海外人才的創新黑科技（下）

天道有常，這個“常”指的是“規律、邏輯”，是歷史車輪的前路，是世態發展的前行腳步，她“不為堯存，不為桀亡”。

我們來看近年次第興起的“熱詞”，其中便暗含了這“常”：

首先是“信息大爆炸”，使得世界變成“平”的，地球上任何地方，尤其是技術發展領先的區域出現了一個新的成果，很快就能傳遍業界，繼而形成轉化落地。這加速了人類社會文明的進步與科技的發展。

信息多到令人窒息，吾生有崖而學海無涯，我們沒有閒暇去看雜亂的虛假信息、陳南往事……我們對資訊質量的要求越來越高，一個有價值的訊息被美譽為“乾貨”，因此接下來我們的時代出現了一句口號：“內容為王”。

人越來越務實，“乾貨”一詞越來越多以“模型”、“調研結果”、“數據分析報告”等數字化形態來被表現，陳述客觀事實而非抒發胸臆與闡述願景。這時，核心詞彙變成了“數據”，繼而是“大數據”，仿佛調查的樣本越多，結果越有參考價值。

“大數據”給人一種假象，即因為樣本的龐大，調研似乎已經從抽樣調查變成了全樣本調查，從而得出一個“事實”而非“估計”。這樣龐大的數據量人無法處理，於是人想到了“機器換人”。

新時代的AI提法由此誕生了。我們稱之為“深度學習”，而我們要教會她啥呢？她得學習如何幫助人類處理海量的數據。

12月末在廣州召開的中國海外人才交流大會（第20屆中國留學人員廣州科技交流會）留海海歸黑科技產品推介的舞臺上，“大數據”的使用再度成為創新關注的焦點問題。

iGF智慧城市 & RetAIL智慧零售

iGF智慧城市項目，考量一個城市的方方面面，包括

交通便捷度：路口數量、公共交通、自駕……

配套因子：醫院密度指數、景觀密度指數、學校密度指數……

房價因子：最高房價、平均房價、房價中位數……

產業密度：流通密度、黨政機關沒丟、生產服務部門密度……

通過數據採集、挖掘，利用AI作大數據分析，服務客戶，以達到優化土地城市規劃的目的。其中將城市劃分板塊，採集人群數據，形成分析圖表，指導新店選址的應用方向，與RetAIL智慧零售項目十分類似。

RetAIL智慧零售項目，針對零售業，利用大數據分析結果，做出地形圖

Step1 數據採集、量化分析，包括GIS地理信息、城市商業信息、人跡行為分析。

Step2 預測營業精準度，為線下零售提供決策支持，包括開、并、轉、停四個動作。

Step3 大數據建模與分析，鎖定優質片區，通過定制的機器學習算法進行模型評分排序，為零售企業打造新零售的經營決策，獲得競爭先機。

一言以蔽之，即通過價類劃分、友商分佈、人口流動等銷售數據分析，知道銷售工作下一步的進行。

這兩個項目非常類似，實際上是利用各類地理信息形成“地形圖”，做的是大數據的“可視化”工作，不同點在於利用的場景，但其本質還是類似的。

期間有一句話語讓Dr知很有觸動，演講者曰：過往我們做很多決策是依靠經驗，但有很多時候經驗往往是錯的，現在有了大數據分析平臺，讓我們做決策的時候能獲得更多的數據支持。

然而多年的工作經歷告訴Dr知，在數據分析不全面的情況下，經驗往往是正確的一方。智慧城市提法更像是一個理想的（空想的）基於大數據分析結果而建設出來的完美城市。但Dr知始終認為，人類進步最優價值的地方並非是能算出更多更精確的數字結果，而是面對結果作出評判，以及之後的對實際工作的指導。

基於大數據的決策，看似無可挑剔，但細思極恐：我們得出的最優解是基於一個怎樣的前提呢？是基於大家都是理性的，友商們都會依據這個結果去分佈，最後達到共贏。

因此，大數據的分析結果已經不似武林門牌般需要藏著掖著自己的獨門絕藝，而更傾向於分享，數據的可視化也助力數據分析結果的共享。

商業社會已然進入“共享經濟”時代。

過往，Dr知也考量過一個類似的創意，非城市公共服務也非零售業，而是人力資源行業：人才大數據的運用。

在“共享經濟”這個主題之下，一個經典的案例是Uber以及Mobike為首的共用汽車/單車項目。其邏輯思維是，你所擁有的車子並不需要24小時都在使用，而在你不用的時候這汽車就閒置了。空閒就是浪費，既然如此，何不採取一些方法，讓你的車子在你不用的時候仍然能為你提供價值？其中一個有效的手段就是“共享”。

新時代的人才合作也亦如此。現在的人，有各種各樣的能力，但是每個公司每個部門每個崗位的員工，都有其崗位職責，這意味著有部分人會存在“懷才不遇”的情況，即你除了能滿足職務所需的技能之外，其他的技能就成為“閒置”技能，“爛在懷裏”了。

這些“閒置技能”能否共享？這是一個創新的突破點。

我們來回憶一下我們是如何使用OFO小黃車的。當我們需要去一個騎行僅需10分鐘的地方時，我們不想去尋覓可能還要走500米的公交站，或者是懶得等待下一趟公車的到來，而是掏出手機，打開APP。

進入視野的一個地圖，上面滿屏的圓點，顯示著在我們身邊所存在的空閒單車的位置，我們挑選個近距離我們最近的，根據導航，找到它，然後開鎖，騎走。抵達目的地後，我們鎖車，付款，然後離開，讓這輛車重新進入共用，等待下一個使用者的出現。

回到剛剛探討的內容，關於“閒置技能”。

譬如，當我們需要做一個網站的時候，我們打開APP，出現在我們眼中的亦是一個相似的地圖，通過資訊篩選功能，符合條件的人才以紅點的形式展示。點開每個紅點，都能看到這些人才的具體資訊。找到他們，然後促成合作。

在這樣的一個“地形圖”裡，真正有價值的并不是定位到這些人才的地理位置，也不是統計出這些人才的分類與技能點，而是關於利用“閒置技能”這一個本質的思路。