以下为演讲实录：
舍恩伯格：非常荣幸能出席今天的盛会，今天上午我们听到了很多技术的演讲，技术实际上给我们带来了变革，这些变革也给我们带来了一些前所未有的成功，比如在商业界，还有各个公司，大公司小公司，给他们带来了成功，在接下来的30分钟，我想要让大家思考一下，数据实际上给我们带来了工具，这些工具给我们带来了成功。但是我们真正取得成功，还是要取决于我们利用这个工具的能力。这就需要我们要好好的了解什么是数据，还有未来的数据到底是怎么样的。首先我给大家讲一个故事吧。这个故事实际上是我的同事凯尔（音）所发现的一个非常有意思的故事。
好象出了一点技术问题，好象有一点变化，但是我还是我。我的朋友凯尔（音）跟我讲了接下来的这样一个小故事。在美国的超市，很多年前他们销售这些蛋糕，这些蛋糕有不同的口味，巧克力蛋糕、香蕉蛋糕、桃子味的蛋糕，这个蛋糕的尺寸大概是30厘米那么大，就像一个馅饼一样。如果你问一下这些美国的超市，他们销售的这些蛋糕当中，最受欢迎的销量最好的，大家觉得在美国最受欢迎的是什么馅饼呢？苹果馅饼，是的。但是如果你要真正去问一下，他们是不是真的喜欢苹果馅饼，实际上可能很多人并不是真的喜欢苹果馅饼，他们为什么不是最喜欢苹果馅饼，却买它呢？为什么呢？因为想一想，它有30厘米那么大，那全家人呢？买一个苹果派就够了。那家里的所有人可以达成一致，他们起码比较喜欢的就是苹果派，比如像巧克力派、香蕉派、桃派，就是苹果派不是他们最喜欢吃的，但是他们可以吃，这个可以达成共识。因此很多年以来，世界上的这些超市，卖的派可能未必是人们最喜欢的口味，之后他们发现了问题所在，就是尺寸问题。如果你让它尺寸变小的话，也就是说，每一个家庭可以不止买一个派，每一个家庭成员都可以买一个自己喜欢吃的口味。如果你把尺寸变一下，他们可能就不是买苹果派，可能他们根据自己的口味买香蕉派、梨派、桃派，这个问题就很简单了。
因为在之前，很多年以来，这些超市的策略是不对的。实际上是尺寸的问题，而不是口味的问题，他们的尺寸太大了，之后他们进行了调查，问用户到底喜欢吃什么口味的，他们肯定喜欢说，我想要吃苹果派，因为只有那个尺寸的苹果派。大家可能说等一下，我们一直做研究数据，我们一直看周围的环境是什么样的情况，是的，是这样的。但是几百年前几千年前，我们看当时的世界，观察它，了解这个世界。那么在过去我们一直以来，都是这样做的，我们一直也在搜集数据。搜集数据，分析数据，是需要花费很多的时间，有时候也是非常困难的，需要做大量的工作，有时候也是非常昂贵的。我们有了几千年的历史，也在不停的搜集数据，代价是非常昂贵的。但是我们可能用到的数据只有一小部分，有是有限的，我们花了那么多钱，搜集这个数据，但是我们处理的量是很小的。因此我们之前拥有的数据规模是非常小的。每天我们所处理的数据，实际上规模、数据是非常小的。大家可以想一下，我们现在的数据分析，或者是一些小的样本。它们都是一些小的数据。我们是把数据缩小到一定的规模，然后从这些小的规模数据上找到一些理论。当然了，那是小数据时代，也是我所成长的一个时代。
但是现在一切都变了。我们现在搜集数据分析数据的能力越来越强了。而且现在搜集数据的成本也下降了。现在数据价格成本已经不贵了。便宜了。因此我们周围一切都变化了。那这时候我们就需要改变自己的思维，因为我们所处的是大数据时代。如果我们找到新的方法，就可以有新的理念。
在过去我们希望可以利用数据，来回答问题，首先可能是先是假设，这就是一个问题，然后搜集数据，最后进行分析，这就是一个流程。首先我们从问题切入。最后这个问题可能会给我们带来这个答案。那么这个问题，比如说大家最喜欢的口味的派是什么，是苹果还是桃味的？最后我们拿到了问题的答案，可能就是苹果派，最后我们就觉得苹果派是最受欢迎的，但是反而我们得到了这个问题的答案是错误的。那么现在我们其实可以做一些改变，改变一下我们的方式，我们不是从问题开始着手，因为有可能我们的问题本身就是错误的。
我们先从数据着手，然后从数据开始搜集数据，进行分析。然后通过分析，我们可以提出一些非常棒的问题。比如说这个派的尺寸，最合适的尺寸是什么，这是正确的问题。根据这个分析，我们可以获得这样的一个假设。最后我们可以得到问题的答案，就是我们需要一个尺寸合适大小合适的派。
我给大家拍张照片，后面的两位请微笑。好了，非常棒。现在我就要做一个决定，我拍了这个照片，什么是重要的，比如说如果你是非常重要的，我们就聚焦在你身上，后面的人就变成模糊的影像，我可能决定你是我的焦点，我不能让你成为一个模糊的影像。或者是我的焦点放在你这个人，那么你后面的人可能会变成模糊的影像，这意味着什么呢？我现在在照一个照片，我首先要清楚，我感兴趣的事物是什么，人是什么。我的焦点在哪里，我需要知道这个问题，知道了这个问题之后，我才能知道答案。
但是如果我现在不知道焦点聚集在谁身上，那怎么办呢？实际上这个聚焦也是属于小数据，如果现在你现在已经决定了你聚焦在谁身上，这个就是小数据，如果现在还没有决定那怎么办呢？大家可以看这张照片，有一个牙刷，后面是我四岁的儿子，可以看到这里牙刷是我聚焦的位置，我儿子就变得模糊了。但是现在我想改变焦点，让我儿子成为焦点，那怎么办呢？那我们这张照片实际上是用大数据的摄象头来设想的，它实际上可以捕捉到各种各样的数据，现在我们想要让我的儿子变成焦点，我用这个大数据摄像机拍完了之后，就可以调节这个焦点，在牙刷和我儿子之间切换焦点，因为这个摄像机搜集到了所有的数据，不是小的数据，而是大的数据，因此我可以改变聚焦的位置。
所以我们搜集所有的数据，不需要先定义问题，可以先把数据搜集起来，再聚焦问题是什么。也就是说如果你可以搜集到全面的数据的话，可以发现创新性的问题。而且你可能完全不需要回答这些问题，大家可能听说过这个品牌，多林国（音），实际上这是一个学习的应用，你可以用Iphone或是安卓系统来学习外国的语言。非常有意思，而且很酷。如果有兴趣的话，我也鼓励大家使用这个应用，全世界范围内有很多的人，每天都在使用多林国这个应用。我们使用数码设备，来使用这个应用，这个应用实际上可以捕捉我们的数据，捕捉我们的信息，可以捕捉我们学习语言的习惯，而且进行分析。多林国（音）这个公司，西班牙语的这些人，他们学习英语的方法是错误的，他们学习顺序是错误的，如果你可以改变一下这个顺序的话，西班牙人学习英语的速度就会越来越快。实际上他们一开始不是为了回答这个问题而搜集数据，他们先是搜集数据之后，然后分析数据，这个问题就出现了。他们通过分析，他们就调节了一下西班牙人学习英文的数据，帮助他们更好的学习英文，因此取得了成功。
大学为什么不用这种方法呢？为什么我的教授同事们没有想到这一点呢？因为他们没有数据，而多林国（音）公司搜集到了这些数据。多林国（音）一开始并不知道怎么使用这些数据，但是他们逐渐逐渐的发现了可以如何应用这些数据，提升了用户的体验，也就是说，他们实际上可以实现很大的价值。他们不仅可以为客户提供更好的价值，而且可以带来利润。在过去，在以前，我们首先是提出问题，然后开始搜集数据，然后进行分析，最后拿到答案，最后把数据给扔了，因为数据已经完成了任务了，所以就把它扔到了。你要存储数据的话也是非常贵的，但是现在储存数据是不贵的。现在你可以应用数据实现更多的价值。你可以反复利用它，实现其他的目的。实际上我们看到的数据只是冰山一角而已。我们看到的是海洋之上的数据，大部分的数据是隐藏在海洋之下的。如果你重复使用这些数据，就可以发现潜在的价值。
大家应该是听说过劳斯莱斯这个品牌吧？但是我这里提到的并不是这个奢侈品牌，不是这个汽车，而是飞机的发动机。大家应该也知道劳斯莱斯它也是为飞机制造发动机的。比如说像空中巴士、380，都是他们提供的发动机。他们也是搜集了大量的数据，比如发动机的温度、压力、速度、振动、噪音等等，这些数据就是发送到发动机的计算机之中，再发送到这些公司之中，那劳斯莱斯就把这些数据全部储存起来。飞机每一个发动机搜集到40G的数据，这些数据最后反馈到劳斯莱斯的总部那里，通过这些数据他们会发现世界上有多少飞机是在使用他们的产品。他们又分析了这些数据。比如说像这些，飞机是停在哪里，或者是什么时候哪里出了问题，实际上这些技术故障出现之前，他们就进行维修保养了。如果在飞机起飞的时候出问题的话，那肯定就不行了。劳斯莱斯发现如果仅仅是搜集数据，而且知道自己要做什么的时候，开始搜集数据，实际上已经为时已晚。最好的方式就是能捕捉数据，随时随地的搜集数据，有时候你可能不知道板怎么利用这些数据，但是先把它搜集起来，因为在未来，可能它就起作用。
大家应该知道jawbone，这个手环的制造商，他们也在搜集这些数据，比如你起床、运动频率等等数据。我们也可以搜集数据，然后进行分析，去年的时候，加州发生了地震，在加州有很多人都佩戴jawbone，他们不断的搜集自己的数据，而且在地震发生的时候，是午夜的时候，他们搜集的数据有一个区县，可以看到这里用户的数量，他们戴着jawbone手环，在晚上三点钟的时候，应该是大家都在睡觉了，但是突然地震发生了，然后我们看到这个峰值，因为地震发生的时候，大家肯定要从床上跳下来逃生，大家就看到了这样一个曲线变化。为什么这个数据特别的重要？因为不同的颜色代表不同的城市。就告诉大家这个地震的程度有多少，在不同地区，这个地震是大还是小。jawbone的用户他们很好的捕捉到了地震的数据，甚至比政府做得还要好。甚至比政府地震仪捕捉到的数据做得更好。jawbone就想了，我们不仅可以来预测地震，因为它现在已经搜集到了这些地震的信息。但是实际上这些大数据给我们提供了一个现代平台。
大家可能听说过一年多前谷歌收购了nest，它是生产恒温计的。其中一个创始人我也认识。这个恒温计是调节你在家里环境的温度，谷歌收购了这个品牌，他们花了三十亿美金投资到这个公司，大家就想了，30亿，就买了一个恒温计的制造商，真的吗？值不值这个钱？他们并不了解谷歌的想法，这实际上是一个智能恒温计，这个恒温计可以记得你整个温度的调节，它可以记忆你这一天之中，哪个时间段是调节了温度，因此它就可以捕捉这些数据，了解你的行为，不论是你在家里，回到家的时候，是你想要温度上升，或者是温度下降，它在了解你的习性，了解了这个习性之后，数据发送到总部。那么现在谷歌就获得了很多人在家里的温度的情况，而且在哪个时间段需要什么样的温度，这些数据都搜集到了，大家可以想象一下这些数据的价值有多少。这样大家可以通过这样的方式来进行能源保护，节省能源，比如说你可以采取一些环保的措施，这也是为什么谷歌收购了这个品牌。它实际上提供了一个全新的平台。
大家看一下这个照片，汽车，电动汽车，这个是一个非常漂亮的汽车，而且非常快。这个一个创新型的汽车。因为它是电动的。然后我们看这个车，特斯拉其实已经不仅仅是一台汽车了，它对于我来说，就是一个数据，它是一个数据搜集的平台，你在驾驶特斯拉的时候，实际上汽车上装载了很多的传感器，它可以去搜集到，比如说振动的数据，加速的数据，转弯的数据，包括汽车平衡性、稳定性的数据，都可以搜集到，包括整个的刹车系统、振动系统，包括一些应急措施，这些数据都可以搜集到，搜集到这些数据特斯拉怎么做呢？当然它可以进一步的提升汽车性能，比如去年的时候，他们进行了提升，特斯拉的用户会发现他们的软件是实时更新的。比如汽车行使历程更多，可以提升10%。特斯拉可以用数据发现这些用户区了哪里，充电站在哪里。或者可以用一种无人驾驶的汽车，可以帮助你驾驶。通过这些数据，它也可以告诉政府，这些路段哪一些地方比较安全，哪一些比较危险。这些是通过数据而来的，未来的汽车实际上就是搜集数据的平台。它不仅载着我们从A点到B点，也是一个数据的平台。
大家听直说过这个平台uber吧？它是一家出租车公司。这是通过交通出行来赚钱的公司。uber市场价值成千上万美金，为什么它有这么高的价值呢？它也是有数据，比如客户去了哪里，汽车的行使，等待时间等各种各样的数据，uber也是利用这些数据进行变革，变革我们移动的方式。当然这里也有问题，很多人都有汽车。在欧洲和美洲，几乎每个人都有自己的汽车。实际上你花了很多钱在自己的汽车上，但是这个汽车的使用率是怎么样的呢？大概只有4%的使用率，96%的时间，你的汽车就停留在那里。这个效率实在太低了。如果我们可以把这个效率提升，如果我们可以提出一个新的理念，使用自己的手机，然后按一个键，然后一个汽车，无人驾驶的汽车直接行使到你面前，然后你驾驶着它到另外一个地点，或者可以自动支付，上了这个汽车，载着你到另外一个地方，然后自动付款，然后它再去载另外一个人，这样汽车使用率就大大提升了，这样你就不用花很多钱去买汽车。现在这样的效率低下的情况就可以避免了。
还有airbnb，这个是度假的时候使用的，比如你可以利用它来找民宿，你出去旅游的时候，airbnb可以帮助你把房子租出去，因为你出去度假，房子是空置的。我们看到这样一个现象，数据的效率转变资源效率。现在我们从数据转移到了资源效率，我们用更多的数据，我们处于大数据的时代。比如说我们不断的提升汽车的效率，移动的效率，房子的利用率等等。这都是有关于资源利用的效率。不管是uber、airbnb、谷歌，他们都是利用数据来提升效率，创造价值的。那谁拿到了这个数据呢？是uber这个公司拿到了数据。nest拿到了数据。谷歌拿到了数据。不是租房子的人不是旅游的人拿到数据，而是airbnb这家公司获得了数据，也就是说这些公司，他们在捕捉数据捕捉价值上做得非常好。
大家想到数据，可能想到数据的规模是非常重要的，比如谷歌，谷歌是花了三十亿的美金，收购了nest获得了数据。在大数据时代，实际上这个规模可能没有你想象得那么重要。在美国有一个公司，它是预测消费品产品的价格，它就可以预测，比如像电视机的架构，它可以预测到电视机的价格是上升还是下降，他们可以直接预测到这个趋势。如果这个预测错的话，他们就会给你返回到差价。但是70%的概率他们是正确的。他们所做的也是捕捉数据，他们在每天搜集到很多很多的价格点的数据，每一天成百上千万的用户数据他们都搜集到，还有消费品产品数据都搜集到，大家觉得这个公司规模有多大呢？总共30个人，包括清洁工。他们有多少服务器呢？0个，他们完全是使用云端武器。大数据好象听起来很大，规模很大，但是这一端，小的一端也是非常有意思的，就是一些初创公司，小的公司，也可以很好的使用这些大数据，因为你不需要购买很多的服务器，雇佣很多的员工，来搜集大数据。这些小的公司也可以搜集大数据，因为你只要有存储空间，你只要有处理能力就可以了。而且这些成本也不高。因为我们有云端，因此大数据后面的基本的原理，一个理念，就是未来的数据已经不在于机器了，而是在于你的理念了。你需要有这样的理念，你要想象一下如何利用这些数据。这些云端可以帮助你处理一切的数据，非常感谢大家。
