疫情期间，在每日的跑步过程中，听完陆奇的一门混沌课程《数字化浪潮与创新机会》。
这门课，我听了三遍，或许因为不够聪明，有些地方不甚理解，就带着问题再听一遍。
陆奇提到的一个思考方法，来自Richard Feynman，1965年诺贝尔物理奖得主，被认为是爱因斯坦之后最睿智的理论物理学家。
For things I do not konw how to create it I do not understand.
他是说，如果有件事情我没法建立它，我就没法真正理解他。
他的建立，不是真正的物理上的建立。对任何一个复杂体系，如果你想得深，你把它拆解成子问题，对拆解到一定阶段以后，对每一个子问题想清楚之后，去跟大学本科生（非专业视角）交流，如果大学本科生能接受，他就认为这个子问题的答案是成立的，然后把所有子问题的答案，组装成对原来问题的解答，这样的话就变成一个结构化的思维。
你可以按照这个方法，对任何一个复杂问题，都可以想的更深，看得更远，这是分享一个简单的陆奇常用的一个思考方法，也是我深以为然的方法，我用这个方法给很多人讲企业数据运营体系的构建。
没想到，今天听陆奇的课，不仅采用了大致一样的方法，并且，对数字化的理解，我们拆分出来的本质过程竟然趋于一致。
起点学院的很多同学听过BLUES讲的这门课程《数据驱动产品迭代》。
什么是数字化的本质
我们每天都讲数字化产业，那么什么是数字？
数字化的核心要素有6个组成部分，缺一不可。
第一是获取信息，对某个自然现象或者社会现象。BLUES的理解，就是数据源是什么，数据从哪儿来，如何产生。
第二是表达信息，用某一种简洁的，可以用来计算用的一个表达方法。BLUES的理解，这里是数据的定义和描述，例如在做数字化的时候，就是做数据的指标定义，数据指标体系的构建，公式定义。
第三是存储信息，把表达好的信息存储在某一种物理媒体上。这个比较好理解，就是建立数据存储机制，按照一定的存储规则，建立数据仓库、数据湖，建设数据中心，进行数据存储。
第四是传输信息，用某一种传送机制（transport）来传输信息，就是数据从数据源传输到数据存储系统。
第五是处理信息，这是最核心的，通过计算的方法来进行针对性的处理，针对某个任务，针对人类的某个需求进行处理。
第六是交付信息，将处理好的信息交付给端点（end-point）来达到目的。
概括一下，就是下面的这个表格。
听到这里，我当时是在跑步机上跑步，不由得笑起来，大道相通，我做了十多年的数字化工作，也是契合了这六个本质，后来总结了自己在腾讯、YY语音、迅雷等公司做数据运营的经验和方法，最底层的逻辑，就是这六个核心要素。
来看看BLUES做数据运营分享课程的三张PPT页面。
第一张PPT，是2009年，BLUES在腾讯做数据运营时候，上的一门数据课程，将数据系统分为：数据源、数据传输、数据存储、数据计算、数据表达、数据应用，六大部分，和陆奇的提炼几乎吻合。
第二张PPT，是亚马逊的物联网、大数据和人工智能技术的集成系统，从六个本质来看，一样是契合的，数据源变得更多样，包括了交易数据、ERP数据、日志数据、连接设备的物联网数据、社交媒体数据等。
通过采集接入传输，经过数据ETL清洗，流入数据湖进行存储，黄色框内是数据处理分析计算，然后提供数据服务，最后到数据应用模块，提供给数据科学家、数据分析、业务用户、客户支持平台，自动化/事件管理。
第三张PPT，是腾讯2016年时候的一张数据系统架构图，一样的契合陆奇提炼的六个要素。
左边是当时的七大事业群，数据获取来源于各个事业群的产品，例如在线消息、离线文件、DB-Binlog等。
数据进入腾讯数据系统的TDBANK（实时数据接入平台），这个部分负责数据的传输，包括格式适配、加密传输，然后进行缓存分发。
数据存储部分是TDW（分布式数据仓库），由查询引擎、计算引擎、存储引擎构成。
实时运算系统（TRC）进行数据的实时处理，秒级的计算，应用到实时精准的个性化推荐平台。
大家可以注意到，这六个要素，陆奇说第五个处理数据，是最核心的，是体现数字化效率的最重要的部分。
对于很多传统行业，要实现数字化，最基础的，最难的，其实是第一个部分，数据获取，也就是数据源，这个难，不是技术的难，而是人，是思维方式的难。
传统行业，很多时候，是单兵作战，没有特别高效的协同能力，看起来也能独立存活，即使没有数字化，自己单店经营，貌似也活得不错，所以，将一个事业做大，尤其是原来这个传统行业就做的挺大的，而且也没有借助特别高效的数字化手段，那么原来做这个行业的人，就对数字化有排斥感，就是不需要什么数字化，也可以活，至少目前可以活。搞数字化，反而是投入大，产出小的一件事情，至少，在他们在任的这几年，数字化不一定能马上发挥作用。
这也是一种事实，数字化的过程，是需要积累的，数据从产生到积累，存储到运算，到算法的不断完善，机器学习的不断深入，计算的速度逐渐提高，数字化的效用才逐步体现。
人类历史上的三大财富创造体系
第一是农业体系。农业体系的核心是通过利用土地和光合作用来创造财富，在这个阶段，人所需要的只是简单的工具，并不需要处理大量的信息。但是限制也很明显，那就是产量基本取决于土地的大小，产出效率是比较低下的。
第二是工业体系。工业时代是财富创造的第二曲线，它用的是化学能源，采用电力传输的方式，大规模的整合了人的技能。为了更好地融入工业社会，我们需要在大学学习专业的技能，然后参与到社会分工中去。本质上说，工业时代依靠的是化石能源和人的技能。
第三是信息与知识体系。从图中可以看到，在这个时代，财富创造的速度远远超过工业时代的增长速度。本质上讲，这个时代，创造财富的核心驱动力是通过信息、数字化在信息当中抽取知识，用知识不断重组人类社会的现有资源，最终实现财富的快速创造。大家可以回顾一下20年之前全球最大的10家公司，基本上都是石油、汽车企业。而现在，高市值公司基本变成了高科技公司，他们创造财富的核心能力是数字化。
数字化与智能商业
听完陆奇的课，就想起去年看过的阿里副总裁曾鸣的一本书《智能商业》，非常通俗的讲述了阿里的数字化过程，也就是智能商业形成的过程。
未来商业的核心有三个要素：
（1）数据化：以数据方式，记录用户所有的操作行为。
（2）算法化：根据数据，提出优化的算法模型。
（3）产品化：和客户直接连接，形成反馈闭环，进一步提高算法能力。
首先是数据化的效率在很大程度需要在线化，通过移动互联网、物联网让交易过程每个环节在线，提高数据产生的效率，然后形成网络化，各个部分之间产生网络连接，数据互通，最后一个阶段是智能化，基于前期大量的销售数据、用户行为数据、交易数据，形成智能算法，让商品的搜索结果更加精准，让商品的推荐更加个性，机器比用户更了解用户想要什么，真正做到淘宝的千人千面，并随着数据的不断流动，形成数据回流，完成了淘宝的数据闭环构建。
在企业数字化进程当中，要走向商业智能，企业必须拷问自己四个问题：
（1）企业是否最大限度实现网络化？
（2）企业能否尽可能的引入机器的学习效应？
（3）企业能不能在网络扩张的过程中，尽可能用机器决策取代人工决策？
（4）企业能否让自己收集的数据与更多不同类型的数据进行交换？
这四个问题，就契合了数字化的六个组成部分，网络化让数据获取和传输和存储更加高效，机器学习让数据计算更加智能，机器决策取代人工决策就是数字化的交付成果。企业让自己的数据与更多不同类型的数据进行交换，就是让数据的获取、数据处理更加开放，更多的数据会让机器学习加速自身的完善。