数据资本时代

随着由数据驱动的机器学习系统的启动和运行，最终，那些蒸蒸日上的公司雇用的管理者会越来越少。自动化最终会走进公司的每个角落，包括公司的决策领导层。但是将决策自动化推进到管理领域，仍存在一个根本问题。市场上的直接交易决策都是大同小异的：我们将自己的偏好与他人的偏好进行比较，然后决定是否交易或者与谁交易。具体情况可能会有所不同，但是市场参与者每次参与市场交易时，都会遇到这种决策。与此相反，企业高管所面临的却是各种各样不同类型的决策。因此，在拥有综合偏好数据的海量数据市场中，我们可以利用这些数据来训练决策辅助系统，并通过系统了解相关情况。但是公司不能拥有这样的奢望，因为在公司里，类型相似的决策要少得多，所以一个特定类型的决策所能使用的数据就相当有限。

由于高管们所面临的决策选择种类比市场参与者面临的要多得多（后者“只是”必须决定是否进行交易），所以机器学习系统需要处理的数据也会更多，而不是更少。更糟糕的是，即使已有足够数量的信息输入，关于决策的实际过程的数据却仍然匮乏。如果机器学习系统不知道如何评估、权衡、比较各种输入的数据，并将其转化为决策，机器学习的发展就会停滞不前，而且表现欠佳。简言之，公司中的数据细流是完全无法与市场的数据洪流相媲美的。当然，公司可以尽量多地收集相关数据，但是考虑到决策的多样性，很难想象机器学习系统会很快接管人类管理的决策工作。