12月8-10日，36氪在北京国际会议中心举办了「WISE2020新经济之王大会——崛起与回归」。本次大会是WISE大会的第八届，2020年也是36氪成立的第十年。在新经济之王主会场，我们邀请十年里乘风破浪的创变者们，连接初创公司、互联网巨头、投资机构、地方政府、传统企业等市场参与主体，一起回望中国新经济快速崛起的十年，共同展望新经济下一个十年的无限可能。
明略科技副总裁黄代恒在大会上发表演讲。
明略科技副总裁黄代恒
以下是黄代恒的演讲实录，经36氪整理编辑：
尊敬的各位来宾，上午好。我今天跟大家分享的题目是数字化未来的趋势与路径。
我们知道原来在衡量一个国家，一个行业的经济进展的时候，经常用能源的使用，包括油和电来评价，人均能源消耗到现在今天依然在增长，但是涨幅是1%-2%的区间徘徊。另外一方面，我们每个人生成的数据在以45%的速率高速增长，这是很明显的不可逆的趋势。这45%的数据增长里面，数据的形式也在变，不光是原来的传统的结构化数据，还有很多视频、音频这样的非结构化的数据。
这里涉及到相关技术的演进，我们知道Gartner不断会发布技术成熟度曲线，他们认为新技术会在达到一个期待的高点之后，由于它实际的应用还需要一定的跟随、一定的成熟期，会跌下来再往前发展至成熟。实际上计算机视觉现在已经有很多的深耕行业的公司，已经过了这条曲线。但是同样还在翻越这条曲线的有什么技术呢？包括自然语言处理、知识图谱技术，这些更偏认知智能的技术。实际上人的交互，它还有很长的路要走，但是整个技术演进的趋势也是非常明显的、是不可逆的。
《数据战略》这本书里提到，"所有的业务都和数据相关，数据必将成为取得竞争优势的关键"。这里面你会注意到，他并没有限定是哪几个行业。甚至他并没有区分toB、toC，政府和企业。数据会对现有的生产结构进行重塑，是对生产关系非常非常重要的一个根本的调整。
原来我们走的比较快的是数字产业化，把数字行业快速的产业发展起来。另外一个非常重要的方向叫做产业数字化。这方面有很多种的路径在尝试，我们今天分享的一种比较经典的路径，第一步是数据在线，先使更多的行为能够被量化，然后再进行第二步探索式的分析。第三步是把行业经验的积累，通过某种形式固定下来，也许是机器学习的方式，也许是专家系统的方式，最后一步是渐渐的走向智能决策。
举几个传统行业的例子。比如说一些非常重的行业，如能源、交通，一列现代化的列车大概包含2000-4000个测点，随着自动驾驶的技术现在还在不断增长。比如北京上海这样的大城市，平时运行的车辆接近2000，它们的数据会以每50毫秒一次的采样频率在算。需要系统具备每秒钟200万到300万数据测点的处理能力，一旦的具备了这种能力，就会使整个对车辆的监控，包括轨道交通的智能维保得到提升。轨交行业车站、通讯信号、供电等方面维保发展比较早，但车辆一直没有普及，因为采集和移动通讯那一端没有解决，随着5G的提升会得到进一步的进步。
另外一个非常传统的行业，以餐饮为例。餐饮行业是非常依靠人的主观判断的，例一个是店面的整洁与否，另外是员工的服务是否专业。餐饮业最难的是什么呢？是缺更好的店长，缺一个有经验的店长能够如何去管理这个店。举一个例子，可以通过视频对前后厨的情况自动的分析和判断，给出预警。包括对员工的服务可以自动进行语音的采集和语义分析。这个不光是用于餐饮业的服务，比如滴滴的司机，他对您的服务是否规范和标准，都增加了新的数据在线，使后续的分析得到更多的信息源。
取得了这些数据之后有很多种分析的方法，比如说我们用常规的图表方式，我们深入了洞察了一个产业。比如政府是如何分析区域经济，包括在疫情期间，比如说对文旅的恢复，疫情期间其实已经做了很好的恢复，但是文旅产业，包括它的配套，包括吃住行消乐，这些配套的工程是否逐渐的恢复，都可以通过数据进行分析。
另外一个非常重要的是对网络关系的构建，我们利用了知识图谱的技术，把人与人之间的关系，账号与账号之间的关系连接起来，这在不同的领域有非常重要的应用。比如说反洗钱和电信诈骗，这里有比较明显的规律，但是这里往往涉及到上千万个实体，原来的处理能力不管是关系体系的构建还是随后的加工分析，还是最后的交互，找到有问题的那个点都需要提高。现在知识图谱方面的技术在不断地去解决这方面的问题。
做过了数据在线和探索分析之后，就会遇到一个槛，就是自己行业的知识是怎么进行规划的。我们知道有很多的组织知识是非常非常灵活的，用各种方式，有的是明面上的规则，数据判断。有的是潜规则，一些综合的下意识的软性的经验判断。很多的传统企业也在慢慢突破，比如说国家电网等传统的能源行业。针对不同的故障会有一些不同的判断处理方式，但是如果操作人员不知道是哪个问题，走完全套流程可能需要二三十分钟。但是现在如果设备的电压、电流，一些重要的数据已经通过传感器，已经通过网络，已经解决了感知层和传输层的问题的话，就可以在数据层对这些趋势进行自动的判断，这就是特别重要的维修经验的落地。在类似领域，就是一旦出现问题对整个系统会有很大的影响，难以承受的经济和生产连续性的损失的时候，会优先展开这方面的探索。
另外知识积累也可以应用在经济方面的分析，对每个经济体是怎么看的。比如说区域内一般的平均的商业楼宇，每平方的效益是多少，某些楼大幅偏离了这个均值，这些都是传统的把你的行业是怎么看这个行业的东西，落实在数据智能上，由机器来渐渐的协助人进行判断，甚至达到一个提升的作用。
进一步走到智能决策，其实现在用的最多的智能决策还是推荐，不管是商品的推荐还是短视频和新闻内容的推荐，都是很明显的最终到决策。
除了互联网企业，传统的政府服务也在通过这样的技术改进自己。这里是精准帮扶的例子，通过什么样的家庭构成、什么样的行业特征。比如有些家庭构成，做帮扶的过程中有些人可能是因为家里有重病人或者残疾人，这样的方式你就不能简单的通过给他提供就业机会来改善。但是如果不符合这样的情况，有一个适龄的劳动力的话，就可以通过这种方式精准的改善这个问题。包括现在12345等互动渠道，这里面的文本也蕴含了大量的规则和规律，能够通过数据的分析达到更优化的分析状态。
前面介绍了一些实现数字化转型的步骤，这条路看上去觉得已经不远了，但是实际走起来又没有那么近。一个重要问题是是数据文化的创立，不像我们常规的业务改造那么容易。我们做过很长时间的政府和大型的国有企业的数据化。我们就发现，很多时候为什么数据连不通是因为网络不通或安全问题。但是后来一层一层分析下去，你发现这还是一个表象，更难的是组织和生产关系的问题。数据就意味着权力，数据就意味着监管，全过程全部门数据化后，就会发现很多的流程可以进一步的优化，这两个部门能解决，不一定要设计三个部门。如果数据打通的话，中间有两个环节可以跳过去。同样，部门业务执行的效率、合规等问题也更容易被分析和暴露出来。
我们提出两种模型，你会发现不同的企业和不同的视角看待这个问题不太一样。比如从企业视角来看，现在的数字化转型集中在两个三角形，一个是他把自己企业作为一个角，客户作为一个角，员工作为一个角，中间有不断的互动，尤其是现在员工跟客户这层的互动，从采集手段、分析手段、交互手段等方面，数据化工作做得更多。
另外一个三角就是放在更大的新基建视角。新基建有很多的内容，包括5G、包括高速的轨道交通，包括计算中心等等，但其实如果真的再往后深入它的本原的话，我们认为这一个三角就能反映出来。本质是在用信息流、数据流，来驱动两个流，一个叫做能源流，一个叫物流。比如滴滴哪个车应该调度在哪里，我们刚才聊的交通、能源、金融，这个钱应该去到哪里，这个能源应该用什么样的匹配。我们为什么花这么大的力气做5G，和云端，包括芯片和云端的计算系统，都是为了能够四两拨千斤，用更高效的数据流来优化调整我们的信息流和物质流，这是我们认为未来十年整个产业数字化的大趋势中非常关键的一点。
简单整理一下今天想跟各位分享的几个关键。
第一个是VUCA时代，今天疫情是个黑天鹅事件，这个事件是偶然的，但是广义上看我们随时可能面对其他突发事件，也许是环境和政治文化方面的事件。整个世界变化的速度都在加快。相比农业时代和工业时代，技术时代一定会使黑天鹅事件发生的频率变高。数据不限行业，对于政府和行业都会产生同样的赋能，赋能组织能够更好更快地响应变化，只不过不同的行业在接受它的过程和响应的速率、和文化会有些不一样。
第二个就是提供了数字化转型的参考模型，因为刚才介绍的数字在线、探索分析、知识积累、智能决策，这不是1234顺序的过程，而是不断地去迭代、循环，有始无终的过程。
最后一个是特别重要的，尤其是产业数字化，其实最主要的不仅仅是技术问题。整个组织的思维模型、人才结构、文化、组织调整等等这些方面的问题都非常重要。
最后的结束语，我们认为数字化未来发展的趋势是人机同行，技术会在某种程度上从各种各样的视角来辅助我们人，是长期的并存、互相促进、互相优化，不会是替代的关系。
