直在想，随着科技的发达，科技赋能个体，个体越来越强大。假如有一天，每一个个体都可以相当于今天的一个小个体商业单位，那么阿里生态的强大会超越腾讯生态？这个答案，目前看来还没看到这个可能。
3、小米生态
我在前面为什么说小米生态还不健全，因为小米的生态非常依赖于手机业务，他更像是中心控制系统，以手机为中心，延伸其他业务，看似规模与种类也很大，但一旦有公司或者品牌突破到手机这个核心业务，那么是不是小米的生态很容易出现问题？
华为在前不久的发布会上，也宣布开始布局生态，OPPO等厂家也在跟进。可以预见这个类型的生态竞争会更为激烈。小米也好，华为也好，更接近物联网的系统，通过互联网以各个智能设备为一个个点形成链接，组建成某一个某某网络，例如：家居网络，健康网络等，然后在后台生成大数据，进行分析，从而完成对消费个体具体行为的追踪。这个想象的场景可能更为接近小米生态，但能否让消费者形成习惯并产生依赖，这在现阶段依然是问号？假如这个成立，那么小米生态就合理并成立。否则，难以下定论。
写到这里发现突然写了很多，先描述到这里。一家之言，如有不当之处，欢迎留言沟通交流，谢谢。
以上。
10月14日，中泰证券首席经济学家、中国首席经济学家论坛副理事长李迅雷做客今日头条《首席讲坛》线上访谈栏目，详解存量博弈下的结构性机会。以下，以问答形式呈现对话内容。
问：本期话题是“存量博弈下的结构性机会”，记得在两年前，你就提出过“存量经济主导”的观点，令人印象深刻，你当时是如何判断“中国已经步入存量经济主导的时代”的呢？
李迅雷： 随着中国经济增速的放缓， 我应该是市场上最早提出中国经济步入存量经济主导时代的学者之一。 除了GDP增速连续九年放缓之外，我们还可以从人口流动性下降、外贸增速下降、M2增速下降以及移动互联网用户时长增速下降等四方面来说明 人口流、资金流、货物流及信息流的绝对量或增速 均在下降的现象，反映出中国经济的存量特征愈加明显。
分化也是存量经济的一个显著特征，随着人口流动性的下降、产能过剩的出现、经济增速的放缓，每年的增量占总量的比重越来越低，存量经济的特征就会愈加明显。首先我关注到的是人口的分化，之后又看到区域经济的分化，此外，还有居民收入的分化、新旧产业的分化以及行业内的企业也出现了分化。
所以，存量经济与增量经济相比的一个显著区别，就是赚钱越来越难了，投资意愿下降，消费增速下降。因为投资错了要亏钱，银行业惜贷了，收入差距大了，奢华消费增长快，但大众消费增长慢，因此对于大部分制造业企业来说，都面临产能过剩的压力。
例如，乘用车销量负增长、手机销量负增长，传统产业投资意愿下降，而投资PE、VC的风险也大了，因为新兴产业尽管需求大，但竞争也很激烈，如新能源汽车，目前也不能随便投。
问：早几年曾有观点认为，经济周期消失了，或者说“周期的波动性正在淡化”，从近几年的经济来看，这一判断准确吗，周期是否明显？你如何看待近年来的经济周期？
李迅雷： 周期大致可分为长周期、中长周期、中周期和短周期。从目前看，中周期和中短周期确实有弱化现象。这是因为当今主要经济体都加大了逆周期调控的力度，使得中短周期呈现弱化现象。例如，2017年的时候，不少人认为新周期来临的，我当时就写了一篇文章，叫《可怕的时滞》，认为不要被假象所迷惑，尽管2015年以来的逆周期政策导致房地产和基建投资大幅上升，但政策只能改变斜率，不能改变趋势。事实证明，2018年以后，中国经济仍然处在稳中向下的减速中。
因为周期是学者们对于经济社会发展历史轨迹的形象描述，历史会重复，但不会简单重复。因此，周期现象还是存在的，但表现方式会有所变化。比如，过去谈论比较多的为期三年左右库存周期，在三去一降一补政策下，就淡化了。 简言之，中国经济目前更多表现为结构性而非周期性特征。
不过，中国经济的中长周期和长周期依然是存在的，因为这两个周期太长，因此，研究者不多。尤其是中长周期，或成为建筑周期，目前已经处在下行阶段，它将以房价回落并在未来走稳为结束特征。至于长周期(康德拉季耶夫周期)，我没有什么研究。但个人认为， 中国仍处在长周期的上行阶段，起点是1979年，中国的GDP总量或将在10年内超过美国。 中国经济从1700-1820年，走了一波上行期，GDP的全球份额从大致25%上升到32%；1820-1949年，是非常痛苦的下行期，GDP的全球份额降至5%左右，1949-1979年，是盘整期，GDP的全球份额没有上升。1979年以后，是新一轮长周期的开始， 估计到2030年前后，我国GDP的全球份额可以达到20%左右。
但是，对于这轮经济增速下行趋势而言，远没有止跌迹象，欧美经济增速也在放缓，全球经济将经历低增长、高震荡的阶段。但中国经济的相对优势依然很明显，即GDP增速几乎是全球增速的两倍， 中国经济总量将在减速中成为全球第一。
问：非常想问一个老生常谈的问题，中国经济的下一个增长点在哪些地方？映射到资本市场和实体经济，机会分别在哪？或者换句话说，未来十年资本市场上哪些行业值得进行投资，而哪些行业又值得我们去创业或者就业？
李迅雷： 中国经济正在进行新旧动能转换，新的动能很多，如现在大家热议的“硬科技”，硬科技包括人工智能、航空航天、生物技术、光电芯片、新一代信息技术、新材料、新能源、智能制造八大方向。这些都有可能在未来形成新的增长点，但这些增长点，与传统的家电、汽车、手机和房地产对经济的拉动作用相比，对经济的拉动作用有限。
事实上，要形成新的巨大需求，才构成社会发展的动力，比如说， 第一次工业革命以蒸汽机、纺织机械为代表， 拉动了英国经济发展，使英国成为全球老大； 第二次工业革命，以美国和德国为龙头，带来了电力设备、汽车等的迅猛发展， 也持续了近100年时间，美国成为全球老大。 第三次工业革命，仍是美国领头，以计算机和信息产业主导， 已经持续了近70年时间，但这些年来，缺乏具有革命性的科技发明或技术进步，动力不断减弱。因此，发达经济体的劳动生产率增速都在放缓，中国也不例外。
所以，如今的投资机会也多是结构性的，而非普遍性的。因为存量经济下，行业内部是此消彼长，行业之间也存在新旧转换。就资本市场而言，我觉得主题投资可能是两大方面，一是大消费，逻辑是投资、出口都在下行，中国GDP中消费的相对比重上升；二是高科技，毕竟科技引领时代进步。但是，这只是概念，投资需要落到具体的公司上。 我在去年年末，曾经写了一篇文章，叫《买自己买不到的东西》， 意思了目前市场上钱太多了，但好项目、好标的少，过去是钱少，好标的多，那时应该买自己买不起的东西。资本市场发展至今，智商税征了太多，别再被征了，炒地图、炒题材、炒概念，都是低智商游戏的表现。
从就业的角度看，IT行业仍然有较大发展空间，毕竟是科技引领时代进步。金融业的发展空间不大了，目前金融业的增加值占GDP比重在75%以上，超前发展了，今后金融业可能不是存量博弈，而是减量博弈。
问：QuestMobile数据显示，2019年Q2，移动互联网用户净减200万，1138亿就是大顶；寒意更浓的是用户时长，从2018年12月到2019年3月，用户时长增速从226%降至118%，到了2019年6月，增速已经滑到了6%，人均单日时长3582分钟，可能也离大顶不远了。过去的5年多的时间里，在4G带动下移动互联网的高速增长创造了很多高薪的程序员岗位，计算机相关的专业近几年也大热，伴随着O2O的出清、互联网金融去产能、互联网相关PE/VC行业寒冬接踵而至，我们看到的是移动互联网人口红利的天花板将至，市场正在进行残酷的存量厮杀，用户下沉和出海也快成了最后的故事。互联网行业是否拐点已至？未来还有新的机会吗？
李迅雷： 去年中泰研究所TMT分析师已经做出了国内移动互联网用户红利见顶的判断，但目前来看海外第三世界包括印尼、印度、非洲地区等仍然处于用户红利阶段，从今年这些地区4G基站发货较快的情况也可以判断，这些地区的移动互联网还在快速发展中。
从国内来看，可以说移动互联网已经走出用户红利阶段，受益于国内良好的无线网络基础设施覆盖，中高低端各个层次的用户都已经发掘的较为充分，进入需要依托产品内容进行用户价值深度挖掘的阶段，对企业竞争实力的要求很高。这可以视作移动互联网行业的拐点，但仍然有很多的机会，比如腾讯音乐、美团点评都是以有竞争力的产品服务用户实现用户价值深度挖掘的典型。4G带来了移动互联网创新的大机会，驱动了过去多年产业的大发展，而未来的机会有望聚焦在5G带来的物联网领域。5G是第一次从技术上满足物联网发展的需求，将开启从人联网时代走向物联网时代的新创新周期，现在正是在起点，需要从战略上重视。
问：在股票市场上，我们经常听到“风格切换”“结构性行情”“板块轮动”的概念，这是不是就是存量博弈的直接表现？去年年中，你提到“存量博弈时代，市场正在给确定性溢价”“2017年是抓大放小的元年”，我们也看到，今年以来以大消费为代表的股票大幅上涨，市场给了这些股票一个名字，叫做“核心资产”。“漂亮50”和“核心资产”是否有异曲同工之妙？上半年“核心资产”涨幅较大，下半年风格切换是否已经再次转向成长股？从估值看“核心资产”目前贵不贵，是否仍然具有长期持有价值？
李迅雷： 在2017年以前，股市是一个非常典型的散户市场，如小市值股票的估值水平非常高，大市值股票被相对低估。我们将A股各行业中，每年ROE最差的10%的公司挑选出来，滚动构成绩差组合，代表市场中业绩最差的公司的股价表现。结果是，绩差公司股价的平均涨幅远远超过万得全A指数。2005年至2016年末，绩差组合总涨幅约135倍，而同期全A指数涨幅只有6倍，尤其是在2009年之后，绩差组合股价走势一路领先于万得全A指数。2016年之后，绩差组合股价走势才与全A指数反向变化，趋于回归合理的估值水平。
因此，2017年之前，A股市场的估值体系是严重扭曲的，2017年进入所谓新价值投资时代，其机会正是来自于估值体系的修复，而非宏观基本面的逆转。所谓存量博弈，与存量经济特征相对应。博弈的结果，就是有一大批过去被称为“壳资源”的股票，不断缩水，而过去被当成大白马的股票，估值水平不断提升。
核心资产和漂亮50，实际涵义都差不多——蓝筹股，但用在A股市场上，还不是太精准。但是， A股市场的再回到从前炒概念为主导的所谓风格切换已经不太可能了， A股市场已经走上了朝成熟市场迈进的不归路。至于成长还是价值，两者之间不属于风格切换。有价值的公司，一定具有很好的或很稳定的成长性，否则就没有价值可言。所谓转向成长之说，说穿了，就是一部分人希望重炒概念。我认为，个别热门板块有可能被炒作，但伪成长的股票，要想再度提升估值水平已经很难了。
至于目前核心资产贵不贵，应该说，从静态看，大部分核心资产都已经实现了价值回归，处在估值洼地的已经很少了。从今年前三季度公募基金的表现看，回报率很惊人，可见一斑。但从动态看，不少成长型企业在若干年后，可能又会出现估值洼地。
因此，最终还是要看这些核心资产的成长性如何，如果成长性很好，市场份额在提升，则股价仍有上升空间。所以，投资选股就得认认真真、老老实实去做基本面分析。
投资机会，从逻辑上讲，看好两方面： 一方面是存量经济下的结构性机会，企业分化带来头部企业的投资机会， 产业分化带来新旧动能转换的投资机会，包括大家讲的大消费、高科技等，这也是一个新旧转化过程；区域分化带来热点大城市的房地产投资机会依然存在，但大部分中小城市的房地产投资风险增大，等等。
另一方面，从散户时代步入到机构时代的估值体系重整机会。 整体而言，过去是大企业被低估，小企业被高估，确定性的增长被低估，不确定的增长被高估。今后，就是要让价值投资理念不断深入人心。
经常听到这么一个说法：核心资产已经不便宜了，接下来应该会发生风格切换，成长股行情会起来——这样的观点听起来很有道理，也不排除判断准确的可能性。但是，它存在一个逻辑缺陷。
因为 走势是围绕着均值上下波动，离均值远了，便会出现回归，但不意味着回到均值就不动。 有个成语叫矫枉过正， 也就是说，从下往上回到均值附近后，有可能继续往上，反之亦然。低估的时候叫价值发现，回归的时候叫价值实现，再度偏离均值的时候叫过热或过冷。投资，如果有逻辑依据，就会踏实些，包括资产价格理性阶段逻辑，也包括非理性阶段逻辑。
问：李老师提到过行业的分化和集聚，从行业比较的角度看，分散和集聚的两个行业，哪个更好？比如说，一个行业正在百花齐放，大量新的小公司不断诞生；而另一个行业则是小公司不断倒闭、大公司不断变强，头部效应明显。你会选择投资百花齐放中有潜力的小公司，还是行业集中度上升过程中的大公司(或者对应的行业)？
李迅雷： 应该说，市场份额较为分散的行业大部分属于新兴行业，处在春秋战国时代，机会很多，同时风险也很大。例如，2000年左右的互联网热潮中，互联网企业大量产生，“触网”的上市公司也非常多，估值从市盈率变成了“市梦率”，当时如果能够选对BAT，那就可以获得惊人的回报率，但如果选错，可能血本无归。因此，投资应该要相信二八定律，即选对的概率总是很低的，即便你做再多的研究，对于新兴行业未来存在诸多风险，恐怕很难回避。
因此，我在过去为什么反复强调确定性溢价呢？是因为很多投资者抱有侥幸心理，喜欢投资不确定性高的标的，希望一夜暴富，乌鸡变凤凰，由此导致不确定的股票估值过高，而确定性的股票被冷落而导致估值偏低。所以，我的建议，还是 去投资相对成熟行业中的头部企业，风险收益比会相对高。 因为A股市场正在经历从散户市场转向机构主导的市场过程，即理性的投资者数量会越来越多，资金实力决定了话语权，投机股将来会缺乏接盘者。
问：如果我们A股市场要迎来一场大牛市，增量资金应该是必不可少的，未来增量资金都有哪些来源？我们如何判断增量资金已经开始进场？
李迅雷： 首先，我不觉得在经济增速下行的大背景下，A股市场会有一场轰轰烈烈的大牛市，但指数的缓慢上涨是必然的，因为 指数走势主要是由大市值股票走势决定的。 今年的增量资金多来自北上资金，这是在A股被纳入MSCI之后，外资进入A股市场的规模大幅上升。
其次，今后外资的A股市场的投资比重还将进一步上升，如印度、韩国等新兴市场的外资的投资市值比重都在20%以上，我国目前的外资占比在5%以下吧，作为全球第二大经济体，外资不能不增加投资比重。
第三，从长期看，国内的保险资金、银行理财子公司设立的基金、社保基金、企业年金、职业年金的入市规模还将持续上升，一是增量部分入市规模可观，二是存量部分会逐步提高权益资产投资的比重，如 目前保险资金投资权益类资产比例的上限是30%，而行业实际运用比例为2264%，还有一定空间。
股市从来都不缺资金，缺的是信心。只要信心提升了，各路资金将会纷纷入市。现阶段只是外资的被动入市居多，为的是MSCI的配置需要。因此，我国要观察的是基本面是否改善，如果基本面改善了，则股市马上会有涨势，因为A股市场的效率一直比较高。
问：近几年，随着P2P行业的出清、地产市场调控、资管新规等，高收益率的资产越来越少，过多的资金追逐过少的优质资产，市场似乎迎来了一轮新的“资产荒”。想必很多读者都非常关心，从现在往后看3年5年甚至10年，普通居民还能配置什么资产？
李迅雷： 从发达市场的居民资产配置结构看，金融资产配置比重远高于房地产，存款类资产配置比重比较少，个人投资者买的基金类产品比较多。我想，未来中国也会像成熟市场的居民一样， 增加对权益类资产的配置比重，或把钱交给机构投资者去理财，即购买基金产品。 此外，随着资本市场的开放，国内投资者应该增加对海外资产的配置比重，如目前港股通、沪伦通都已经开通，投资一定要有全球化配置资产意识。
在全球经济增速下行，甚至有可能出现衰退的大背景下，投资者还应该有防范风险意识，其中，对家庭资产的流动性管理显得很重要。如果专业一点的话，可以选择外汇、贵金属或商品期货、股指或国债期货等对冲工具，以防范可能发生的金融风险。此外，由于今后全球经济进入低增长、高震荡模式，各国之间的冲突会多于合作，导致全球风险加大，投资者风险偏好下降，避险意识提高，因此， 如果业余一点的话，像黄金这类贵金属作为避险性品种，值得长期增持。
问：房地产市场一直是老百姓最关注的财经话题，单聊这一个话题，都能撑起来很多场访谈了。早先有经济学家预判“2019年是楼市大底”，似乎是在暗示我们抄底；去年年底你做出过判断，认为“2019年房地产将进入减持窗口”。从整个行业来看，今年有200多家房企破产，行业集中度似乎正在上升。大家目前担心的问题是，美联储降息可能引起全球的宽松大潮，国内可能也会慢慢宽松起来，“资产荒”之下，我们的楼市未来会不会再次步入上涨通道？或者说，未来有可能形成“一二线城市房价继续上涨、三四线城市慢慢下跌”的格局吗？整个房企未来将会是怎样的格局？
李迅雷： 我在今年年初的宏观经济与投资策略报告中曾提出，房地产作为国内居民最主要的大类资产，已经进入减持窗口。我的逻辑是，长达20余年的房地产牛市已经步入尾声，即便利率再降，美联储再推量化宽松政策，它们能改变的只是经济下行的斜率，不能改变趋势。我认为，经济下行的主要原因是结构性问题日益严峻， 这是由于全球性长期和平所引发的难以避免的结构性问题。 此外，长期和平带来的人口老龄化，对房地产的价格也会带来抑制。
从古今中外看， 资产价格总是波动的，长期高位走平的案例几乎没有。 而且不少投资者是贷款买房，即便房价走平，各种持有成本加起来比较，也将导致实际投资亏损。此外，还要关注房地产的流动性，一旦流动性极度萎缩，则投资性购房的持有风险会大幅上升。以上均为减持理由。
从今后看，房地产市场的结构性机会还是有的。因为当前及今后房地产调控的总基调是因城施策，防止大起大落。由于人口流向大城市，所以，三四线城市总体看，房地产库存率会不断提高，一二线城市则相对比较好些，因为需求仍将持续增加。
就房地产行业而言，将加速头部公司的形成。从数据看，房地产行业的集中度在快速上升，很多中小房地产企业会因为土地购置成本上升、融资难度加大而难以生存下去。而龙头房企的优势将更加明显。因此，房地产业的结构化时代已经到来了。
风险提示事件：政策变动风险
（文章来源：中泰证券资管）
郑重声明：发布此信息的目的在于传播更多信息，与本站立场无关。《大数据时代》是国外大数据系统研究的先河之作，本书作者维克托·迈尔·舍恩伯格被誉为“大数据商业应用第一人”，拥有在哈佛大学、牛津大学、耶鲁大学和新加坡国立大学等多个互联网研究重镇任教的经历，早在2010年就在《经济学人》上发布了长达14页对大数据应用的前瞻性研究。以下是这本书的读后感范文，欢迎阅读!
大数据时代读后感(一)
我们不再热衷于寻找因果关系，而应该寻找事物之间的相关关系。这个命题是我读这本书最大的感触。个人认为也是这本书最核心的思想。从头说起吧，首先，书提出一个颠覆我以前认知的命题--”并非原子而是信息才是一切的本源“，将世界看做信息，看做可以理解的数据的海洋，为我们提供了一个从未有过的审视下是的视角。它是一种可以渗透到所有生活领域的世界观。这个命题是在书的最后一部分中的某一段中描写的。我之所以把它放在最前面来讲，因为我觉得，这是谈数据化世界的前提，自然也是谈论大数据的前提啦。书的中间部分有一节讲到数据化和数字化的区别。经过我自己脑子的整理，把数据化世界这个命题列为大数据思维的第二步。写到这里，我不由得反省下，我是不是有领悟到书的精髓所在(我认为的精髓)，就是第一句话。因为回顾我整个思路，还是按照旧模式的因果关系思考模式思考问题。书中另一个吸引我的地方就是，有很多观点的论述，会从哲学的高度论述。虽然，自己肚子没多少墨水，但是读这些描述的时候，就会发现自己会更好的理解作者提出的命题。比如书中有一段文字
当我们说人类是通过因果关系了解世界时，我们指的是我们再理解和解释世界各种现象时使用的两种基本方法：一种是通过快速、虚幻的因果关系，还有一种就是通过缓慢、有条不紊的因果关系。大数据会改变这两种基本方法在我们认识世界时所扮演的角色。
在附上一些事例的时候，用作者提供的”本质“去看待时，很容易理解，确实是这么回事。好了，那么大数据到底改变了我们什么呢，作者给出3点，
大数据的精髓在于我们分析信息时的三个转变，这些转变讲改变我们理解和组建社会的方法。
第一个转变就是，在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样(样本=总体)
第二个转变就是，研究数据如此之多，以至于我们不再热衷于追求精确度
第三个转变因前两个转变而促成，即我们不再热衷于寻找因果关系，而应该寻找事物之间的相关关系。大数据告诉我们”是什么“而不是”为什么“。在大数据时代，我们不必知道现象背后的原因，我们只要让数据自己发声。
正如大家所知道的那样，人类的大脑具备这样的功能，它会把新输入的刺激或信息与”过去的经验或积累的部分知识“相对照，然后进行调整并接受下来。如果眼前新的现实与大脑中储存的固有信息无法协调，便会在无意识中拒绝接受新的现实(当作没有看见);或者通过自己一知半解的知识任意推测，使自己认识到的情况偏离实际(产生错觉)。这是人的一种本能，目的在于使自己保持冷静。
所以作者称之为revolution。
讲了这么多，那么大数据到底给我们带来什么。在这里，我只想谈我感触最深的，其他的有兴趣的可以自己去了解。当然，书中提了很多，最多的就是，XXX公司或者个人利用大数据创造了多大的财富了，抛开这些表面的不说，最让我动心亦或者是害怕的是---预测。这是大数据带来最核心的东西，动心的理由无须赘述，计算机会告诉你什么时候买什么双色球可以中头奖，想想心里是不是有一点小激动咧。当然这只是我打的一个比较夸张的比喻。至于害怕呢，书中有段话我很喜欢
公平正义的基础是人只有做了某事才需要对它负责，毕竟，想做而未做不是犯罪，社会关系于个人责任的基本信条是，人为其选择的行为承担责任。如果大数据分析完全准确，那么我们的未来会被精准的预测，因此在未来，我们不仅会失去选择的权利，而且会按照预测去行动。如果精准的预测成为现实的话，我们也就失去了自由意志，失去了自由选择的权利。既然我们别无选择，那么我们也就不需要承担责任。这不是很讽刺吗。
扯到这里，顺便扯一下，书中另一段关于自由意志的描述
在哲学界，关于因果关系是否存在的争论已经持续了几个世纪。毕竟，如果凡事皆有因果的话，那么我们就没有决定任何事的自由了。如果说我们做的每一个决定或者每一个想法都是其他事情的结果。而这个结果又是由其他原因导致的。以此循环往复，那么就不存在人的自由意志这一说了。——所有的生命轨迹都只是受因果关系的控制了。因此，对于因果关系在世间所扮演的角色，哲学家们争论不休，有时他们认为，这是与自由意志相对立。
书中举了个例子，举了部《少数派报告》，当我看到这里的时候，”哎哟，我居然看过这部，想想心里还是有点小激动“，有兴趣的可以去看下，大概就是讲警察通过预测来提前抓捕犯人，不过不是通过大数据，是通过超人类的方式。当你什么举动都可以被预测，相当于你完全暴露在太阳光下，换成你，你害怕不。
最后，附上两段结语，一段是书中的一段话，另一段是我自己瞎编的。
大数据并不是一个充斥着算法和机器的冰冷世界，人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案，只是参考答案，帮助是暂时的，而更好的方法和答案还在不久的未来。
大数据终将会影响到我们，也像其他技术一样会是一把双刃剑，用得好，动心，滥用，害怕。如同核技术一样，用的话，造福地球，滥用，给个金刚石地球你，照样爆。我相信，未来的大数据的发展会如作者所说的，是一场生活、工作与思维的革命。
大数据时代读后感(二)
去年的“云计算”炒得热火朝天的，今年的“大数据”又突袭而来。仿佛一夜间，各厂商都纷纷改旗换帜，推起“大数据”来了。于是乎，各企业的CIO也将热度纷纷转向关注“大数据”来了。有一张来自《程序员》微博的漫画很形象。我觉得这张图，很真实地反映了现实中小企业云计算，大数据的现状。
不过话又还得说回来，《大数据时代》是本好书。
当然，很多IT知名人士也大力推荐，写了好多读后感来表述对这本书的喜欢没看此书之前，对所谓大数据的概念基本上是一头雾水，虽则有了解关注过现在也比较火热的BI，觉得也差不多，可能就是更多的数据，更细致的数据分析与数据挖掘。看过此书后，感觉到之前的想法，只能算是中了一小半吧---巨量的数据，而另一前：着眼于数据关联性，而非数据精确性，或许才是大数据与现时BI最大的不同，不仅仅是方法，更多的时思想方法。不过坦白讲，到底是数据的关联性重佳，还是数据的精确性更好，还真的需要时间来检验一下，至少从现在的数据分析方法来论，更多的倾向于数据的精确性。看完此书，我心中的一些问题：
1什么是大数据
查了查百度百科，是这样定义的：大数据(bigdata)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的'的资讯。大数据的4V特点：Volume、Velocity、Variety、Veracity--这个好像是IBM的定义吧。
以个人的观点来看：数据海量，存储海量都是大数据的基本原型吧。
2大数据适合什么样的企业
诚然，大数据的前提是海量的数据，只有拥有巨量的数据资源，方能从中查找出数据的关联性，才可以让通过
专业化的处理，让其为企业产生价值。针对电信运营，互联网应用这样海量用户的数据的大企业，也是在应用大数据的道路上拥有得天独厚的条件，但是针对中小企业呢销售订单数据若非百年老店，估计数据也是少得可怜，5，能用的可能只有消费者数据了吧。貌似大多数厂商，用来举例的也就是消费都购买行为分析为最多。同样，在公共事业类的政府机构，大数据的作用也许也能很好的发挥。反而感觉在大多数中小型企业应用大数据，似乎有点大题小作。书中说：大数据是企业竞争力。诚然，数据是一个企业的核心无形资源(利用得好的话)，但是否所有的数据，或都换则方式说：所有的企业都以大数据为竞争力，是否真的合适么是否在中小企业中，会显示得小题大做呢
3大数据带来的影响
当一波又一波的IT技术热潮源源不断地向我们铺面而来的时候，你甚至都没有做好准备，你都要开始迎接它所给你带来的影响了。经过物联网，云计算的推波助澜下，大数据开始登场了。但它到底给我们带来了什么呢
1)预测未来书中以Google成功预测了未来可能发生流感的案例来开篇，表明通过大数据的应用，可以为我们的生活起一个保驾护航的指向标。实质很简单，技术改变世界。
2)变革商业大数据所带来的商机，同时会衍生出一系列与大数据相关的商业机遇与商业模式，数据的潜在价值会源源不断地发挥作用可以容易想到的是未来有专门的数据收集，数据分析，数据生成的一条数据产业链产生。影响最大的，当然是IT公司
3)变革思维书中所说：因为有海量的数据作基础，未来，我们可能更关注数据的相关，而非精细度。对这条，本人还是持保留意见的。
大数据时代读后感(三)
如今说起新媒体和互联网，必提大数据，似乎不这样说就OUT了。而且人云亦云的居多，不少谈论者甚至还没有认真读过这方面的经典着作——舍恩佰格的《大数据时代》。维克托·迈尔——舍恩伯格何许人也他现任牛津大学网络学院互联网研究所治理与监管专业教授，曾任哈佛大学肯尼迪学院信息监管科研项目负责人。他的咨询客户包括微软、惠普和IBM等全球顶级企业，他是欧盟互联网官方政策背后真正的制定者和参与者，他还先后担任多国政府高层的智囊。这位被誉为：大数据时代的预言家“的牛津教授真牛!那么，这位大师说的都是金科玉律吗并不一定，读大师的作品一定要做些功课才好读懂，如果能做足功课又具备相应的理论功底，就能与之进行一场思想上的对话。
舍恩伯格分三部分来讨论大数据，即思维变革、商业变革和管理变革。在第一部分”大数据时代的思维变革“中，舍恩伯格旗帜鲜明的亮出他的三个观点：一、更多：不是随机样本，而是全体数据;二、更杂：不是精确性，而是混杂性;三、更好：不是因果关系，而是相关关系。对于第一个观点，我不敢苟同。一方面是对全体数据进行处理，在技术和设备上有相当高的难度。另一方面是不是都有此必要，对于简单事实进行判断的数据分析难道也要采集全体数据吗我曾与香港城市大学的祝建华教授讨论过。祝教授是传播学研究方法和数据分析的专家，他认为一定可以找到一种数理统计方法来进行分析，并不一定需要全部数据。联系到舍恩伯格第二个观点中所说的相关关系，我理解他说的全体数据不是指数量而是指范围，即大数据的随机样本不限于目标数据，还包括目标以外的所有数据。我认为大数据分析不能排除随机抽样，只是抽样的方法和范围要加以拓展。
我同意舍恩伯格的第二观点，我认为这是对他第一个观点很好的补充，这也是对精准传播和精准营销的一种反思。”大数据的简单算法比小数据的复杂算法更有效。“更具有宏观视野和东方哲学思维。对于舍恩伯格的第三个观点，我也不能完全赞同。”不是因果关系，而是相关关系。“不需要知道”为什么“，只需要知道”是什么“。传播即数据，数据即关系。在小数据时代人们只关心因果关系，对相关关系认识不足，大数据时代相关关系举足轻重，如何强调都不为过，但不应该完全排斥它。大数据从何而来为何而用如果我们完全忽略因果关系，不知道大数据产生的前因后果，也就消解了大数据的人文价值。如今不少学者为了阐述和传播其观点往往语出惊人，对旧有观念进行彻底的否定。
世间万物的复杂性多样化并非非此即彼那么简单，舍恩伯格也是这种二元对立的幼稚思维吗其实不然，读者在阅读时一定要看清楚他是在什么语境下说的，不要因囫囵吞枣的浅读而陷入断章取义的误读。比如说舍恩伯格在提出”不是因果关系，而是相关关系。“这一论断时，他在书中还说道：”在大多数情况下，一旦我们完成了对大数据的相关关系分析，而又不再满足于仅仅知道‘是什么’时，我们就会继续向更深层次研究的因果关系，找出背后的‘为什么’。“[i]由此可见，他说的全体数据和相关关系都在特定语境下的，是在数据挖掘中的选项。
大数据研究的一大驱动力就是商用，舍恩伯格在第二部分里讨论了大数据时代的商业变革。舍恩伯格认为数据化就是一切皆可”量化“，大数据的定量分析有力地回答”是什么“这一问题，但仍然无法完全回答”为什么“。因此，我认为并不能排除定性分析和质化研究。数据创新可以创造价值，这是毫无疑问的。舍恩伯格在讨论大数据的角色定位时仍把它置于数据应用的商业系统中，而没有把它置于整个社会系统里，但他在第二部分大数据时代的管理变革中讨论了这个问题。在风险社会中信息安全问题日趋凸显，数据独裁与隐私保护成为一对矛盾。如何摆脱大数据的困境舍恩伯格在最后一节”掌控“中试图回答，但基本上属于老生常谈。我想，或许凯文·凯利的《失控》可以帮助我们解答这个问题至少可以提供更多的思考维度。正如舍恩伯格在结语中所道：”大数据并不是一个充斥着算法和机器的冰冷世界，人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案，只是参考答案，帮助是暂时的，而更好的方法和答案还在不久的未来。“谢谢舍恩伯格!让大数据讨论从自然科学回到人文社科。由此推断，《大数据时代》不是最终答案，也不是标准答案，只是参考答案。
此外，在阅读此书之前还必须具备一些数据科学的基本知识和基本概念，比如说什么叫数据什么叫大数据数据分析与数据挖掘的区别，数字化与数据化有什么不同读前做些功课读起来就比较好懂了。
我觉得二者相辅相成，但物联网可能更适应社会发展需求。原因如下
人工智能类似软件，需要物联网作为载体，物联网类似个硬件，是需要人工智能来驱动的。人工智能需要落地的应用作为载体，物联网就是一个最重要的载体。
物联网的英文是Internet of things简称IOT，翻译过来就是,,物物相连,万物互联，简单来说,即是物与物相连互联的互联网，但其实,物联网在我们的生活中已经无处不在，从我们在上学期间使用的校园一卡通，到高速上的ETC,再到近些年流行的智能手环可穿戴设备等等，都是物联网运用的例子，另外,随着AI技术的发展，物联网+AI带来了更多的可能性。
传统家居产品的智能化就是一个很好的例子，互联网时代,我们使用手机等设备获取输出信息，d属于人机交互模型，是以人为主体在网络上传输数据和信息，物联网主要分为3个组成部分，网络连接(connectivity)、数据处理，(device)、网络连接，传感器被安装在各种产品中，它们就是万物互联的物，这些传感器或者是芯片，让产品拥有感知能力和数据处理能力。
同时物联网感知设备每天可以收集产生大量的数据，如何利用这些数据并且分析数据，就成为难题，随着人工智能的发展，一些人工智能的分析方法就可以引入进来，人工智能为物联网面临的数据难题提供了最好的解决方案，人工智能通过强大的数据分析能力，在人类的帮助下做出最佳的决策，人工智能与物联网相融合，利用人工智能实时分析数据的物联网设备终端正在走入我们的千家万户。
最简单的设备例子：语音音箱和手机端语音助手，就是建立在自然语音处理的技术之上的物联网终端设备，物联网家庭摄像头也极大的依赖计算机视觉技术实施监控功能。这些物联网设备也只有借助人工智能技术的加持才能真正的发挥其优越性。物联网和人工智能 的关系就是一种相辅相成，携手并进，互相依赖的关系。
但人工智能的周期发展还是很长的，而目前很多大学把人工智能的核心的内容在研究生阶段培养，本科阶段用来测验学生是否有学习的潜力和能力。同时人工智能专业对教学设备和教学师资有过高的要求，而人工智能行业但凡有独特认知和能力的人才基本上在大型企业，没有在学校。人工智能对学历要求比较高。
物联网工程的市场庞大，因此就业前景也非常好。毕业生可从事信息传播时代内容方面的深度、综合、跨学科的信息传播工作,同时也能在新闻传播技术方面从事设计、制作等方面的传播技术类工作或者在政府管理部门、科学研究机构、设计院、咨询公司、建筑工程公司、物业及能源管理、建筑节能设备及产品制造生产企业等单位从事建筑节能的研究、设计、施工、运行、监测与管理工作等等。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）