「如何確保有足夠的數據來發展人工智慧？需要儲備甚麼樣的人才？」我想大家都忽略了大數據能力的根源來自連接，而連接的基礎是數據的流通標準化，互惠互利才是大數據流程中的永恆關鍵，懂得這個道理的公司會是未來的數據之王。
在拜訪一些公司時，我發現，大家所講的數據來源其實就只有幾個，很少看到「養數據」做得好的例子。也就是說，大數據產業目前面臨的挑戰，並不是沒有好的演算法，也不是沒有好的數據工程師，而是數據來源比較單一。
互惠互利—阿里巴巴的數據流通策略
在數據科學成為炙手可熱話題的兩年後，我發現，我被企業管理層問最多的問題是：如何確保有足夠的數據來發展人工智慧？需要儲備什麼樣的人才？我認為，大家都忽略了大數據能力的根源來自連接，而連接的基礎是數據的流通和標準化。老實講，「不在此山中」的企業可能還對由此帶來的痛苦沒多大感覺。
比如，有些CEO 問我，如何打通企業各部門之間的數據，並且防止陽奉陰違的事情繼續發生？以阿里巴巴為例，打通數據，絕對不是馬雲一聲令下就可以解決的問題。從2014 年開始，阿里管理層多次要求各業務部門（包括支付寶）無條件地將數據互通，然而，換來的終究也只是表面的打通而已，底下的人陽奉陰違也是花招不少。比如，我有數據，但是我不告訴你有什麼；就算你知道我有數據，但我不能保證提供給你的是有品質的數據。因為沒有業務關聯，對方很難長期、義務地配合，所以就更不會把新增的業務數據和盤托出了。
在這個人工智慧蓬勃發展的時代，數據的增量比存量多。多變的業務場景，也意味著需要敏捷的數據更新（包括結構）。在你使用數據時，數據本身可能早就出現了定義上的變化，數據斷裂（data broken）指的就是數據已經不能反映當前現實，因此，以這些斷裂數據為基礎的任何人工智慧演算法，都會相應地產生偏差。
這種事情表明了什麼？所有的數據流通必須建立在一個永恆不變的道理上：互惠互利，否則你無法做到對數據進行適時的修正。雖然說高層掌握著權力，但要發揮出整體的數據策略，只靠從上而下的命令是不可能的，還必須依靠從下而上的共建共創，只有這樣，才能實現合力而成的多源異構大數據。所以我一直強調，大數據是自利、利他的成品。
我舉個例子，公車的監視器在行駛過程中錄下的資料能否與其他企業共享？公車公司當然不樂意，監視器錄下來的數據就是我的資產，憑什麼無條件地交出來？但如果此時一家地鐵公司說，若你願意分享這個數據，我會在地鐵的大螢幕為市民提供公車轉乘資訊，以作為交換呢？又或者，政府主動提供客流量數據，作為其他公車公司主動提供數據的相應回報呢？答案應該就明朗多了。當實現互惠互利時，技術問題也就水到渠成了。 （相關報導： 《大數據的關鍵思考》(3)：CEO關心那3項數據？ ｜ 更多文章 ）
在阿里巴巴時，我是怎麼處理部門之間數據互通這件事情呢？很簡單，首先是找出大家有意願共用的部分，我稱其為企業內的公共數據，然後安排資源，把這一部分先建設起來。選擇公共數據也有一定的技巧，簡單歸類就是：各部門已經高頻率、但低效率單線流通的數據；被野蠻複製到各部門的相同數據；大家都有意願先標準化的數據。
