人工智能只是一種技術手段，數據資產最終決定人工智能的行業應用發展，以及企業新的市場。

隨著互聯網、開源、云計算等技術的發展，企業在技術上會越來越接近。

不久的將來，超級摩爾定律下芯片計算力會有更大突破，人工智能作為一種技術能力將越來越普及，長期來看，技術能力上的差異會越來越小。

在行業應用上，真正能建構牢固“護城河”的核心要素一定落在數據上。

那么，數據又從哪些維度展開競爭呢？

第一，數據的品質。

比如數據的準確性、完整性、可追溯性、持續性、真實性和共享性。這些品質決定著人工智能模型的質量，也決定最終的落地成果。

第二， 數據競爭存在先發優勢。

那些占據著特定的應用場景，并且更早、更多地獲取數據的領域，人工智能的優勢會更明顯。

第三，數據的安全和隱私保護，決定了人工智能應用最終可以走多遠。

一、提升數據品質

針對特定領域的數據集越龐大、越真實、越準確、越可追溯、維度越豐富、越協同共享，越能得出最佳算法并帶來競爭優勢。

比如，在奈飛的網站上，圍繞用戶的維度，有性別、年齡、瀏覽過的電影、喜歡的明星、過往閱覽記錄等;圍繞某個電影的維度，有年代、導演、演員、風格、題材、用戶評價等。

繞兩個主體的數據維度越豐富，越能在兩者間建立精準匹配的關系，讓企業以更好的體驗擴大用戶群，不斷強化自己的優勢。

我們看到，App的用戶規模越大，往往越能更精準地滿足個性化體驗。

比如，現在我們使用的一些音樂App已經能夠精洞悉每個用戶喜歡的音樂風格，并準確推送喜歡的音樂。

對如何提升數據品質，企業可以在兩方面同時努力：

內部，要有系統的規劃，實時采集和整理數據，建立長期數據積累;在外部，要有意識地構建生態體系或者尋找合作伙伴，盡可能多地獲得相關數據，且搭建統一架構，幫助數據互通。

二、數據的先發優勢

數據競爭一定存在先發優勢。企業越是占據特定的場景，更早、更多地獲取數據，人工智能的優勢就越明顯。

現在，數據尚未全面商品化，企業與企業之間的數據交換尚未暢通。

由于市場的復雜和競爭、數據安全和監管等原因，企業或機構不敢輕易開放數據，企業或機構需要通過自己的產品和生態體系來獲得更多數據。

從這個角度看，平臺型科技公司基于自己強大的數據基因，占有完全優勢。

長期來看，數據是可以創造收益的資產，是公司的核心競爭力，越早入局規劃，越能占據主動。未來數據全面商品化之后，價值會非常明顯。

三、數據安全和隱私保護

對數據安全和個人隱私的保護程度，決定了人工智能可以走多遠。

數據安全有兩層含義：

一是保證用戶數據不損壞、不丟失，這種情況發生的概率不大，數據存儲在云端也安全得多;二是保證數據不泄露或者濫用，這是主要的關注點。

無論在電子商務、航空旅行、金融借貸還是醫療行業，全球已發生多起數據泄露的件，引發公眾的憤慨。

2017年，單是美國征信企業艾可菲（Equifax）一家公司的信息泄露就涉及多達1.43億人的姓名、住址、出生日期、社會保障號和駕照等敏感信息。

人們不可能縱容自己的數據隱私被侵犯。任由信息泄露和濫用，公司會陷入輿論的漩渦，商業發展的困境最終會阻礙人工智能的發展。

四、找到“強相關數據”

首先，無論大數據或小數據，有價值的就是好數據;其次，“大數據”這個詞，更多是一種思維方式和一個時代標志。

實際的場景中使用的數據往往是有限的，真正有用的是“小數據”。

兵法上講，“傷其十指不如斷其一指”，大數據是一樣的道理，要用力在關鍵的“一指”上，不必追求“十指”面面俱到。

用戶源源不斷地產生數據，目前對于企業來說，數據的收集和存儲能力并不構成障礙。

癥結在于，90%的數據沒有被真正利用起來，成了“廢數據”。

主觀上，這與機構的數據思維文化有關，并不是所有公司都能像奈飛、亞馬遜那樣推崇用數據說話。

客觀上，則與數據的相關度有關。

比如一名用戶10年前的互聯網數據，對于分析當下或預測未來并沒有太多的作用，時間序列上的弱相關度，大大減弱了數據的效力。

相關數據，特別要強調與特定場景的相關度。現在，人工智能的應用針對的是某個具體任務或具體目標，需要的數據類型不盡相同。

比如，傳媒、金融、醫療等各行業需要的細分數據不同，具體到同一行業的子領域也不同。比如，在醫療領域，心血管疾病和癌癥診斷所要的細分數據就不一樣。

大部分人工智能的應用場景，都是針對一個具體的任務。

比如，個人信貸鑒別申請者的信用風險，餐飲外賣確定最優的派送路線，資訊信息流做精準的個性化推薦……具體的場景中，起作用的主要是相關度高的數據。

五、重視小數據

相對大數據來說，能直接用起來的相關數據，往往是一種特定的小數據。

這里的小數據，指的是使用場景單一、對應算法簡單、及時性較高、數量規模較少的數據。

可以說，大數據是宏觀、全面的分析，小數據則是針對特定任務的具體分析。現階段真正好用的其實是小數據。
責編AJX