数据资本时代读后感锦集
《数据资本时代》是一本由Viktor Mayer-Schnberger著作，中信出版集团股份有限公司出版的平装图书，本书定价：CNY 58.00，页数：256，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。
《数据资本时代》读后感(一)：银行会不会变成资本领域的运营商？
从3G上市开始，通信运营商渐渐失去了和客户的亲密接触，将其服务让位互联网公司。今天同样，数据渐渐变成资本的今天，银行原本对于资本流向的绝对控制，是不是也渐渐沦为当年运营商的角色？
金钱/货币其实代表了信息，它将多种因素：商品分类、功能、性能……各种复杂的因素，最后统一为简单的价格来作为评判因素，就是我们今天的货币资本时代。货币是有其历史和原因的，这一点靠数据可以取代吗？
正如运营商虽然在某种程度上丧失了对用户的“控制权”，但是离开了运营商的基础话音和网络服务，用户还不是抓瞎了？同样，虽然很多有关资本的信息已经不单单依赖银行，但是货币的作用还是不可忽视，即使有支付宝、友金所……这一类互联网金融产品，钱还是一定要流经银行的。
不过，当然啦，笔者对金融和市场确实不够了解，所以还需要多多学习。
《数据资本时代》读后感(二)：读完之后，对未来产生了一些恐惧。
在这本书中依然是提到了一个非常有意思的观点，他说不要去做未来的预言人，而是要去准备好制定未来的规则。因为现在其实大家都会看到一个数据驱动的未来，但是这些未来到底是谁来创造的？然后究竟是以什么样的角度去实现？都是一个很大的未知数，这个未知数来自于很多大的公司的努力，以及政府，民间组织的共同努力。但是呢，其中也包含着一些风险和分配不均，好比说巨大的数据量掌握在少数机构数据寡头手中，或者说由于信用缺失，监管乏力，导致本该删除的数据没有被及时删除，这些都给我们的生活带来了很大的麻烦。
我们可以想象到一个未来，很可能很快就会看到的，一个是社会基于数据驱动的社会，但是究竟在这个社会中，我们会扮演一个什么样的角色呢？这还非常难得去回答。这本书中讲了一些很有意思的观点，如果你想要去了解一下现在大数据，甚至是数据行业处在一个什么样的角度，那么你完全可以去看这本书，从这本书中找到你所需要的历史片段以及公司。可以拼凑出来一个比较完整的视图。
这本书的作家自己称自己为是预言家，另外一个作家自己称自己为是携手。但是他们的角度非常好，嗯，我想这是一本畅销书，但是这些畅销书是由，很多的小文章拼凑起来的，但是整体框架还是非常不错的，特别是有一些，嗯自己去考虑荣誉管中窥豹的内容，好比说对数据的征税，好比说对人的征税，这些都有可能会去影响到我们，总体来看还是值得一读啊，而且可以用贵最快速的方式去读完，唯一不同的是我感觉。有一些内容是经过机器翻译的来，所以读起来非常的绕口。
《数据资本时代》读后感(三)：数据资本时代的市场复兴
算法规训人类的视域、选择，甚至影响人们的决策。人类的明天是算法预测的明天。海量数据的出现和信息处理技术的进步改变了认知局限下的人类决策失误，缓解了市场失灵的灾难。信息不对称的改善使得原本大大降低市场流通的信息量将偏好、优先级等信息压缩为单一标准的价格因素显得并不那么重要，人类偏好的收集、信息的分享和和多维度的匹配成为发展的关键。通过对机器的授权程度的选择，人类决定了选择权的保留，尽管越多的选择权意味着越可能发生的决策错误，但是在人类最终决策制定者的角色仍应被保留，在追求效率、可持续，理性等重要价值时也必须保留。
通过重新配置市场并使其拥有数据我们也在更普遍的意义上重塑了人类的合作。从语言到文字，通信技术的发展超越时间和空间，更高效、精准地沟通带来更好的合作，信息流动的改善通常是人类合作能力发生改变的基础。
2.主要的人类合作机制：市场与公司
市场是人人都能参与随时进入退出的合作机制，个人可以为了自身利益，实现自身目标而进行交易，信息在市场参与者之间流动，分散决策。公司的进出有严格的章程和规范，信息是汇总到一个中心并由管理层代表公司集中作出决策。分散决策可以减少错误决策对整体的影响。追逐信息的成本要低才能减少市场这种合作机制的运作成本和参与者获取信息的意愿以减少错误决策。另一方面，在人类处理信息的能力有限的现实面前，信息过多可能会使人们无法取舍选择作出不合理的决策承担不利的风险。交易是理性的计算和逻辑的推理的结果但人类又无法抵御营销策略的诱惑。信息传递的成本和处理信息的能力成为决策的重要影响因素。
3.市场在海量数据时代的变化
在市场中，信息渠道的扩宽、流通成本的降低需要相应的行之有效的信息分析和处理工具。机器学习系统是通过大数据的喂养，不断训练并且根据反馈自我调整的数据模式来发现个人偏好及其权重。数据本体和标注实现的是用关键词正确地标注和分类的问题，为比较个人偏好时提供标准语言解决信息的可发现性，匹配到合适的对象。个人偏好匹配算法解决的是发现选择之后如何做出最佳选择，即对个人偏好的数据流利用到决策出最佳匹配上。
4.公司在海量数据时代的应对
对公司而言，信息汇总、集中决策可能会带来高管负担过重，因此开始下放决策并且制定标准决策的指导方针保证集中决策的连贯性和一致性得到延续。下放决策能力受到可预测性的限制，决策规则适用于被详细研究过的常规任务。决策能力受到人类认知的局限。市场采取个人偏好的算法和机器学习系统来发现和匹配选择。而公司通过决策下放、管理者的选任和领导小组制甚至探索法来减少认知偏差提高决策能力的效果也并不显著。因此海量数据时代，公司这种合作机制可能不会像市场一样受益。由于公司需要做出的决策类型是多种多样的而不是像市场参与者的决策一样大同小异，因此每种类型背后没有那么多大量的数据、也没有关于决策如何做出的数据可以训练机器学习系统辅助做出自动化决策。海量数据时代，公司集中决策负载过大，为了不被市场淘汰有两条发展方向，一是采用机器学习系统的自动化决策。（日本保险公司）二是下放管理权，采用市场般分散决策机制。（戴勒姆、Spotify)
5.海量数据市场集中的危险
规模效应降低成本、网络效应扩大效能、反馈效应改进产品。因此生产总量越大成本越低，使用者越多服务价值越高，越受欢迎的产品可用的反馈数据越多，产品得到改善，这三个效应造成了市场的集中。前两个效应在传统市场主要对抗手段是反垄断诉讼和监管机构的措施，而数据市场中凸显的反馈效应则需要通过推行如累进式数据共享授权机制等强制市场份额较大的公司根据其市场份额共享得到的反馈数据。缓解反馈效应防止市场集中的关键在于数据共享而不是算法透明，是解决初创企业创新的原料—数据的匮乏。自适应的机器学习系统可以帮助我们更好地剔除偏见根据个人偏好做出最佳选择但是前提是极其不被一部分人利用用以加强对起他人的控制，那么这种集中控制则剥夺了市场机制分散决策、不受系统性偏差影响的优越性。因此，一方面要反馈数据共享对抗市场的内在集中性趋势，一方面要实现决策辅助的异质性，防止同质的系统放大系统缺陷带来整个市场的系统性隐患。
《数据资本时代》读后感(四)：数据资本时代人类革命性变革的前瞻框架
维克多在大数据领域的思想家地位是从《大数据时代》奠定的，耳熟能详之余，在读完《数据资本时代》时想回顾下大数据时代讲了些什么，读的关于大数据思想的书有点多，惭愧不能回想起来维克多讲了些什么，在翻阅阅读记录时，尴尬的是这本书没有阅读记录，不知道是忘了记录还是真未读。
读书无用论的尴尬就在于此，阅读的数量和质量无关，阅读的价值潜在影响无法判断，不过这并不能成为不读书的借口，更加激励的是阅读、点评、分享，通过回忆提升记忆力，是刚读的认知本能的学习方法。
关于读书的另一点是自己知识拼图，逻辑架构构建的潜移默化影响力，自己感觉，这是需要阅读量做支撑的，不是臆想的脑洞大开可以造就。简单的翻了一下《大数据时代》的目录，
第一部分关注大数据的属性，更多，指数据的来源和处理能力的提升，也包括对传统统计学样本容量的挑战，这一点其实有争议，样本集的代表性规模边际效应递减，并带来噪声效应。更杂，指数据的属性特征格式各异，95%无效数据和脏数据处理是一个挑战。更好，是从因果关系到相关关系的理念，不过这个已经是统计学基础的科学研究领域的共识和大数据的关系未必密切。
第二部分关注大数据的商业价值，从数据化开始，世界的进步从技术到信息的进步在于一切数据化，数据化的价值如何挖掘与应用，以及技术、数据、思维在新时代的角色、定位与关系。
第三部分是风险与管理变革，身份与行为的泄漏带来的被监控与管制、个性化对待、预测与惩罚让人很难脱离大数据牢笼。而大数据带来的管理变革，在于大数据处理者对用户隐私保护的责任，对动因的分析与预测，打破传统的黑箱理论，以及反对数据垄断。
花这么多篇幅对上本书做了目录摘要是总结，希望能对《数据资本时代》做背景的解读。《数据资本时代》已经不再是基础普及的大数据读物，涉及到范围更大，命题更宏观，也可以看出维克多对数据领域思考战略框架的野心。
首先是对经济学领域的再思考，经济学研究的市场失灵在大数据时代是否会有革命性的改变，金融资本的超额收益率实现的本源是什么，数据资本是否会替代金融资本，这两个问题惊出我一身冷汗，准备深耕金融学领域转身会被淘汰吗？
其次，针对经济学与信息论，展开讨论，数据如何改变人类沟通、交流、合作的模式，在这种模式下，公司这种商业组织形式是否有存在的必要，货币的本质在从自身实物等价价值过度为信息价值后，在数据资本时代是否还有必要，商品的价格在货币不具备信息价值时如何度量，不得不说，作者的理念确实深邃而高远。
第三，从控制论和决策机制分析，涉及到人工智能局限性以及算法的超越与局限性，回归到市场层面，是关于匹配算法、决策机制对新市场主义的革命性影响。
面对新的经济体系和机制，公司的组织结构模式、运营机制和决策机制，如何创新与变革，在回顾了机器时代的复式记账和科学管理等基于数据革命的革新后，面对数据资本时代，显然，组织需要新的革命性创新动力，而关于spotify的组织机制是一种探索性尝试。说到这里想到了谢家华的zopes和稻盛和夫的阿米巴，决策权下放、标准化操作流程和清单革命，探索法，数据资本时代，关于运作的有效性仍有足够多的探索空间。
下半部分针对上述设想给出了参考答案，公司数据的局限性，以及管理决策自动化对公司的前途给出了超越边界，内部市场，平台化的系列建议，对银行、信贷、资本市场给出了目前模式的悲观预测。当然，别被目前国内非法集资高利贷互联网化的p2p庞氏骗局所惑，fintech的革命一定会并且已经在发生，2c的支付宝、微信只是起点。
控制论相关的三种效应，规模化、网络化、反馈环造成集中的虹吸效应，垄断在数据资本时代更容易，需要避免海量数据市场的垄断者，这是需要监管机构深思的地方，现在来看，我国政府相关部门从思维到行动，还处于幼儿园水平。
最后的部分，是关于高潮的拔高，在很多书中都有阐述的人工智能对人类工作剥夺后的公平分配问题，全民基本收入，数据作为税，美国学者比较关注公共政策，是不是可行需要更严格的论证以及实际检验。数据资本大势势不可挡，知识经济是一种必然，如何在大时代浪潮中激流勇进，仍需个人不断学习与思考。
大数据概念烂大街的时候，能写出如此深邃的关于数据资本时代前瞻的洞察，在于大量的阅读，思考，交谈，244项的注脚为证，世界上没有简单的事，唯有刻苦和对自己狠一点而已。
《数据资本时代》读后感(五)：数据正成为新的资本
传统意义上来说，资本主要取决于货币的积累量，足够多的货币象征着财富和权利，货币在经济中扮演着极为重要的角色。但是在随着互联网经济、数字经济乃至智能经济的大力发展，货币在经济中的重要性正在下降，数据的重要性正在逐步上升，逐渐代替了货币的信息功能，正成为一种新的资本，我们正在进入“数据资本时代”
人类社会的快速发展很大程度上归因于人类非常善于合作。在历史的长河中，有两大发明大大加快了人类合作的效率：市场和公司。合作的效率提升主要取决信息的处理效率，市场通过交换让信息分散式处理，公司通过雇佣让信息集权式处理，这两种不同甚至对立的方式均提升了信息的处理效率。而在市场和公司这两个机制中，货币扮演了最为重要的角色，极大的“润滑”了信息流动，让货品和人力灵活的流通起来。
在我们进行市场交易的过程中，需要权衡各种信息后作出决策，但获取信息需要大量的成本，所以人类采取了使用“价格”这一手段，将绝大多数信息压缩到“价格”这一个指标当中，降低我们获取信息的成本，便于完成决策实现交易。然而，使用“价格”是一种权宜之计，虽然方便，但是压缩过程中丢失了很多信息，这就导致了信息不对称进而会引发市场失灵。随着互联网技术的发展，信息流动的成本大大降低，人类可以获取到相当多的信息，然而此时又引发了信息过载问题，我们的大脑无法处理过多的信息，所以市场此时仍然是相对低效的。市场想要高效，人类想要有效决策，既需要信息尽可能流通，又要有效处理大量的信息。此时，人工智能技术的发展和应用极大的解决了这个问题。
每一个人都有自己的偏好，所以在交易时都有自己的预期效用和心理价位，但在市场中，由于信息不对称或者信息过载这两类难题，我们无法做出很好的决策。但是在大数据技术和人工智能技术的支持下，我们的个人偏好会通过行为数据记录下来，商品的特征信息也会在过往的交易过程中记录下来，再通过匹配算法，程序就会给我们推荐我们可能想要、适宜的商品，这便大大降低了决策成本，买卖双方都有更大的几率交易成功，提升了市场效率。通过对数据的标记和挖掘，智能算法的建模和匹配，机器学习对模型的不断完善，使得过往由“价格”承担的信息功能，逐步被“数据”所承担。拥有数据的企业在市场中就会有更高的效率，数据也就逐步取代货币的信息功能，变成了数据资本。
说完了在市场中的作用，再来看看数据在企业中的作用。企业诞生的原因在于在市场的交易中有交易成本的存在，而组成企业后一部分交易变为在企业内部进行，这部分交易成本就会消失，相对应的会产生企业的管理成本，只要企业的管理成本低于这部分交易成本，那么企业就有存在的意义。随着企业规模的不断增大，企业的层级会逐渐加深，这便降低了企业内部的信息流通效率，进而影响企业决策。为了提升企业的效率，数据再次发挥了重要作用。一方面是业务的自动化，当下一些大型的保险公司，金融公司正逐步使用人工智能技术替代以往的业务员做出决策。由于数据的积累和技术的发展，很多基础性的决策将通过程序直接进行，企业中最下层的员工将会被逐步替代，企业成本下降、效率提升。另一方面是企业内部市场化，企业不再采取严格的层级结构，而是引入一些市场因素，来降低管理成本，提升企业的活力。在数字技术和智能技术的浪潮下，企业的组织架构会迎来很大的变化，企业会越来越像市场，权威逐渐从原来的管理层释放给智能程序。企业高管的目标逐渐变为思考应当制定什么决策，具体决策的执行将会交给程序，通过数据分析来完成决策判断。
毫无疑问数据和智能技术对经济的促进作用巨大，但同时它们带来的冲击也不可小觑。首先我们需要思考“数据垄断”问题。当前的互联网巨头可以说持有了用户绝大多数数据，极大规模的数据量让他们在竞争中有着无可匹敌的优势，其他公司将无法与之有效竞争，这将带来三类问题。第一这将大大降低创新的发展，在数据垄断下初创企业再难突围。第二这种数据垄断极大提升企业利润，降低消费者福利。第三程序的智能决策存在偏差，在数据垄断下偏差以相近的方向发展，未知的计算失误将会引发绝大的市场波动。所以在数据治理方面，需要出台“累进数据共享授权”政策，当公司市场份额达到一定阈值时，就要共享其数据的一部分。这将使小公司收益，不会遏制创新，同时也使消费者有更多选择，不会使市场过于集中。
另一个技术带来的挑战无疑是失业问题。每一次技术浪潮都带来了明显的失业影响，智能技术可能比之前的技术革命带来更大的失业冲击。技术的发展会让越来越多的基础工作被取代，这些人员由于技能的缺失和受教育渠道的缺失，再就业充满了困难。而且即使政府提供培训机会，新学的的技能可能几年内再次被技术取代，这便产生了巨大的培训成本。“全民基本收入”政策可能有助于解决此问题，即为国家所有的民众提供最低的生活收入，即使没有工作也可以维持基本生活。然而此方案面临着很多困境，巨额的财政支出从何处获得是最直接的难题。另一创新角度是政府改革税制，增添“数据税”，也就是让超级公司开放更多的数据，来促进社会的发展。同时让企业雇佣新员工可以抵免税收，来促进对人力的雇佣。综合“全民基本收入”和“数据税”政策，未来可能会让人类从工作中解放出来，让我们有更多的自主权，选择自己想要做的事情，工作不再为了薪资，而是相对纯粹的自我实现。
即使技术带来的挑战严峻且难解，我们依然无法也不应阻拦技术的发展。拥抱新兴技术，理解数据视角，升级传统思维，来迎接数据资本时代。
《数据资本时代》读后感(六)：大数据技术对人类社会结构的影响之一：市场、公司、资本与劳动力，本质上是信息与决策机制
出版信息：[奥]维克托·迈尔-舍恩伯格、[德]托马斯·拉姆什：《数据资本时代》，李晓霞、周涛译，中信出版集团2018年版。
总结与评论：
1. 对大数据的阅读与思考，需要注意以下几个脉络：①关于大数据与人工智能的技术及应用。不求对这些技术的原理有所掌握，但是必须适当了解。②大数据对人类社会结构的影响，例如《数据资本时代》一书讨论的就是对市场与公司的影响，当然更加内理可以概括为：海量数据代替价格机制成为最重要的信息单元，人们不需要再依靠简化而失真的价格或资本信息进行决策，而可以获得海量数据、利用个人偏好匹配算法以及机器学习系统等技术的辅助进行决策。数据技术变格的本质上是信息与决策的机制。③法律应当如何应对前述社会结构，真正麻烦的地方在于：前述社会结构的变化，有一些虽然已经在实践中发生，但只是少数个案；有一些却是作者或读者的科幻想象。我们现在的法学研究方法赶在了时代的前列，分析一些实践中可能尚未成为纠纷的难题。这种超前式思考，对立法或监管来讲确实有必要；但我读很多作品，总有一种“科幻法学”的味道。
2. 这本书主要讨论大数据技术对市场与公司的影响。舍恩伯格似乎透露出了（没有明说，这是我的总结）这样一种思想：大数据技术所变格的是人类社会的信息与决策机制。过去人们通过简化信息来实现信息流动与决策，因为技术所限，无法传达所有的信息；人脑有限，无法处理所有的信息。例如市场中的价格信息以及公司内部的会计制度，均是通过简化信息来促进决策的。但是数据技术的发展使得所有信息的传递不再成为困难；当然我们人脑处理信息的能力没有得到相应的提升。于是有很多辅助技术帮助我们处理信息、作出决策。例如数据本体与标注（没理解数据本体的意义）、个人偏好匹配算法以及机器学习系统。
3. 当然舍恩伯格对这些技术的发展抱有美好的憧憬，他认为人类可以将无趣之事交给机器，而留下时间与精力认真体验生命。
第一章 重塑未来市场
舍恩伯格认为未来市场将是海量数据市场，而非传统价格市场。在传统价格市场中，价格是市场信息的综合反应，人们根据价格及其所承载的有限信息作出决策；但是在海量数据市场中，价格并非作出决策的根据，而是海量数据以及通过自适应系统所产生的结果进行匹配。
在这里舍恩伯格着重强调大数据将对价格、市场（降低市场失灵出现的频率；因为市场失灵均是由于信息局限性导致的，海量数据市场将弥补这种局限性）、公司（但是海量数据的技术可以直接应用于市场但却无法直接应用于公司）、劳动力市场、资本（从金融资本转向数据资本）等社会结构产生影响。（我的评论：这其实是更宏大和一般的问题中的一部分：大数据将对人类社会结构产生哪些影响或变更？法律应当如何应对这种影响或变格，才能实现人之为人的根本性；即“我们需要保留，甚至拥抱那些让我们之所以成为人类的东西”[16]）
要实现所谓的海量数据市场，所需要的不仅是信息处理的速度，更主要的是信息处理的质量，主要包括以下三个方面：①我们要实现关于商品与偏好的海量信息共享，而且是低成本共享；②我们要提高辨识能力，实现商品与偏好在不同方面的匹配，即多维度匹配；③我们要探索一种精密而便捷的方法，全面获取个人信息。[9]
第二章 人类交流与合作
人类合作的最重要的两种机制：市场与公司。
市场与公司之间最大的不同在于：信息流动的方式、信息转化为决策的方式，以及决策的制定者。这些不同点充分反映在市场与公司的组织结构上：市场的信息流动是从每一个人到任何人的，通过分权模式，由所有市场参与者做出决策；而公司的信息流动模式，则是将信息全部汇总到某中心，通过分层模式，由领导者做出关键决策。[32]
第三章 市场与货币
在市场这种合作机制中，信息沟通无疑是最重要的，但市场中的信息恰恰是不透明与不对称的。价格是反应市场各种信息的基本单元：人们不用再花时间就各种需求和要求进行沟通，大家只用价格沟通。价格将我们的个人偏好和优先级，封装到一个单一的信息单元中。[47]
但是，将无数个维度的信息压缩成单一数字，这似乎很难成为信息时代的正确选择。因为这个时代的特点，是我们的沟通能力和处理大量信息的能力已经有了惊人的提高。[52]
第四章 市场的复兴
市场的复兴主要是指海量数据市场。在海量数据市场上，参与者不再被围绕着价格的信息的潺潺溪流限制，他们的目标是全面传达个人偏好的所有信息，并据此采取行动。[62]
海量数据市场的形成与运作取决于三个重要的大数据技术：①数据本体和标注；②个人偏好匹配算法；③机器学习系统。
数据本体和标注：关键词层次结构，本体论（ontology）；未来，确定正确的本体所需要的人类创造性将会更少，需要更多的是过硬的数据分析：数据本身将驱动数据本体。[69]数据本体的改进帮助我们从大量的数据流中提取出有价值的数据，并对其进行多维度分类。[80]
个人偏好匹配算法：评估个人各类偏好及其相对权重的算法实现最佳匹配；个人偏好数据只是形成某种特定模式的数据流，所以我们可以采用匹配算法来帮助自己确定最优交易伙伴。[71]匹配将成为企业的基本服务。
机器学习系统：机器学习必须包含两部分内容：①需要大量的数据训练自己，并且搞清楚嵌入数据里的内容；②机器学习系统必须得到频繁的反馈，以便随着时间的推移，它能够根据具体的情况变化进行自我调整，以超越最初的训练成绩。[77]机器学习系统通过观察我们，可以识别出我们的个人偏好，这样我们就不必花时间去思考和确定自己的个人偏好，以及赋予不同偏好不同的权重。[80]
第五、六章 公司与控制、公司的未来
公司是另一种人类合作的典范。舍恩伯格虽然只谈了公司，但其实公司代表了一种与市场这种分散式决策相对立的“科层式决策”或“集中式决策”的组织结构。
与市场的合作方式不同，公司的合作方式体现为以下特征：①信息流动是从下层往上层集中的，财会制度与报告制度是公司内部信息流动的典型情形。②信息处理是高层直接决策，再由下层贯彻执行的。
这就带来了这样一些问题：第一，财会制度是以货币或价格作为基本信息单元进行信息流动的，在这一过程中信息因简化而失真。第二，高层可能信息过载，也许高层可以把决策权下放，但由此引发的新问题就是如何保证各个决策者所做的决策是一致的。
海量数据也许有助于解决上述问题，尽管这种变化不如市场中的变化明显：①人工智能自动化决策，例如日本富国生命保险公司就辞掉理赔部门的许多工作人员，而让计算机解决理赔事务。②扁平化决策机构，让以前的六层甚至更多层的科层扁平化，例如“小组化”管理系统。
小组（squads），是指一些小型团队，他们需要对产品的某方面（如搜索功能或者用户界面），或公司的某项业务活动（例如在某特定市场的销售）全权负责。小组内没有老板，只有一个所谓的“产品所有者”，即产品负责人，他的任务是确保团队的所有成员都能拥有完成好的一份工作所需要的一切。产品负责人还需要关注团队自定的目标和最后期限。但是与传统的团队领导不同，产品负责人没有执行权。小组的“敏捷教练”也没有执行权，他们的任务是培养和促进团队内部合作[122]。（以前在蓝色光标开会的时候接触到的工作团队就属于“小组”）
第七章 资本的衰退
资本包括两个功能：①信息功能，即银行通过现金流动等事实可以获取的信息，但是这一信息功能正在逐渐缩减。首先因为支付数字化，使得银行只获得了最终结算的信息，而大量的信息都由互联网企业所获得。其次因为海量数据市场提供了多维度信息，这是单纯以资本或价格作为基本信息单元的传统市场所无法比拟的。②价值功能，由于数据成为越来越重要的资产，所以货币或资本将逐渐降低其作用。当然，舍恩伯格也承认，人们还是需要依靠金钱进行支付的。
银行机构也需要对大数据时代的变格作出回应，体现在：①支付，和互联网企业合作提供数字支付手段；②投资与信贷：通过海量数据获得最优匹配，而非通过过去的个人信用信息。
第八章 反馈效应
这一章讨论了企业获得海量数据之后所产生的反馈效应，即通过收集和解释反馈数据，从而控制系统并且调整系统目标，使得企业可以提供更加优质的产品和服务。不过，政府需要对这种反馈效应进行监管，因为反馈效应与规模效应、网络效应均可能产生市场过度集中。
因反馈效应而产生的市场集中之所以是不好的：①单一的系统如果发生缺陷，就有可能引发系统整体性危险；②协同控制工程的现代版，提供系统的企业成为“老大哥”。（协同控制工程Cybersyn，这是1970年代设想的，一个旨在管理和指导智利工业的社会技术系统。全国每天有400家国有化工厂将数据发送到位于首都圣地亚哥的协同控制工程的神经中枢，在那里，这些数据被传输到一台大型计算机上，在经过仔细审阅后，再与预测结果进行比较。如果结果与预测有出入，不同之处就被标记出来，请工厂的主管们注意，然后交给坐在“未来操控室”的政府决策者。决策官员们会从未来操控室把指令传回工厂。[174]这个计划最终因政变而没有实施。）
第九章 工作权益与分配正义
这一章讨论因海量数据市场的发展，可能导致人们失业，我们应当如何应对？①分配式方案：对自动化驱动的收入来源征税，即“机器人税”[185]；或者对在经济收入中占据越来越多份额的资本征税[186]。②参与式方案：培训人们获得新的技能，重新回归劳动大军。③全民基本收入：每个人每个月均得到一张固定数额的支票，足以支付食物、衣服、基础、教育等。但是这种方法除了金钱之外什么都不提供，人为地限制了我们可以并且应该做的事情的范围。
问题并不在于资本份额的增加、劳动力份额的减少；恰恰相反，有研究表明资本份额也在下降。真正获得巨额利润的是“企业本身”。因此更恰当的分配方式：①累进消费税；②更具创造性的方案是用数据来缴税。
同样，对于劳动力本身而言，报酬也不是那么重要（比如采取全民基本收入的政策）：更重要的是，现行的这些人力措施很少能反映出一个综合协调的战略来全面跟踪、调整、改进，并具体地提供一系列的利益。随着无形资产，诸如意义、体验和身份等，在人们选择工作时变得越来越重要，一个工作岗位的一系列利益所具有的诸多要素，就成为公司整体人力资源战略的重要考量[202]。
第十章 人类的选择
舍恩伯格提供了一种比较美满的前景：人类不会因为人工智能与数据技术的发展而沦为附属品甚至是努力，人类还会保留自己的选择，因为这些技术只是在帮助人们移除生活中没有乐趣的任务。而真正有生活品质的选择与决策，还是要由人类亲力亲为的。
《数据资本时代》读后感(七)：数据会导致资本贬值，缺数据和实例证明：3星|《数据资本时代》
《大数据时代》作者的新书。基本的思想是说：价格的一个重要作用是传递市场中的信息，大数据会导致信息传递更方便，因而导致资本贬值。
这个思想比较有趣，不过逻辑上没能说服我，作者也没能拿出实例与数据来证明，因此我认为这个想法还处于猜想、畅想阶段。
书写到一大半的时候才提出主题思想。前面是各种AI应用的介绍与畅想。
此外作者还提议：对大公司收取数据税，就是把一部分数据向政府开放来换取一定额度的免税；企业雇用人类员工可以抵免税收，以此拉动就业，并激励企业研发更有价值的人工智能。
总体评价3星，有参考价值。
以下是书中一些内容的摘抄：
1：在以上因素的综合作用下,这个新型虚拟市场产生了巨大的吸引力,成了经济学家所说的“稠密市场”(thick market),即拥有大量买家和卖家的市场。稠密市场属于优质市场,可以提高人们找到自己所需商品的可能性。P2
2：雅虎持有阿里巴巴的大量股票。事实上,按照阿里巴巴的股价来看,雅虎持有的阿里巴巴股份的资产价值比雅虎的总市值还高。因此可以说,雅虎股票的卖家是在付钱让买家购买股票。也就是说,雅虎股票实际上是在以负值交易。P3
3：直到现在,海量信息在市场上的传播一直都是非常困难的,其价格也特别昂贵。所以我们才采用了一个变通方法:将所有信息压缩成一个单一的评价指标,那就是“价格”,并通过金钱来传达这一信息。P5
4：按照研究人员约翰·希利·布朗和约翰·哈格尔的说法,在政府向小企业开放摩托车行业后,重庆的几家公司开始打破授权规则,它们试图创建更便宜的生产流程,让摩托车最终成为大众消费得起的产品。这些公司并没有去寻找减少自已工厂费用的方法,而是决定购买和组装由其他公司制造的零部件。它们直接奔向了市场。P31
5：中国人不仅拆解了日本最先进的摩托车的基本构造,而且解构了摩托车生产的基本组织结构。他们没有选择公司式的集中控制和垂直管理,他们的成功靠的是积极利用各类市场参与者,高效地生产出人们可以买得起的摩托车。P32
6：2017年,人类终于遇到了他们的对手:Libratus获得了超过170万美元的筹码,并最终赢得了【德州扑克】比赛。P60
7：为了确保这些重要的时刻很容易被找到,ESPN雇用了几十个人实时观看多个体育赛事,依靠人工,手动标记每场比赛和场上互动。P66
8：许多市场的成功,都源于它们能够提供海量的数据流。因此,有效的标注策略及其研发工作就担负着重大的经济责任。作为这方面的数据专家,马蒂·所罗门强调:问题的关键在于找到正确的本体。她知道这会是十分困难的。P68
9：亿贝正在进行的海量数据研究项目的出发点,就是要改进产品的编目,将可发现率从42%提高到90%。P69
10：未来的约会服务将会使用机器学习系统,它可以从视频、照片、语音,甚至是可穿戴跟踪设备中,推断出必要的相关数据,而不是让用户花数小时回答问题。当我们与我们喜欢的人互动时,机器学习系统会在我们微笑或脸红的时候进行记录,它还知道什么时候我们的心脏开始同步跳动。P83
11：杜兰特很不光彩地被公司的投资者强迫出局，投资者聘请了一个外部咨询师来评估通用汽车的管理效率，结果他们发现公司所有的信息、决策以及金融资源都要通过杜兰特本人来传达给其他人，他的这一做法使公司在1920年经济严重衰退时期，几乎陷入瘫痪状态!随着杜兰特出局，问题也迎刃而解。P96
12：麦克纳马拉在福特任职期间,以及后来作为美国国防部部长和世界银行行长,始终都专注于与人脑无法处理的大量信息做斗争。他毫不留情地简化数据,降低数据复杂性,使数据更易于人脑分析处理。麦克纳马拉对简化信息的专注堪比市场参与者对价格的关注。P97
13：因此,在选择公司的领导者时,没有一种万无一失的方法,可以让我们找到那样一个能够神奇地克服所有人类认知局限的人。我们无法通过选择,来逃避美国管理学家赫伯特·西蒙所提到的“人类理性的局限性”,也就是说,人类做出最优决策的能力有限。P101
14：富国生命保险的战略以自动化为中心,利用数据驱动的机器学习系统来做以前由白领员工做出的决策。而戴姆勒采取了另一种策略:精简管理决策流程(同时继续保持汽车生产的快速自动化)。这两种策略的目标,都在牵制新老竞争对手的同时,保护公司不会受到市场的打击。P110
15：桥水基金公司,全球最大的对冲基金公司,将很快做到这一点。桥水基金公司计划建立一系列机器学习系统,这些系统不仅将为其1600亿美元的资产选择投资机会,而且将做出一般的管理决策,比如聘用、提拔、解雇人员等。P113
16：富国生命保险的选择,我们称之为“选项1”,专注于成本。只有当公司能够成功地实现决策自动化与决策优化,减少开支,并永久性减少员工的规模时,这种解决方案才能生效。但是从本质上讲,选项1是将赌注押在了过去,押在了一种只会颠覆员工现有状况而非公司结构的战略上。P118
17：戴姆勒的战略,我们称之为“选项2”,是不同的。这家高端汽车制造商没有把重点放在机器上,而是放在重组管理决策流程上,它期待获得的不仅是与宝马和特斯拉等对手竞争的优势,而且希望获得市场优势。从组织结构上看,这似乎是把赌注押给了未来:戴姆勒愿意牺牲曾立下大功的等级制度,以换取与重振的市场和数字挑战者的同步发展。P119
18：现有公司和初创公司所要做的事情已经非常明确地摆在了我们眼前:做出将哪些决策权下放给机器的决定;积极利用市场的力量,改进公司的协调方式。P130
19：“更好”最终会战胜“好”,并成为赢家。使用海量数据流来做决策,比单纯依靠金钱要更有优势。随着经济转向海量数据市场,也就是更高效率的市场,市场所必需的大部分信息将不再流经银行。P137
20：随着货币作为市场信息传递者的作用日渐衰减,资本的作用也会下降。在市场体系中,金融资本是关键,因为它是一个易替换的生产要素:必要时,它可以很轻松地换来急需的物资,从而实现有效的资源利用。反之亦然。P139
21：后来智利军方发动了政变,推翻了阿连德总统,也摧毁了这套系统的基础设施。协同控制工程夭折了。然而,那个基本的构想一直流传到了今天。一起保留下来的,还有人们对用科技来管理整个国家的希望。P175
22：在美国,卡车司机运送的70%的货物都是由高速公路运输的,所以如果能够通过自动驾驶提高行车安全,那么美国每年死于卡车事故的4000人的性命也许可以被挽救。不过,提高经济效率,也就是降低燃料消耗、提高昂贵设备的利用率和降低劳动力成本等,才是推广自动驾驶系统的真正动机。P181
23：这三套政策措施(传统式分配式,参与式),以及更激进的全民基本收入,都建立在某此经济假设的基础上:流入劳动力的收入份额会继续下降,而流入资本的份额却会增加,由此造成我们的经济中存在非常危险的不平衡。此外,这些政策都假定两者之间有直接的负相关:如果一个减少,另一个就会增加。P192
24：但是,如果劳动力市场份额和资本份额都在下降(尽管二者速度不同),那么谁又是最大的赢家呢？余下的收入累积在哪里？巴凯的回答是,余下的收入迅速积累,形成利润的飞速增加。这里所说的利润,指的是经济学家所说的对产品和服务随意涨价所获得的利润。这将导致市场效率低下,竞争匮乏,而且这也意味着投资者(包括所有为退休而储蓄的人)被占了便宜。P193
25：如果我们认同经济正在从依赖货币向依赖海量数据转变,我们就应该更有创造性地思考,如何让公司支付它们本该支付的税款。政府可能会考虑让它们用数据而不是用货币来支付部分税款。汽车制造商可以匿名提供汽车上的传感器数据,这样政府就可以利用这些数据来识别道路交通中特别危险的地方,从而改善交通安全。P197
26：企业雇用人类员工可以抵免税收的政策,不属于勒德分子。它不只是针对那些白领工作即将自动化的公司,其目标也不是要阻止这些公司或其他公司自动化。相反,它将支持以创新的人类服务为重点的商业模式的发展。因此可以说,该政策是劳动力市场转型的催化剂,是用来促进公司对新服务产品和新商业模式的尝试。P199
27：但是它从根本上误判了大数据时代的意义:第一,大数据时代摆脱了金钱和资本的束缚;第二,大数据时代通过数据的丰富性来提升现实的丰富性;第三,大数据时代更加欢迎市场而不是公司;第四,大数据时代提供了提升人类合作能力的特殊机会。P201
28：数据正在取代货币,市场也正在取代公司,我们如果想要针对数据驱动的市场的影响来制定政策,首先就必须认可“以数据支付部分税款”这一变化。为此,我们提出了累进式数据共享授权和以数据缴税。P202
29：我们确信市场会继续存在。人类的未来不是集中权力,也不是消费和富有,而是相互合作,把我们无法重新利用的资源时间,花在最有意义的地方。P220
全文完
2018左其盛好书榜（截至11月30日）
2018左其盛差评榜（截至11月30日）
2018读过评过的400多本书（截至10月31日）
本号近800篇书评的索引与书单
想跟小编讨论请移步知识星球
更多良心书评参见我的公众号：左其盛经管新书点评