人们对一切事物的认知，都遵循金字塔结构：最底层是“数据”（各种浅表层次的现象）；再上一层是“信息”（结构化后的数据）；再上一层是“知识”（被组织起来的信息）；最上层是“智慧”（识别和选择相关知识的能力）。

从数据到智慧，越往上越“主观”。而一些试图用大数据横扫一切的互联网企业，很多时候拥有的只是数据和信息，却误以为是知识和智慧。熟不知，想要真正驾驭数据，需要深厚的行业实践，而行业实践的载体，只能是具体的人。

就以近些年大热的新零售为例，其诞生背景就是线上电商扩张到一定程度后豁然发现，自己在很多方面都无法替代传统零售业，那些深扎在固定土壤里的“线下物种”虽然土气，却因长年在激烈的市场环境中博弈，在供应链管理，控制成本等方面拥有坚实地基。线上电商这才收起傲慢与偏见，转向谦逊与合作。

一、任何企业，一个大数据项目成功的标志，无外乎以下几点：

1、项目目标明确，所有人都知道用它来干嘛，且真正上手去用；

2、所选技术真正匹配项目功能需求，别被噪音“带跑偏”了；

3、项目快速迭代，不断试错研发，形成“数据—认知—数据”的滚雪球效应；

4、项目团队拥有非常深厚的行业储备，这一点无比重要，通常情况下，它决定了前三点是否成立。

举个例子，行业规模最大的论坛“中国·北京2019国际显示产业高峰论坛”在京举办。事实上，大众消费者很难知道，在当今这条新显赛道，不但衍生出针对不同趋势判断的分岔道，且每条分岔道的产业链都绵密漫长，这些道路之间又时而平行，时而相交，通常令局外人（譬如希望引进相关产业的地方区域）摸不着头脑。

而基于新型显示产业的这种特性，产业大数据平台推出了新型显示产业热点招商赛道预测功能，依托专业的产业研究团队，将组件材料，生产设备，面板模组，激光显示四大产业链重点领域细分为72个赛道。与此同时，他们还将这72个赛道抽丝剥茧至最小颗粒度，对他们的产业规模，市场增速，技术含量，融资活跃度等10大指标20余个细分维度的数据进行监测，结合智能算法归类出招商机遇强中弱3大类赛道，最终可实现快速寻找高潜赛道，精准锁定与触达高价值企业，提高招商效能。

二、“行业专家”与大数据的共生关系，正发生在几乎任何领域。

说个我昨天刚读到的领域。你知道，当前个人行为的数据，正越来越多地被收集，人类学家也开始与数据科学家一起，研究不同的人类行为，因为数据科学家发现，只有他们自己参与的大数据项目，往往缺乏对人类行为的真正理解。

举个例子，格拉德威尔的名著《引爆点》被全球营销人士奉为圭臬。他在书中提到，从人类学视角，想要引爆传播，最重要的一条心法就是个别人物法则：一件事情想要在人群中流行开来，需要特别有影响力的“关键人物”在网络中引爆舆论。比如，一个关键人物足以影响周围人的购买行为——但如何从海量数据中找到一个相关性标签，去真正定义“关键”？

可以去统计一个人每月与多少个不同的手机号通过话。因为遵循社交网络科学里的“无尺度网络”原则，评判一个人影响力的关键，是TA与周围各节点间的连接状况，这个数据标签也就变得格外重要。所以，“如果没有人类学家的介入，我们就会错失对数据含义的更深层次，更有意义的挖掘。数据是客观的，但解读数据需要对数据背后行为的了解，需要有态度。

譬如他们有一支产业研究团队，里面很多人都是在一个产业里浸润15年以上的专家，他们是产业大数据平台的“关键人物”。我仍以新型显示举例，你知道，许多时候，若单看一家企业自我标榜的经营范围，它有可能把所有沾边的经营范围都列进去，如果仅凭此判断它是不是能做偏光片或者PCB电路板等产业核心环节，往往有一定风险。这时就需要人工判断企业现状，这个过程非常枯燥，却是大数据平台的重要养料。而在这支产业研究团队中，就有原来的中科院博士生导师来做这个事，他甚至愿意花整整一周时间，帮助产品经理一个一个地做数据标签——你知道，在很多公司，这种事都交由经验匮乏者完成，但只有真正懂产业的人才知道：没在行业里待十年以上，这些标签你打不了。

我记得好像是伯特兰•罗素说过，知识是一个有许多房间的迷宫，有两种人在为之探索：一种人，打开了一个个从来没有人开过的房间，去探索那些未知领域；另一种人，把这些已打开房间的信息收集起来，描绘出了迷宫的整体图景。

对应在产业界，如果说在复杂市场环境中独自摸索的企业，属于第一种，那么今天，我们看到了第二种人的价值。