京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的信息垄断与共享
天下事,分久必合,合久必分。
战国时代曾有两个联盟,合纵、连横。最终,秦国依靠经济实力、技术创新和制度创新,先击败了联盟对手,继而兼并了联盟的伙伴。
秦国统一之后的一件大事,是统一文字和度量衡。文字和度量衡是什么?文字是民族和国家最基础的信息系统,度量衡是交易的标准信息体系。统一和一体化的信息系统和交易标准体系,可以极大降低交易成本。有理论认为,国家的兼并行为是人类交易活动的必然趋势。
当今世界,国家兼并的可能性逐渐降低,一是因为有国际法等约束,更重要的是,突破交易障碍不必再通过国家兼并行为完成。区域和全球经济一体化,让经济体的融合替代了国体的兼并。“一带一路”倡议就是顺应经济全球化和一体化潮流的必然举措。
过去,全球化要求信息体系和交易标准的整合,信息全球化是经济全球化的手段和条件。但是,随着这个手段和条件的不断发展,甚至当手段和条件日益重要的时候,信息全球化的本身就会成为独立于经济发展的一支重要的力量。
今天,和金融体系从实体经济里脱胎成为独立的甚至可以操控实体经济的势力一样,大数据、云计算、平台、区块链、移动通讯等等组成的信息体系,也已经从实体经济脱离出来,不仅是实体经济的工具,也成为可以操控实体经济的一种能量巨大的势力。特别是当信息体系与金融体系连横的时候,其颠覆力量可谓所向披靡。信息体系可以先联合金融体系操控实体经济,然后会继续收拾金融体系。
异化,马克思揭示的社会发展现象,一直在不断发生。
信息体系的一体化,既是经济一体化的需要,也是必然的结果。问题是,如何选择信息一体化的途径,是合纵还是连横?我看到三种路径。
其一,正在中国发生的商业模式,信息技术的独角兽公司不断兼并和扩张,先将实体企业以各种手段纳入其统一的信息平台,形成一体化的信息和交易系统。在这个过程中,信息公司会以数据为资本,与金融体系联合。若金融体系不合作,信息公司会以各种途径直接参与金融活动,并以信息的优势取得比传统金融体系更大的竞争能力。最终,金融体系不得不与信息体系合作,进而依赖信息体系。如果对竞争与兼并不加限制,掌握信息资源的信息公司会逐渐兼并金融机构,或以信息的马六甲海峡钳制金融体系的咽喉。甚至,信息公司还会以掌握的信息资源,与政府的信息资源做交换。垄断的升级,赢者通吃,独角兽公司有可能以统一的信息体系一统天下。
其二,是由政府打造的统一的信息基础设施体系,也是中国正在尝试的。毕竟,当今的经济是在国家这个政体的统一管理下运营的,不是无政府状态。基于经典经济学理论,当代政府的功能之一是维护竞争的市场秩序,反垄断是其中一项政策目标。更重要的是,当信息系统成为社会经济不可或缺的基础设施时,理应由政府来提供基础设施服务,才能保证基础设施服务的公正与普惠性。
人民银行系统正试图打造一个公共的金融信息服务平台,很多地方政府也在积极打造区域性的公共信息平台。政府平台的好处是可以保证这个平台的非营利性和普惠性,也可以利用政府的优势形成更完备的信息来源,和更有效的信息保护。前提是,政府是受制约的,是在笼子里的。
第三条道路则是颠覆式的,既由信息技术自身发展产生的分布式信息系统造就的去中心化的共享式信息体系。在那样的体系里,不再需要一个独角兽公司或政府来打造中心化的信息体系,而是由所有参与交易的大大小小的主体共同建设,通过智能合约与智能交易系统维护其运营。与之相适应的必然是一种共有模式的制度创新,参与交易者既所有者。当然这个体系会雇佣一个高效的团队负责系统的物理维护。
第三条道路并不容易走出来,因为独角兽和政府都会维护自己的地位,不会轻易放弃现有的体制。而大众也有惰性,只会坐享其成,只要自己可以得利,尽管会被独角兽和政府的垄断地位制约和盘剥,仍然会依附于其打造的信息体系。但第三条道路是未来的方向。一个由大众所有的信息体系是为大众服务的,不是独立于人的基本需求和实体经济异化的产物,将实现经济与社会的融合与大同。
哥斯达黎加是个神奇的国度,上世纪70年代前曾被不断的军人政变搞得民不聊生。后来出了一位伟大的军人政变上台的总统,他上台后宣布解散军队,只保留警察,将军费用于教育卫生。结果,使得哥斯达黎加很快超越其他中美洲国家,其人文发展指标在全球排到30几名,超过了一些发达国家。
或许,会有一个伟大的独角兽企业或一个伟大的政府,在以垄断方式实现统一的信息体系之后,毅然将该体系交给大众,以众筹的方式将平台的所有权交给社会,以区块链技术将自己替代。
无为而无不为,这是最高境界。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07