数据资本时代

在许多领域，我们已经开始享受海量数据市场了，比如旅游、约车和电子产品等领域。但是，信息越丰富，其处理难度就越大——我们需要根据自己的个人偏好来衡量每个维度，选择最佳交易伙伴。将大量信息转化为决策是困难的。在Expedia这样的网上平台搜索航班时，面对太多的过滤器和选项，无论是谁都会不知所措。我们在爱彼迎（Airbnb）上选择民宿时，不也是如此吗？即使对于我们来说所有的选择都是很容易找到的，可是找到最佳选择往往也还是很困难的。其困难之处就在于信息过载，包括可供筛选、选择，并确定最优匹配的选项太多等问题。幸运的是，技术可以再一次帮上忙。

传统市场的关注点主要集中在价格上，买卖双方的个人偏好匹配是相对次要的。所有的个人偏好都被压缩成买方愿意支付的价格和卖方愿意接受的价格。人们觉得，只要买家和卖家能说出自己在价格上的偏好，而且市场上也有足够多的各类参与者，双方的交易就会自动发生。而事实上，在这样的交易中，一些有价值的个人偏好信息却丢失了。这也许是因为市场参与者没有把自己所有的个人偏好全部正确地体现在价格上，但其他人错误地从价格中推断别人的个人偏好也是一个原因。在这种情况下，一些看起来很相配的东西，实际上却并不匹配。我们可能认为这样的市场也是有效的，从中我们也能买到自己想要的东西，但事实并非如此。而且，这样的市场还可能让我们花的钱更多。

海量数据市场具有的优势之一，就是不会让价格焦点贬低个人偏好的地位。比起传统市场，海量数据市场还具有另一个优势：对一笔潜在的交易，一个人不但可以有多种偏好选择，而且可以用不同的方式来权衡不同的个人偏好。在个人偏好被压缩成价格时，两个同样重要的个人偏好可能会产生大相径庭的价格（一个价格非常高，一个价格非常低），就像两个重要性特别不一样的个人偏好那样。在海量数据市场中，原始的个人偏好数据，包括相对权重，都是可以被利用的，但它需要经历一个足够聪明的匹配过程，才能将这些偏好的多重维度和相对权重考虑进来。手工操作这个过程对于大多数人来说都是一种挑战，也很少有人愿意花费完成这个过程所需要的时间和精力。如果关于个人偏好的数据中的那些细节，没有被用来识别最佳匹配，那么数据的丰富性将毫无意义。

幸运的是，在过去的几十年里，数学家和经济学家一直都在努力开发一些算法，来评估各类偏好和它们的相对权重，并据此确定最佳匹配。尽管实际上这个过程是相当技术性的，但是从本质上讲，它与分析和匹配数据模式并没有太大不同。我们使用同样的技术来管理照片库（以方便自己寻找具有某些功能的图片），或者让我们的智能手机“理解”语音指令，或者让智能手表上的健康应用程序检测出心脏的危险迹象。由于个人偏好数据只是形成某种特定模式的数据流，所以我们可以采用匹配算法来帮助自己确定最优交易伙伴。这绝不简单（确切地做出选择，将哪些东西进行比较，这些可不是琐碎的小事），不过由于出现了更好的算法——这在很大程度上归功于大量的训练用数据，任务变得相对容易了。在海量数据市场中，这些算法是交易伙伴找到彼此的方法。

这是对基于价格的交易决策所做出的重大改进，它使买卖双方能够充分利用现有的完整数据流，并帮助他们有效且高效地将数据转化为交易。由于市场具有分散性，市场参与者之间的信息交易是二元的：潜在的买家与潜在的卖家做沟通，并在交换了个人偏好的信息后，双方都了解了对方的情况，但他们并不了解整个市场。此外，市场参与者可能不想透露他们所有的个人偏好，这种行为以及类似行为，导致了我们前面提到的信息不对称。海量数据市场并没有消除这种不对称，但是，因为在海量数据市场上，更多的个人偏好信息通常会带来更好的匹配，所以人们对个人偏好信息秘而不宣的动力就减少了：因为改善匹配情况的目的，就是要识别出在交易中可以让我们获得最大价值的交易伙伴，也就是出价最高的交易伙伴。通过匹配信息而得到的交易，很多时候比我们在自己的信息多于对方时，通过谈判来达成的交易还要有利。在海量数据市场中，潜在交易伙伴之间的每一次信息互动，都能显示出更多的关于市场上商品的信息。即使最终双方没有交易，它也会对商品的最终交易结果产生正面影响。而且，通过我们精心编排匹配过程，提高共同利益，优质匹配甚至可以为很多信息难以对称的领域提供帮助。当然，这个过程是不断迭代的，即使信息的流动是快速且廉价的，我们也依然还有努力提升的空间。这是因为，没有哪个人会知道每一个人的每一项偏好，交易决策虽然得到了很大改进，但它还并不完美。