读《数据资本时代》有感_读后感_模板
发布时间：2019-08-21 来源：文档文库
小
中
大
字号：
读《数据资本时代》有感_读后感_模板
读《数据资本时代》有感 国民经济管理16 张琦
注：此为中央财经大学陈运森老师 《高级财务管理》课程的学生作品
随着时代的往前推进，我们逐渐向大数据资本时代迈进，随着海量数据市场的出现，货币体现信息的作用被海量数据替代，虽然货币的交易功能仍然保留，但货币的价值却在贬值。这给市场和公司都带来了不同的机遇和挑战，也就是经济的微观和宏观方面都将受到海量数据资本的冲击。大数据时代下，未来市场、未来公司和未来的人类将何去何从；我们如何最正确地迎接海量数据的挑战，这些问题或许没有正确答案，但我们尽可能的了解大数据资本时代和我们自身的多样性，可以做到的是”知已知彼，百战不殆”. 传统市场与公司在数据资本时代的挑战 古往今来，人类的合作方式是为了应对资源稀缺的挑战，随着沟通方式和信息流动方式而产生的，市场与公司顺势而生。传统的市场与公司围绕价格这个信息进行决策，不同的是市场进行的是分散决策，公司进行的是集中决策，围绕价格，市场中不同个体之间，市场与公司之间，公司内部完成一笔又一笔交易，人类的合作从而达成，人类依靠交易活动得到的物质资本支持人类继续下一轮的生产活动，交易活动和心灵求索活动。 但在复杂和不确定的环境和人类的理性下，传统的市场和公司围绕价格而得到的信息往往是十分不完备与不对称的，因为价格可能解决了信息过量的问题，但它仍然让我们做出了十分糟糕的选择，我们对价格的执着阻碍了市场发挥其最擅长的作用，即协调人类活动。 与市场不同的是，公司的原则是集中决策，在过去的经验中，公司内部的信息被层层上传由董事会做出决策，其决策层层下传，层层执行。随着公司规模的增大，信息源源不断地向权力中心移动，而权力中心的决策能力有限，决策水平的提高依靠的就是下放决策权，制定标准决策指导方案然越来越多的人参与决策。这种传统的层级管理结构和有限的信息流动方式，使信息和决策在流动中受损。传统资本市场在数据资本下毋庸置疑会面临衰退，首当其冲的就是银行业。银行业的信息不完备与不正确，数据资本带来的未来将是经济繁荣发展而金融资本不再会繁荣。 在过去的市场和公司中，公司和市场的效率因此得到巨大的损失。但海量数据向资本市场的涌入，价格的信息作用被大数据替代，人们在各种类的交易中关注的不仅仅是价格，海量数据经过专门的处理成为一种资本，不同产品与服务的种类在数据资本时代是明晰和容易比较的，因此所有类型的市场理应得到重塑，从能源市场到运输物流市场，从劳动力市场到医疗保健市场。公司传统的层级管理结构在海量数据的攻势下也显得太过封闭繁琐和成本巨大，是时候迎接市场与公司在数据资本时代的变革了。 市场与公司在数据资本时代的变革
市场在数据资本时代显得更加具有优势，因为信息创造市场，市场的基本原则是分散决策，海量数据已经为整个市场带来了效率的提高。以货币为基础的传统市场将无数个维度的信息压缩成价格，而价格被卖家玩弄于股掌，通过各种各项的技巧欺骗买方，市场的负外部性得以体现。(但在大数据时代下，这个问题得到了解决，海量全面的数据替换了价格反映信息的作用，数据帮助市场参与者找到了更好的匹配项。同时，在海量信息的帮助下市场的分散决策体现了优势，海量数据呈现的市场决策分布传递出来的信息帮助我们帮助节省评估比较不同决策的时间，并且在市场分散决策和海量数据的影响下，错误决策的影响被减小。 传统公司面对的挑战是在货币市场转化为海量数据市场的过程中，利用海量数据处理信息过载问题，减少决策数量。而遗憾的是，公司不会达到与市场一样从海量数据市场中自然
获益的程度，而是需要顺应市场变革，创新管理制度来应对挑战。部分公司已经预见了海量数据时代的大变革，并主动迎接变革，从目前来看他们主要采取两种方式，一是实现决策自动化，以日本寿险巨头富国生命保险为例，他们宣布将使用IBM开发的一款机器学习系统——沃森来评估保险理赔，从而理赔部裁员1/3;二是向企业组织结构中引入市场DNA,以汽车制造公司带戴姆勒为例，该公司宣布彻底重组公司结构，让公司20%的员工脱离之前的体系到公司各部门之外运营，组成更灵活的团队。 市场顺应数据资本时代是自然的、规律的，而公司应自己选择战略进行惊险的生存实验，从而使自己能在大数据时代生存下来。 市场与公司在数据资本时代的未来
海量数据并不是解决市场效率损失灵丹妙药，它必须也要有标准和适用条件，使用不当也会有及其巨大的副作用。为了使海量数据是可用的，数据资本在市场中运转有三个必备条件：数据标注、个人匹配算法、机器学习。数据标注从”本体论”提出，问题的关键是确定正确本体，其主要目的是运用海量数据将产品的可发现率提高，.个人匹配算法依靠的原理是一个人不仅可以有多种偏好选择，也可以用不同的方式衡量偏好，所以我们在衡量不同问题的偏好时，我们需要不同算法的匹配。机器学习是基于数据大规模训练以及随之而来的自适应反馈，与个性化学习相结合，激发市场显著提高效率的潜能。每一项技术的进步，带来的是低成本获取海量、多维度的信息流并将信息自动化转化为决策。
公司的发展却不容乐观，随着算法的提升，决策层会一层一层的减少，效率会大幅度提升，公司的重要性也就会下降。在现阶段公司为拥抱大数据时代而做出的改变来看，公司越来越可以依靠算法来实现决策自动化，工作程序也会由机器学习不断地推进，公司的未来是与大数据和市场结合的，公司还会雇佣人类但其管理和运行主要由机器人操作完成，甚至公司会依赖市场机制运作。最终，人的作用只是协调市场机制，在我看来这是虽然高效但有些悲观的。
我们何去何从
目前我们正处于海量数据市场的最初级阶段，正如所有新鲜事物一样，海量数据本身在带来技术进步的同时，我们将拥有可以随意支配的强大的海量数据系统，这些系统帮助我们运用更少的资源花更少的时间，得到更好的匹配，效率红利显而易见，但是我们只是放弃一部分”无聊”的决策，专注于更重要的选择，而将选择的需求和选择的快乐分开。在劳动力市场中，我们也可以利用海量数据选择个人匹配算法为自己找到较适合的工作，不需要仅仅为自身的 “价格”,即工资所局限，工作的作用在支付账单和提供个人满足感之间得到平衡。海 