数据资本时代

相比之下，参与性方案则提出了一整套政策措施，以支持对那些失业的工人进行再培训。这些工人的失业原因，具体来看是决策辅助系统的应用，总体来看是数字化转型。这一方案的支持者认为，如果能够确保劳动者具有特殊技能（包括机器学习专家，还有专门针对老龄人口的专业医护人员等），就可以满足市场需求，增加劳动力收入份额就可能实现。其中的假设是，劳动力收入份额下降不仅因为自动化，而且因为市场需要专业技术技能的工作，而在当前的劳动力市场上找不到合适人选。但是这种对再培训工人的依赖，首先假定了数据革命将会像工业革命那样发展：开始时许多工人被替代，但最终会出现各种各样的新工作。再培训的想法接受了这样一种观念：当人类的创造力与市场的魔力结合在一起时，它就会创造出新的工作岗位。

这是一种积极的回归心态：人们只要能够获得新技能，就可以重新回归劳动大军。但是，随着我们的市场向海量数据市场过渡，自动化系统将不断地取代那些拥有丰富专业知识的白领员工，比如富国生命保险的保险理赔员，以及那些具有行政和管理技能的员工。

了解我们今天所需要的工作技能，并设计出可以让人们获得相关技能的培训项目，这相对来说也许比较容易，但是这种策略不大可能会让劳动者为明天的需求做好准备。而且，如果我们培训的技能是今天我们认为以后可能会有用的技能，我们就承担了错误预测需求的风险。在海量数据市场的时代，谁能确切地知道什么样的新工作将会出现（也就是哪些技能将会成为未来的需求）？技能需求的不断变化意味着，未来三年内需求量很大的技能，到未来十年时可能将不再那么受欢迎。现在加入劳动大军的年轻人，在他们一生的工作中可能需要多次重新培训岗位技能，而且重新培训的频率会越来越高。如果我们不能充分了解市场到底需要什么，市场就会出现技能培训错误的风险，从而导致发生供应与需求不能匹配的情况。这有点儿像掷骰子游戏：玩家有蒙对的可能，但更有可能会错得离谱。