📖 ZKIZ Archives

這一晚民調已死！特朗普一直被低估的真相是什麽

2016年的美國政治民意和民調測試專業人士，都應該選擇去面壁一段時間。

特朗普在大選當晚超常發揮，幾乎給了全美各類專業頂尖的民意和民調專家當頭一棒，幾乎等於大聲告訴他們：你們的數學模式、科學論斷和問卷方式毫無價值！

在過去的幾個月中，根據這些機構公布的民調結果，希拉里在多個重要的搖擺州都有明顯優勢，在全國民調的支持率上更是一直超過特朗普5%，甚至一度達到將近10%。

然而，以往被稱為美國大選晴雨表的民調，在特朗普面前顯得如此不堪一擊，到了當晚選情焦灼的階段，更是基本失去任何參考價值！

在10月份以來公布的67項全國民調中，只有4項民調給予特朗普領先優勢。

8日當晚多州公布的結果顯示，此前的民調廣泛低估了特朗普的那些“隱藏的沈默的”支持者們，這些人在投票的最後一刻，默默走進投票站，為特朗普投下一票，然而，在此前的各項民調中，卻沒有這些人的身影，讓特朗普的民調一直被低估。

“我從事政治數據研究30年的時間，今晚數據死了。對於這屆大選我錯的不能再錯。”美國知名政治民調調查人士墨菲(Mike Murphy)指出。

在眾多的民意調查機構中，只有《洛杉磯時報》和南加州大學經濟和社會研究中心一直在最後的幾個月中對特朗普的領先地位保持樂觀。

該研究中心的負責人表示，他們的數據的根據在於，很多支持特朗普的人都不願意在接受人為調查的時候承認自己支持特朗普，因此，他們考慮到了這個隱性的因素。“有一種說法就是，希拉里的支持者通常都會說他們支持希拉里，但特朗普的支持者卻通常不會公開表示他們支持特朗普。”

這位負責人還表示，很多民調機構都犯的一個錯誤是，他們錯誤地將2012年沒有投票的人都自動認可為2016年也不會投票的人群，但其實那些2012年沒有投票的人，很有可能今年卻是特朗普的支持者。

政治分析人士指出，還有一個被忽略的重要因素，就是FBI局長科米在競選關鍵時刻公布重啟希拉里郵件的調查，也在一定程度上“趕走”了本來可能支持希拉里的選票，而這些選票之前已經被這些民調數據專家們記錄為希拉里可以拿到的比例。

王珂：我們往往高估一兩年的發展，而低估未來十年的變化

投資人說 2016-12-04 21:33

本文系投資人說（微信ID:touzirenshuo）授權i黑馬發布。

1、口袋購物的創新

2011年，我創辦了一家公司，叫口袋購物，希望做移動電商，因為當時在我看來，電商存在兩個大問題：

1）、電商已經發展了十年，信息海量，用戶找一個喜歡的東西，不是越來越容易，而且變得越來越困難了；

2）、賣家獲得用戶的成本，不是越來越便宜，而是越來越貴了，商家掙的錢不是越來越多，而是越來越少了。也就是說，這個市場還有變革的機會。

按照當時的想法，PC端有軟件，也有網站，但大部分訪問的電商是網站；現在移動端來了，手機上的APP都是軟件，用戶是不是需要一個電商軟件？

開始的時候，我們做了兩個版本：手機端和PC端。我們把兩個端口的數據進行對比，發現一個很有趣的現象，用戶在手機端收藏商品平均的頻次是PC上的49倍。

開始我對這個數據很驚訝，後來我想明白了，其實道理很簡單。PC屏幕大，用戶一頁可以看好幾十件商品，可以一頁一頁往下翻，直到找到自己想要的商品，直接加到購物車里就好了。而且在PC上，人們可以在瀏覽器上打開很多購物網頁，也不用急著去關掉。相反，手機的屏幕很小，如果一個一個地看很累，可能你往下翻到第50頁的時候手機已經沒電了，所以用戶往往看到一個勉強符合自己購買特征的商品，就先收藏起來。

這給了我一個很大的啟發。口袋購物當時每天相關的銷售額是400萬到1000萬人民幣一天，而每天新增的被收藏商品量是4億人民幣。我在想，如果我們把每天被收藏商品的量轉化1%成銷售額，也是非常驚人的數字了。

然後我就做了一個實驗，2012年1月的時候，我們發現口袋購物上面有1000多個用戶收藏了風衣，但是沒有買。1月還很冷，一般人要到3月份才去買風衣的。我找來一個淘寶風衣賣家說，我這里有1000個人想買風衣，你們能否搞一次團購？1000個人，1%的人買了就是10件，10%的人買了就是100件。結果賣出了300多件風衣。實際上，一般電商的轉化率只有1%到2%，而我們這次活動的轉化率居然達到了30%，可見效果非常好。

通過這件事，我得出三點感悟：

1）、善於利用移動端的特性，無論這種特性是優點還是缺點。比如，收藏使得我們可以更清楚地了解用戶的需求，這樣我們可以把商品賣給真正喜歡它的人，轉化率提高了很多。我把這種模式稱為「反向團購」。

2）、在移動端，少就是多，把產品做得像網站一樣又大又全往往行不通。以電商為例，全網有16億種商品，可能你需要的只有100種。我們要做的，就是幫你把那100個商品挑選出來。

3）、要跨界借鑒一些做得好的企業。比如，口袋購物在篩選中遇到大量信息的問題，我發現必須要通過大數據的方式來實現。這個時候，我參考了一些做得比較好的項目，比如百度的鳳巢系統（個性化搜索投放技術，農業生產者在百度里面搜索「蘋果」，可能出現種子和化肥，而科技愛好者搜索「蘋果」兩個字，可能出現手機和平板電腦）。

2、代表整個品類

其實，我們真正成功的產品是微店。

公司有一個叫「海豹突擊隊」的團隊，8個人專門負責，嘗試尋找更多的機會。我們當時給海豹突擊隊的目標，你可以做任何的東西，但是一個想法到產品上線，只給七天的時間。所以在微店之前我們也搞了很多產品。

直到2013年終的時候，我給自己的手機裝了一個監控軟件，發現微信占了一半流量。我就想研究一下大家都是怎麽用微信的，這才發現很多人通過微信買東西，但因為沒有有效的管理軟件，有時候下單的人多了，連貨都經常會發錯。

我記得那天是周三的下午，我說這個一定要搞，到了周六夜里，第一版本的微店就上線了。當時是發布在我們的一個內網里面，要輸入很長的URL、用戶名和密碼才能下載。

第一個用戶是我的一個朋友，給了他之後，我就跟我們同事說，我們不要把這個產品再給其他人了，我們就看一看口碑能讓這個產品走多遠。第二個禮拜，我朋友就問，能不能把這個鏈接的用戶名和密碼給他弟弟；第三個禮拜，這個朋友又說能不能給他的深圳批發商。

我跟他說，你可以把這個鏈接用戶名、密碼給你身邊所有需要的人。他很激動，就在自己的朋友圈里發了條消息說：“你們知道嗎，有個公司叫口袋購物，專門為我開發了一個產品叫微店，這個軟件目前在網上是找不到的，如果你想用它怎麽辦呢，只有一個方法就是跟我搞好關系。”我們純靠口碑到2013年底，已經有1000多家店，一個月有2000萬元的成交額。

這個產品驗證了我最初做口袋購物的一個理念：想做一個成功的產品，最好要先建立一個全新的品類，然後成為該品類的代名詞。我跟唐巖看法一樣，希望不打廣告就能成功。最簡單的一種方法就是成為行業代名詞後，你可以少打廣告避免競爭，因為競爭會吞食掉所有的利潤。

3、了解用戶的方法

早期的時候，微店平均每個禮拜更新兩次，周三一次，周六一次，整整搞了半年。差不多前1000個商戶，我都加了微信；基本上團隊早期的所有同事跟所有的商家都認識，所以，他們一有問題反饋，我們就立刻改。

後來規模大了，這樣的方式不可持續。我們的團隊就按照季度把有效的用戶意見用視頻錄下來。因為沒有太多時間看視頻，我就把它打印成一本一本的書，大概有四百本，因為最重要是要聽用戶的原話。

我希望產品團隊、運營團隊、高管團隊親自看用戶的原話是什麽，用戶告訴我們什麽。因為這里包含了我們在做產品的時候忽略掉的很多細節，用戶的痛點和需求往往就是機會。

在我看來，這些事情雖然繁瑣但必須自己做，你不能把調研的工作交給第三方的調研團隊，因為他不知道該問什麽問題，那就不可能知道什麽是有用的答案。而且第三方團隊，想誘導用戶做出一些回答是很容易的。

還有很多人不理解我為什麽一開始創業的時候選擇了一批長尾的賣家群體。其實，當時主流的賣家在淘寶等交易平臺上已經做得很好了，而非主流的賣家在淘寶上開個新店很難做起來，所以他們選擇社交網絡上做生意，但又沒有人服務他們。這是第一個機會點；第二個機會點是既然微信上有流量，也有信任，流量和信任一乘一定會產生轉化率。

當然，我們不希望朋友圈營銷過度泛濫，微信是一片海洋，我們在里面撈魚，海水要是臟了，肯定不好。

4、不要過度滿足需求

通過了解用戶，我也總結出一些規律：

1)、真正成功的產品，存在的根本原因是用戶有需求，產品提供的價值主張恰好滿足了這些需求；如果用戶沒有這麽強烈的需求，那你就很難成功。

當時做口袋購物的時候，類別也沒有那麽的清晰，價值主張沒有那麽的明確，不像微店。微店有一個很樸素的想法，十年以後、二十年以後，互聯網是經濟的基礎設施，我們家樓下賣烤串的大爺也在互聯網上。

有時候，我也會拿著這個猜想去驗證別的產品，比如我會想海飛絲的收入一定比潘婷和飄柔高。柔潤和滋養這種需求，可能越說不清楚；去屑也許看起來更小眾，但是它明確，沒準能更容易成功。後來我問了寶潔的人，他們告訴我不光海飛絲的收入是最高的，海飛絲的利潤也是最高的，定價也是很高的。

2)、抄襲別人的產品充其量是在過度滿足用戶，意義不大。今天有的人喜歡在市場上抄別人，其實一個需求一旦第一次被滿足了，以後要麽大幅度衰減，要麽就消失了。比如說大家都餓了，現在有人送包子肯定賣的特別火，但大家都送包子就沒什麽意思了。所以做一個別人做過的東西，就等於以過去的需求為標準探索未來，成功的可能性就大大縮減了。

所以我希望我們的產品是新的發明。我的理想以前是當個科學家，試想沒有一個科學家會把別人抄一遍，在商業上也是一樣。你都解決了我就沒有必要去跟你搶，反正這個世界的問題還有很多。

5、雷軍幫我招聘

很多創業者都會說，早期根本招不到人，因為我不知道優秀的人在哪里，即便知道，也沒有豐厚的條件吸引他們過來。這些困難我也遇到過，所以我想談談我招人的經驗。

雷軍是我們的天使投資人，他對我們的貢獻非常大，這也體現在招人上。

我當時經常在百度樓下的咖啡廳里面，打電話招人。當時弄了一個50多人的名單，里面還有一個百度首席科學家的號碼，可是打了很多都沒打通。即便打通了過去，一聽說我們有個什麽樣的點子之類的，基本就會很快掛電話。所以我後來就對人這樣說，尤其是那種看上去很牛的人，我說雷軍想見你一面，先派我過來跟你聊一聊。

背書很重要，這樣他們就願意跟我聊幾個小時。有一次，我和一個人從五點開始聊，那個時候我已經得肺炎了，因為廈門天氣很好，北京的空氣質量特別差。所以八點的時候我就交給雷總，回廈門看病了，雷總從八點說到十二點，後來給我發一條短信說搞定了。

公司的HR有時會跟我抱怨招不到人，那我就根據經驗把她的座機拿過來看一看，我說你什麽時候可以有資格跟我談招不到人呢？就是你電話座機的數字鍵全部變白了，看不到數字了，你才可以跟我抱怨一下。

6、我的融資觀點

對於融資，我的觀點是最好一次成功，因為你沒必要說服全世界的投資人都認可你，你只需要找到一個人就可以了，他可以把他的同伴拉來，他的同伴可以拉來其他的人。因為VC是比較喜歡分享的群體，一旦一家拒絕了你，可能下一家也會三思。

如果你已經見了很多VC，他們都沒投資意向的話，就該好好想一想自己的方向和發展狀況，你可以問一問自己：你需要錢是不是在業務真的發展很好的時候，對自己真的有信心的時候。

創業者在早期一定要選擇比較有責任心、有質量的基金，找好的投資人，因為他們經歷的成功或者失敗的公司比較多，他更能明白一個公司在創業的過程當中，怎麽樣給予正確的支持和幫助。

當然融到了錢也並不意味著什麽，融的錢多就說明投資人的期望很高，比如微店C融了3.5億美元，那就說明投資人想掙35億美元。從融完之後，我就開始欠了35億美元的債了，要想著什麽時候才能還回去。而且有錢其實不是個很好的事情。你有錢了之後，要錢的人都想你多付點，要被收錢的人都想著你都這麽有錢了，還要收我的錢。

之前，外界盛傳馬化騰和我在飯桌上聊了幾句就談成了。我就覺得真是很奇葩，騰訊也提前做了很多功課，我們也做了很多的討論，後來一起吃了頓飯，Pony（馬化騰）提出來說想投資，我花了兩分鐘決定接受投資，不是說我們所有加起來的時間就兩分鐘，這太兒戲了。

其實，很多互聯網公司有過很光輝燦爛的時光，但這不代表最後就能成功。單純從我個人的角度，我是很不喜歡PR的，在媒體面前肯定得揚長避短，盡可能少說我們的問題、困難，說多了媒體總喜歡誇張點，說這個公司遇到巨大的挑戰、挫折，快掛了。

但一個公司是一天天發展起來的，里面沒有那麽多戲劇性的故事，它就是一個不斷優化完善的過程。有時候，我們往往高估了一兩年的發展，而低估了未來十年發生的變化，低估了日積月累的進步的重要性。

文章評論

匿名用戶

發布

全部評論：10

發布

深扒一個獨角獸公司標配，但仍被低估的崗位

峰瑞資本 2016-12-29 11:03

本文由峰瑞資本（微信ID:freesvc）授權i黑馬發布，來源Stitch Data，編輯張瀟冉。

美國數據工程概況

目前，LinkedIn 上有 6500 人稱自己是數據工程師。而僅在舊金山，就有 6600 個這樣的工作機會虛位以待。去年，數據工程師的數量翻了一倍，但工程主管們卻仍覺得人才匱乏。

數據人才的旺盛需求源自一個根本性的變化：科技公司現如今都成了數據公司。

像 Uber、Airbnb、Spotify 這些公司都在大力發展數據產品，結果便造成數據系統開發和維護人才的激烈爭奪。

Josh Wills 是 Slack 的數據工程師，在 2016 數據工程大會（DataEngConf 2016）上半開玩笑地說：“我的數據工程師都在會場了，請你們別挖墻角。” 即使 Slack 這樣當紅的矽谷企業，也在擔憂如何留住這些寶貴人才。

我們的研究著重於說明以下幾個方面：

目前市場上數據工程師的數量；

數據工程師的背景和核心技能 —— 這些信息對於主管們研究如何將軟件工程轉換至數據工程特別有用（編者按：以緩解招聘數據工程師的壓力）；

數據工程師的就業信息 —— 幫助你說明為什麽要投資（時間/精力/金錢）到這項昂貴的技能中來。 

從 Stripe、MIT、Looker 的工程主管對數據人才的發現、留任和對數據工程師團隊項目的開發等一系列策略的分享中，我們找到了這些問題的答案，使得這份報告清晰地呈現出數據工程的現狀。

關鍵指標：

人數：6500 人在 LinkedIn （領英）上稱自己是數據工程師。

發展：2013 到 2015 年，數據工程師的數量至少翻了一倍。

分布：50% 的數據工程師都在美國。

之前的職務：42% 的數據工程師都是軟件工程出身。

產業：數據工程師主要供職於信息科技與服務產業。

技能：數據工程師前 5 項主要技能是：SQL, Java, Python, Hadoop, 和Linux。R語言甚至都沒進前 20。

分析方法：

本報告基於 Linkedin 上的用戶資料，包括所有公開可見的個人及公司檔案、技能與工作經驗，數據以 2016 年 3 月份的統計為準。

我們根據檔案上的職業標題和頭銜識別出數據工程師，這里只納入了那些可確認公司的數據工程師檔案。

【圖表：LinkedIn 個人檔案總結】

▲ 截止 2016 年 3 月 1 日，Linkedin 上的個人檔案大約 4.3 億，此次參考了 2.6 億例檔案，其中列有至少一項經歷的近 1.9 億， 有一項已認證經歷的超過 1 億，當前經歷已認證的近 8000 多萬。

在這些數據工程師中，我們分析了：

3 萬項工作經驗

8.2 萬條個人經歷

3400 個公司

分析工具：

分析采用 Python, SQL 和 Jupyter。

HighCharts 和 HighMaps 中的交互式可視化效果采用 Python 的制圖包和 Python-highchairs 實現。

數據采用 AWS Redshift 進行存儲和處理。

1、數據工程師有多少

“數據工程師”（所有以某種方式與數據打交道的軟件工程師）的定義仍有很大的模糊性，目前並沒有一個完美答案，我們覺得由這些從業者自己來解讀是最好的方式。

我們發現在 Linkedin 上有 6500 人稱自己是“數據工程師”。

6500，這個數目並不大。

實際上，我們有些驚訝“數據工程師”竟如此之少。而在寫這篇報道的時候，Indeed 上有 6600 個 數據工程師的招聘啟事，這還僅僅是在舊金山和灣區。

薪酬數據也證實了數據工程師很受歡迎。據說，在 Facebook, Amazon 和 Google 這樣的巨頭公司工作的頂級數據工程師工資超 50 萬美金。Indeed 的數據分布更保守一些，盡管如此，薪資也達到了 6 位數。

【圖表： 舊金山地區數據工程師的數量和薪酬比】

▲ 截止從上圖可以看出，薪酬在 10 萬美元以上的職位超過 80%, 其中 110k-120k， 120k-130k 和 130k+ 的職位都很多，均超過了 20%。數據工程師成為當下的黃金職業！

專家洞見 

Jonathan Coveney，Stripe 數據工程師：“對數據工程師型人才的需求”。

近十年來，Jonathan 都在數據領域深耕，曾在 Twitter、Spotify 等公司建立數據系統。在他看來，有三種主要趨勢在推動著對數據工程師類人才的需求：

公司在對數據和管理數據的人的思考上更加精深。“數據不再是副產品，而是一個公司運作的核心”。

對機器學習愈加倚重。由於機器學習的進步，對專有數據的掌握逐漸成為各個領域的公司最重要的競爭優勢。

公司開始建造數據產品。“以地圖為例，機器學習主要作用於交通路線的偵測與規劃，而地圖的基礎建設則在於管理和組織大規模的數據，這就是數據工程。”

2、數據工程師的數量隨時間的變化

LinkedIn 的簡歷顯示了一個人聲明的自己的職業發展歷史，包括了在各個時間段內的職務。這些數據讓我可以構建出某個職務的不斷演變。

下圖就展示了”數據工程師“這個職務的飛速發展：

【圖表】累計數據工程師的數量（單位：千）

▲ 數據工程師的數量從 2013 年到 2015 年增長超過了一倍。而且基於上文中相關崗位需求的數據，該增長趨勢並不會減慢。

相比之下，數據科學家的數量大約是數據工程師的兩倍（大約 11,400 人），但是數據工程師的增長速度卻要更高：在同一時期，數據科學家數量“僅”增長了 50%。

3、數據工程師從哪里來

數據工程師的瘋狂增長讓人產生了一個疑問：這些人從哪里來？他們之前是什麽職業？

我們通過觀察數據，調查了數據工程師這一職業的 DNA —— 他們之前的職業。

在我們的調查前有以下幾個猜測： 

數據工程師是軟件工程師和數據科學家之間的橋梁：他們編寫了生產代碼來方便數據科學家們進行大規模的運算實驗。因此，我們猜測有很大一部分數據工程師的前身是軟件工程師或數據科學家；

因為數據工程師很大部分的工作都圍繞著運算的規模，他們同時也是軟件工程師和運維開發 ( Devops ) 的橋梁。因此我們猜測一部分人由運維開發轉來；

數據庫管理員曾在一個企業中扮演類似的角色。因而，不難假設一部分數據庫管理員投身到這一更加先進的職業中。

結果顯示，我們的猜測部分是正確的，有一點是非常明確的：數據工程師的 DNA 和軟件工程師最接近 。

【圖表 ：TOP 10 數據工程師的來源】

▲ 數據工程師前職調查，最多依次為軟件工程師、分析師、咨詢師、商業分析師、數據架構師、數據分析師、數據庫管理員、數據科學家、實習生、研究助理等 

4、數據工程師都在哪

50% 的數據工程師在美國。這並不奇怪，因為數據科學家這個稱謂的本身和很多基礎技術都是來自於美國的科技公司和大學。

【圖表：數據科學家全球化】

▲ 大部分的數據科技或是來自於一小部分大學——特別是伯克利大學 AMP 實驗室，或者是來自於全球最大的網絡公司軟件工程團隊。

谷歌、臉書、領英和亞馬遜在領先該產業其他對手很久，就已經開始挑戰大數據，並投入了大量資源。他們不僅創造了很多的數據科技，他們成為了數據人才的培育基地。

然而，這張圖有些誤導。

美國至今有著最多的數據工程師，也同樣在全球有著最多的數據工程師檔案：接近4倍多於排名第二的印度。

為了標準化數據，我們圖中排名前十的國家展開詳細，看他們各自數據工程師人數與在領英（LinkedIn）檔案數的對比，以及與總人口的對比。

【圖表：TOP 10 數據工程師最多的國家】

▲ 這張統計中沒有以色列，以色列是我們此前的參考標準，它曾經在每百萬人中的數據科學家占比排名中排名最高。上文提及，以色列長期被認為是數據科學的起源國度，在以色列“矽溪”有著強勁科技展現。但意外的是，這卻沒能轉化為高密度的數據工程師人才。

5、哪個行業聘用的數據工程師最多

在擴大存儲、傳輸和處理數據方面遇到挑戰的公司對數據工程人才需求最甚。這些挑戰多在科技公司出現，但是像電信、生物科技和保險這些行業呢？難道這些行業不需要數據擴張方面的幫助嗎？

當我們考察數據工程師的工作領域時，我們發現一系列的行業都需要數據人才。

【圖表：TOP 20 數據工程師的行業分布】

▲ 與預期一致，電信和金融服務接近頂端，但是在生物科技中 DNA 的拍字節（Petabytes）的排序卻沒有朝排名靠前的位置發展。

從該表格中，我們不應該認為這些行業之外的領域就不需要或者不聘用擔任數據工程師功能的人才。相反，盡管“數據工程師”在某一個領域內已經流行開來，互聯網科技公司—— 這個特定職位的用法仍處於初始階段。這個領域內的技術、流程和思維方式正在開始延伸到其它的行業。

6、哪些公司聘用的數據工程師最多

當我們看到聘用了數據工程師的具體公司時，他們在科技領域的受歡迎程度就更加明顯了。在前十的公司里，只有兩家公司不是專門從事技術或數據的：一家電信公司（Verizon）和一家金融機構（Capital One）。

【圖表：TOP 50 聘用數據工程師的公司】

▲ 經常在數據大會上分享經驗的 Amazon、Facebook，Netflix，CapitalOne 等公司，都是業界數據應用的非常成功的公司，和其雇傭的數據工程師的人數呈正相關。

很有趣的是，一些公司聘用了不成比例的數據工程師。比如 Spotify（1600+ 雇員）比起必能寶（Pitney Bowes）（16,000 雇員）要小得多，但他們聘用的數據工程師數量相當。

這些數據清晰顯示，現在的一些科技 “獨角獸” 高度重視數據工程師一職。同時，考慮到三藩市目前有 6600 家公司在找數據工程師，這個趨勢短期內似乎不會改變。

7、數據工程師的基礎技能

數據工程師幹的活大體分為兩個部分：

在整個業務流程，讓消費者能接觸到數據

打造 “產品化” 的算法，將其變為數據產品

總體而言，直接與數據相關的技能獲得了越來越多的重視，另一方面，某些核心的軟件技能也為數據工程師所青睞。

【圖表：TOP 20 數據工程師的基本技能】

▲ 從圖上可以看出用 SQL 來回答分析型的問題、寫腳本來做數據集成、清洗這樣的 ETL 任務和使用Hadoop生態的工具是數據工程師的主要工作。

No.1 SQL（Structured Query Language：結構化查詢語言）：

即便在數據技術領域，很多 NoSQL 倡導者 “欲除之而後快”，但 SQL 仍是數據工程師最普遍具備的技能。

No. 2 Java：

Java 是最受數據工程師歡迎的編程語言。自從分布式系統基礎架構 Hadoop 在 2000 年左右被開發出來後，JVM（Java Virtual Machine：Java 虛擬機）便處於數據處理的中心。

No.3 Python：

不僅被應用於數據工程，還能為分析任務服務——相較而言，總是和 Python 一同出現在新聞里的 R 語言，更專精於分析與統計，這應該也是 R 沒有上榜的主要原因——在數據科學圈，數據工程和分析二者並重。

專家洞見 

Mike Xu, Looker 的數據架構師：“弄明白你想要哪款數據工程師？”

Mike 的職責之一是傾聽開發者的心聲：哪些事情讓他們開心？哪些讓他們不爽？最多的抱怨是什麽呢？嗯，不同的數據工程角色間是有細微差別的，但很多公司卻不懂行。

在 Mike 看來，數據工程師主要有 4 種角色——這也是招聘者應該弄明白的事情：

數據倉庫：專註於為分析來優化數據倉庫，主要是負責數據的讀寫和管理。

工具：總能在一系列數據工具箱里，極其擅長一、兩樣特定的工具（編者按：類似於 Hive, Hbase，ElasticSearch 等）。

架構：才華通透、“端到端” 的思考者，無論是數據收集，還是收集後幫助團隊使用數據，他們需要考慮的事情多而雜，貫穿業務的很多環節。

運維（Ops）：主要把時間花在建立數據庫等事項，還要管理權限、操心數據安全。

8、數據工程師的技能如何隨著公司規模的變化而改變

作為數據工程師，同樣需要認真應對公司和業務的規模化所帶來的挑戰——業務更多，數據集 （Dataset）的規模也更大，所需求的數據能力和工作方式也要隨之演化。

姑且做個猜測：規模越大的公司，對規模化相關的技能越加看重。是否真的如此？我們先查看查看下面的圖表。

【圖表：不同公司的數據工程師之間的差別】

▲ 縱軸表示技能，橫軸則表示相對偏差（Relative Difference：某一次測量的絕對偏差占平均值的百分比）。深藍色、天藍色、橘色分別代表三種公司規模：1-200人、200-1000人、1000人以上。越接近圖表頂部，該技能越應用於較小的公司，反之，位於底部的技能更普遍地出現在 1000 人及以上的公司里。

看完表，我們可以用數據回答先前的猜測：NO。

真實情況是，在規模更大的公司，數據工程師更在意 “企業級” 相關的技能，比如 ETL（Extract-Transform-Load）、BI（Business Intelligence：商業智能）、數據倉庫等，而在較小的公司，數據工程師更多的把心力花在 Python、Java 等編程語言上（編者按：Python 和 Java 作為普通的編程語言，可以用來構建產品，這對於小公司來說屬於核心業務。）

專家洞見 

Will Smith，MIT 的主數據工程師 / 架構師：“數據工程 @大公司 VS. 初創公司”

Will 曾為 Nokia、Warner Bros Games 這種大公司打造過數據技術。在他看來，數據工程師所仰賴的技術，不那麽取決於公司規模本身，而更應該從這麽一種角度出發：你所負責的數據是“寫時模式”（schema-on-write）還是“讀時模式”（schema-on-read）？

他認為，大公司往往在處理數據工程的 BI 方面有所積累，Informatica、Oracle、SAP 都會接觸和使用。這類公司往往在“寫時模式”的環境里工作。

但現如今，很多打造數據科技的公司實際作業的環境是“讀時模式”。“想象一下，公司交給你幾個 TB 的日誌數據，用的 JSON，是關於廣告效果的。數據工程師不知道能從這堆數據中挖掘出什麽，所以你需要開發者寫代碼去做數據發掘，而不是一上來就直接套用 SQL。這和大公司在 ‘寫時模式’ 的環境中做事很不一樣。”

2011年時，Will 正效力於諾基亞 （Nokia）。盡管當時主要經手 “企業級的數據”，但團隊卻選擇“讀時模式”的思路去開展相關工作。

“現在很多數據工程師都這麽做，比較適合規模化的需求。這樣設計和開發出來的東西，可以消化掉來自於各種來源的數據。傳統老舊的 BI 系統就沒這能耐——主要是因為以’寫時模式’為基礎吧，這種老技術不知道在一堆數據里都有什麽，這麽一來我們這些工程師也沒啥頭緒了。” 

9、數據工程師與數據科學家的技能差異是怎樣的

這個數據集體現了數據工程師與數據科學家之間的明顯的技能差異，由此可以將數據工程師與數據科學家的技能構成看作一個頻譜的兩個對立面。

以下這張圖表顯示了一張數據技能頻譜圖，頻譜圖頂端的技能在數據工程師的簡歷中更為常見，而頻譜底端的技能更常出現在數據科學家的簡歷中。

【圖表：數據工程師與數據科學家的區別】

▲ 從圖表的技能構成可以看出，數據工程師更傾向於掌握 “戰術層面” 的具體數據技能，專註於使數據可用並能夠在生產環境中對數據進行處理，如具體的編程語言、操作系統與數據庫等；而數據科學家更傾向於“戰略層面”的數據技能，如數據分析、數據挖掘、統計分析、機器學習等。

10、數據工程師與軟件工程師的技能差異是怎樣的

數據工程師與數據科學家之間的差異是十分明顯的，那麽數據工程師與軟件工程師之間的技能差異又是怎樣的呢？畢竟，正如我們之前所展示的那樣，大部分的數據工程師都具有軟件工程師的背景。

【圖表：數據工程師與軟件工程師之間的區別】

▲ 以數據工程師為中心的最多人選擇的技能是 Hadoop，數據倉庫和 BI——正如你所期望的那樣。與之相反，在軟件工程師端列出的所有技能幾乎都與 web 前端開發相關。最大的兩個例外是 C 語言和 C++ 語言，這是在現代大數據技術棧開發中不常用到的編程語言。

雖然許多數據工程師具有軟件工程師背景，但他們並不是簡單的為了博取加薪而轉換一個新的工作頭銜；他們不得不通過學習新的技能來適應新的角色。

專家洞見 

Ryan Orban，Galvanize CTO：“在數據工程師和數據科學家之間建立更好的關系”

“想一想設計師和前端開發工程師之間的關系，” Ryan Orban 說，“一個角色負責通過想法完成工作，而另一個角色負責將想法付諸實施，這之間可能會導致很多的緊張對立情緒。” Ryan 認為，數據工程師和數據科學家之間的關系與之類似，因此緩解兩者之間的緊張情緒的方法也是相似的。“正如設計師經常被告知需要學習編寫一些代碼，而前端開發工程師也經常被告知要制作一些原型，我鼓勵數據科學家和數據工程師相互學習一些對方所需要掌握的數據技能。”

那麽，數據工程師需要多深入的了解數據科學家的世界呢？

“數據工程師應該對機器學習有一些基本的了解”，Ryan 說，“他們不需要了解所有的數學理論，但是他們應該能夠判斷效率和準確性。相反，數據科學家應該了解架構，以及如何對架構進行擴展，並初步了解生產級的編程語言。”

這種深入了解其他相關學科專業知識的轉變也發生在其他領域。公司習慣於聘請數據科學家來負責市場、產品或者業務分析方面的工作，而聘請數據工程師來完成更廣泛的工程功能。這造成了目標錯位。Ryan 認為這種趨勢正在改變：“ ‘數據團隊’ 是由數據科學家和數據工程師共同構成的這一概念越來越受歡迎。這一如此簡單的改變將很大的改善兩組人員之間的關系。”

文章評論

匿名用戶

發布

全部評論：10

發布

切莫低估市場的有效性 xuyk的博客

有法國年輕人撐腰 不要低估勒龐當選的可能性

在“為做法國人而驕傲”的呼聲中，法國極右翼國民陣線總統候選人勒龐面帶微笑，霸氣十足地張開雙手，而令人無法忽視的是她身後在揮舞著法國國旗和穿著“以人民之名”T恤的支持者們，看起來如此年輕——都是在20歲上下、稚氣未脫的女孩們。

勒龐在法國18歲~24歲的年輕人身上看到她和國民陣線的未來：從2012年~2017年，該年齡段的年輕人對勒龐的支持率從26%上升至39%。與英美不同的是，法國年輕人的實際投票率偏高。

2012年~2017年，法國年輕人受困於經濟衰退以及就業市場改革的低效，其25歲以下人口的失業率高達25%。即便有工作的年輕人拿到的也是合同模式的短工，而勒龐推出的反移民和打破建制的口號，實在是符合他們的胃口。

勒龐擅長討好年輕選民

勒龐所推出的黨內偶像都在30歲以下。這其中就有勒龐“第三代”——勒龐28歲的侄女、“國民陣線”沃克呂茲選區女議員瑪麗安•馬雷夏爾•勒龐(Marion Maréchal-Le Pen)，以及26歲就當選法國弗雷瑞斯市市長的拉赫林(David Rachline)，後者剛剛成為主持勒龐總統競選的幕僚長。

瑪麗安•馬雷夏爾•勒龐的殺傷力巨大。她2歲時，就在老勒龐(她祖父)懷中出現在國民陣線在普羅旺斯-阿爾卑斯-蔚藍海岸大區的宣傳海報上。2012年6月，她以42.09%的高支持率擊敗左右兩黨候選人順利入駐國民議會，成為法國歷史上最年輕同時也是第一位國民陣線的女議員。

如果說瑪麗安•馬雷夏爾•勒龐體現了國民陣線黨內傳承，那麽拉赫林這樣的例子，更能解釋年輕人為何被國民陣線深深吸引。

15歲就加入國民陣線的拉赫林在26歲時成為市長，28歲成為勒龐身邊親信。在他看來，40年前設計的法國政治系統不能為法國的年輕人解決安全和就業問題，只有國民陣線才能幫助年輕人把國家“搶回來”。

國民陣線也樂於提拔年輕人：根據國民陣線的內部數據，有五分之一的國民戰線地方議員都在34歲以下；相比之下，右翼的法國共和黨只有8%的地方議員在34歲以下，左翼社會黨也僅13%的地方議員在34歲以下。

“國民陣線通過獨特的方式令年輕人擔任重要角色，我們信任他們。” 瑪麗安•馬雷夏爾•勒龐說，“如果他們想來到國民陣線，他們不會是裝飾性選民。 如果他們有能力，他們將有機會去辦公，真正為他們的國家工作。”

30歲的國民陣線議員蒙壽(Monchau)是一名防暴警察。在他看來，他加入國民陣線的重要原因是因為這樣的黨派為並不來自特權家庭的政治家提供了展露才華的機會，而“無論在傳統的左派還是右派，主要的黨派職務都留給了那些在40多年來一直來自相同學校，同一家庭，同一背景，相同社交群體的官僚們。”

成為年輕選民最愛候選人

根據法國狄德羅智庫(Diderot)最近的一項研究，比起成年人，18歲~24歲的法國年輕人在安全、移民和工作問題上更信任勒龐可以做出好成績。在前兩個問題上，18歲~24歲的法國年輕人同整體法國成年人之間的看法差別僅一兩個百分點，但在就業方面差異明顯——有27%的年輕人認為勒龐將創造更多的就業機會，而只有21%的成年人這麽認為。

為何勒龐的就業政策對於法國年輕人如此重要?在過去10年中，無論是薩科齊政府還是奧朗德政府，都沒有對法國的勞動力市場和就業率做出改善。高達25%的失業率意味著四個法國年輕人就有一個處於失業之中，而這並不是故事的全部。由於法國勞動法的僵化，剩下不少有工作的年輕人也都因短工合同而擁有強烈的危機感。

法國年輕人（小於25歲）的失業率隨著金融危機的爆發而明顯上升 來源：金融時報

年齡較大的法國選民不少都依靠體制生活。法國擁有560萬公務員，一度是歐洲雇傭公務員人數最多的國家，如果勒龐當選，其退歐計劃有可能令他們的退休金化為烏有，而放棄歐元的想法更可能沖擊這一批選民多年的積蓄，相對於“一無所有”的年輕人來說，上述法國體制內選民選勒龐的可能性非常低。

法國年輕人支持勒龐的另一原因在於，他們並未經歷國上個世紀40~70年代的歷史。在65歲的法國選民中，僅17%左右的人支持國民陣線，這些人對於勒龐父親、國民戰線創始人讓-瑪麗•勒龐印象深刻、國民陣線的起源同上世紀40年代的維希傀儡政府相關，對於老一代的法國人來說，國民陣線等同於法西斯主義。

然而對於18歲~24歲的法國年輕人來說，這些都不是問題：他們那時候還遠未出生，而勒龐也幹幹脆脆地切斷了國民戰線乃至她個人同她父親的關系。勒龐在最近一次采訪中幹脆表示，她同她的父親已經徹底沒有關系了。

“20世紀70年代時，與現在情況不同 。今天的國民陣線專註於工作、住房和恢複法國主權和文化問題。”阿維尼翁大學國民戰線專家瑪莎--拉吉(Christèle Marchand-Lagier)表示，大多數年輕的國民陣線選民不熟悉國民陣線計劃的細節，但只想投票反對法國政治系統。

在這種情況下，從2012年開始，法國的民調和最終投票結果就反映出法國年輕人對國民陣線支持率激增的趨勢。在上一次選舉中，國民陣線得到了法國年輕人最多的支持，其中26%的18歲~24歲選民支持國民戰線，25%支持奧朗德，17%支持薩科齊。

2017年的Ifop民調數據顯示，18歲~24歲選民中，已經有39%的選民支持勒龐，21%支持獨立候選人馬克龍，僅9%支持共和黨候選人菲永。

勒龐成為法國年輕選民最喜歡的候選人 來源：金融時報

需要註意的是，在此前的英國退歐公投和美國大選中，25歲以下年輕人基本上都不支持特朗普和英國退歐，但這並沒有扭轉最終結果，這中間有人口比率的原因，也有投票比例的原因，因為上述兩個國家的年輕人投票率都較低。然而法國並不相同，這個國家25歲以下年輕人投票率高，且人口占比也相對更大。

年輕人對國民陣線的擁躉令法國政治學家瓦妮克(Stéphane Wahnich)對法國的政治未來感到焦慮。他認為，國民陣線的最大優勢就是對年輕選民和候選人持開放態度。

瓦妮克表示，伴隨著那些年長者因代際原因而越來越多地遠離政治，國民陣線的年輕選民和候選人可能在未來十二年內實現統治法國的目標。

不要忘記的是，12年後，勒龐“第三代”--瑪麗安•馬雷夏爾•勒龐，也僅才40歲。

中國平安：分紅水平未來將維持或提升 A股股價仍被低估

股息分配同比增長41.5%，是中國平安2016年報的一大亮點。中國平安首席財務官姚波在今天舉行的新聞發布會上回答第一財經記者提問時表示，中國平安對未來股息政策維持甚至提升具有信心。

股息水平未來將維持甚至提升

中國平安2016年年報顯示，將派發2016年末期股息每股現金紅利0.55元(含稅)，另外在2016年中期已分配股息每股0.20元(含稅)，全年共計分紅每股0.75元，股息支付率(股息占利潤比例)為22%。

“在過去上市十幾年來，平安利潤穩步增長，償付能力也比較充足，管理層對未來利潤增長和股息派發政策維持目前水平很有信心，甚至在業績等允許的情況下，還可能繼續提升未來的股息水平。”姚波表示。

平安披露的數據顯示，從2004年上市至今，股息分配複合增長率為21.9%。

另外，中國平安副董事長孫建一表示，今年員工持股計劃將按照既定計劃繼續購入中國平安股份。

2015年2月，中國平安發布公告稱，面對核心員工設立為期6年的員工持股計劃，每年一期，由資產管理機構通過專門的資產管理計劃購買股票。孫建一表示，截至去年底，核心人員持股計劃參加人數為773人，參加人數不斷增加。“我們設定的持股計劃是合資格的員工就可以參加，而目前所有合資格的員工都參加了，這說明對公司未來發展的信心。”孫建一表示。

事實上，中國平安的股價一直被市場認為處於低估的狀態。對此，中國平安總經理任匯川表示：“中國平安是少數A股比H股股價低的股票之一。”

任匯川稱，實際上中國平安專註做零售、綜合金融服務和大健康醫療，中國人口增速和老齡化、人均收入上升、人均金融支出上升三個因素疊加，對保險和金融服務的需求會增加，而產品數量越多，對客戶的粘度也就越大，這些因素疊加在一起，平安不僅有現在估值堅實的基礎，更有未來增長的強勁動能。無論是A股還是H股，平安都受到價值投資者的青睞，出現折價的原因是因為國際化投資者的投資取向和結構更傾向於機構投資者，而機構投資者投資藍籌股，長期價值投資的占比會更高。

個人業務還將進一步提升

2016年年報中，中國平安首次發布了個人業務的經營結果。具體來說，2016年個人業務凈利潤408.29億元，同比增長29.5%;客均利潤311.51元，同比增長7.76%;客均合同數2.21個，較年初增長8.9%。

中國平安董事長馬明哲表示，“一個客戶、多種產品、一站式服務”的綜合金融經營模式平安已運行多年，由於嚴格監管、分業經營，因此在前臺客戶端看來簡單的客戶體驗，對於後臺的處理上其實頗為複雜。

馬明哲認為，要支撐這樣的運營模式，制度、流程、文化三個方面是關鍵因素。平安有一連串的產品，對於客戶服務的標準化、流程、體驗的要求很高，因為客戶在一個產品上體驗不好就可能放棄平安所有產品。但一旦客戶買下平安多個產品後，對公司的忠誠度會有所提升。

數據顯示，去年中國平安歸屬於母公司股東凈利潤中，個人業務占比達到65.4%。馬明哲表示，個人業務未來在中國平安中的貢獻還將進一步提升。

永遠不要低估人性深處的貪婪，以及那基於貪婪之上的固執

思維補丁 2017-05-31 15:43

來源 | 思維補丁（ID：LostAndLoser）

文  |  慧超

（一）

我常常感到文字和言語的無力。

這種感覺，在你試圖和別人講道理的時候，特別容易湧現。你明明清楚問題所在，你也在內心組織好了詞語和說服的邏輯，但現實往往呈現令人悲觀的一面——你試圖說服的對象，根本無動於衷，甚至已經在內心開始暗暗諷刺和嘲笑你了。

兩年前，一位曾經和我十分要好的朋友突然就決定紮根北海了。其實，從她消失的那一天開始，我就清楚地知道她去幹什麽了。

不過，與我的想象不同，在微信上，她並不避諱和我們談論那個偉大的1040陽光工程。在她狂熱而誇張的描述中，這個工程成為了國家層面的一個巨大的秘密項目，只有少數幸運者才能加入，而她正是幸運兒之一。迎接她的，將是幾年後1040萬的巨額財富。

最開始，朋友們都有一致的，非常魔幻的一種感覺。一個受過高等教育的大學生，一個平日里機靈開朗的姑娘，到底是經歷了什麽，怎麽就突然對一個並不高明的老式傳銷騙局深信不疑？

所以最開始包括她當時的男朋友在內，我們所有人都非常有信心，我們當時覺得，通過朋友們的勸說和解釋，她應該可以很快意識到所謂的“1040陽光工程”是一個荒唐的騙局。

但是，我們顯然錯誤地判斷了傳銷式洗腦對人腦的侵蝕。在最開始，她還能夠耐心地和我們解釋，那不是傳銷，那是一項偉大的工程，到最後，她已經明顯厭煩了，一副“你們愛信不信，別阻止我發大財”的口氣。

當時，朋友們經常將一些反傳銷的文章和權威媒體打擊傳銷的新聞發給她，希望讓她認清騙局的本質。但是她只是說：你們沒有實地看過，根本不了解這件事情的真實情況。

有一段時間，她還對我說：我很想你，你來北海玩兩天吧，我想見面和你好好聊聊。

我當然知道，“很想你，你來北海玩兩天吧”這句話，她可能對通訊錄中所有的朋友都說過不止一次。我當然知道，這個時候，她已經從最初的“受害者”，搖身一變，成為一名“施害者”了。她已經在開始拉人入局了。

後來，她的男朋友和她母親一起前往北海試圖解救她，但除了又給她扔下了一些錢之外，她的男友沒有帶回來任何東西。再後來，春節到了，她回家了，她的父母準備了無數種說服的語境，但還是沒能阻止她再一次悄悄溜回北海。

就在昨晚，我在公眾號的後臺，和一位小姑娘聊了很久，坦白講，我很少會和一位讀者在後臺聊上那麽久，也是因為傳銷，下面是我們部分的聊天記錄：

（二）

這個姑娘的男朋友身陷傳銷，而且也是那項“偉大”的1040陽光工程。她的男朋友經過實地“考察”，已經對此深信不疑。

我勸她趕緊離開她的男朋友，並不是我過於無情，而是因為我實在太清楚這些人的套路了。他們就像被咬的喪屍一樣，會不顧一切，窮盡各種手段，將你也拉進去，然後吸幹你的血，最終，將你也變成一只行走的喪屍。

這位讀者的男朋友也是一樣，在這個女孩面前痛哭流涕，甩感情牌，說“你怎麽能不相信我呢”，說“你怎麽就不理解我對你的一片真心呢”，這件事的卑鄙之處就在於：迷信傳銷騙局的人，往往會利用兩個人曾經的感情，以及女孩對他殘存的信任和愛意，一步一步，瓦解對方的理智，最終將曾經的愛人拽入泥潭。

“你就那麽不相信我嗎？就不能用哪怕5天的時間，來了解一下我現在正在做的事情嗎？”

坦白講，我也曾經數次聽到過身陷傳銷的朋友跟我說這句話。可是對我而言，有一個淺顯的邏輯時刻提醒著我：

如果我已經明明知道狗屎是臭的，為什麽還一定要蹲下來聞一聞咬上一口呢？我已經明明知道你已經變成一只喪屍，我為什麽還要不遠千里，跑過去被你咬上一口呢？

傳銷最大的惡，恰恰就在於，它首先摧毀的就是一個人的人性。幾乎所有的傳銷手法，都是動用洗腦的手段，呼喚激醒人性深處的貪念，它往往許諾給你一個宏大夢幻的未來，但是如果你冷靜下來仔細思考，你會發現自己每天的日常只是無所事事。

只需要三年無所事事，每天開會和喊喊口號就可以分得1040萬，世界上沒有這樣的道理，因為你並不創造任何“價值”，你所謂的忙碌和奮鬥，只是用自己的美色和親友對你的信任，將他們拽進這個泥潭而已，你沒有種出一粒糧食，你沒有生產一件產品，你只是在騙人而已，就像你欺騙自己那樣。

在傳銷的騙局里，所謂的功成身退和宏偉藍圖，一切都是臆想與腦海中的幻象，臆想和幻象是更危險的存在，因為它需要不斷地鞏固和自我麻醉，需要一遍又一遍堅實一個錯誤的邏輯，同時主動拔除自我內心的疑慮和動搖。

所謂洗腦，不過如此。

如果你遇到這樣的人，遇到一個腦子已經被傳銷喪屍吸幹的人，哪怕他曾經是你“最好的朋友”，甚至是你渴望攜手白頭的甜蜜戀人，甚至就是你的父親，你的母親，你的兄弟姐妹。即便當他們搬出友誼、搬出愛情，乃至搬出對你的養育之恩時，你依然應該選擇轉身逃跑，而不必有任何良心上的愧疚感。

2016年韓國有一部非常優秀的喪屍片《釜山行》，這部電影里面有一個片段留給我的印象很深刻：

一對深愛的戀人，當女孩子不幸被喪屍咬到，男孩並沒有選擇獨自逃命，而是哭泣著抱住正在變成喪屍的女孩，然後心甘情願地被他深愛的女人也咬上一口。

這多多少少有點為愛殉葬的意境。《釜山行》很感人，為愛殉葬，聽起來也很壯烈，很美好，可是生活畢竟不是喪屍片，當下也絕沒有到世界末日的境地。生活對你而言，依然有美好的憧憬，有遠方的熱望，你沒有必要選擇淪陷，你有另一條路可以走，你有自己的生活可以過。

更為關鍵的是，終有一天，身陷傳銷騙局中的人，也會幡然醒悟，可是那時的痛，不僅僅是痛哭流淚就可以緩解的。

（三）

永遠不要低估人性深處的貪婪，和建立在貪婪之上的固執。

這就是為什麽我說，即使是面對戀人和父母，當他們以愛之名引你入傳銷，你依然應該選擇轉身逃跑，而不必有任何良心上的愧疚感。

很多人的錯誤恰恰就在於：低估了人性中的貪婪與固執，高估了自己的理性與清醒。有太多的人，在陷入傳銷之處，是因為相信自己可以解救愛人父母於水火，以為憑借自己的理性與遊說，可以喚醒執迷不悟的親人。卻不曾想，對方以退為進，一步一步，反而將自己也拽入這騙局的泥潭中。

這就像很多吸毒者都是在幫助愛人戒毒的時候，沾染上毒品的。這時候一定要為自己畫一條紅線——自己堅決不能去碰那毒品。

很多時候，他人的說服是無力且可笑的，當一個人建立起自己的信仰體系，當一個人的心靈被欲望的毒蛇所盤踞，他早已不再是人，只是一張永遠無法饜足的欲望的嘴。

你必須意識到，很多事情，並不在於你言辭是否懇切，邏輯是否嚴謹，態度是否真誠，而在於，他是否能夠聽得進去。

愚蠢的人最終只能被生活打的落花流水，但在此之前，他永遠不會被別人說服。正如你永遠都不可能叫醒一個裝睡的人，你也永遠不可能指望一個信奉“秘密工程”的人，可以甘願再次回到田間地頭或者工廠流水線。

曾經我寫下“思維補丁只提供觀點，不提供救贖”，當時有一些讀者指責我“過於高傲”，其實不是這個樣子的，如果文字可以救人，我願意把鍵盤敲穿，但文字往往是無力的，對於絕大多數文字而言，它們只寫給那些願意思考，相信邏輯和理智的人。

我寫下這句話，是因為我感到自己很無力。我深深知道，這些文字如果拿給一個身陷傳銷騙局的人看，他只會覺得，作者是個傻逼，在這里亂放狗屁。

我深深知道這一點，所以，我從來不會試圖和一個狂熱的，不講道理的人講常識。很多時候，他們的問題在於，他們根本就聽不進反駁和質疑的聲音，貪欲早已經幻化為他們人生中某種堅不可摧的信仰，他們必須用全部的力量去捍衛這個信仰。

因為這個信仰一倒，他們的人生就倒了。這件事情的顛覆太徹底了，一旦“信仰”倒塌，也意味著他的整個人生都要推倒重來，這件事情的損失太大，他根本承受不起。所以，他們只能選擇狂熱地相信心中的那片綠洲，哪怕已經口幹舌燥，哪怕已經渴的在喝尿了。

畢竟，他們已經被這個龐大的騙局吸幹了半生乃至整個家庭的積蓄；畢竟，他們已經被貪婪的焰火燒光了三年、五年，乃至十年的美好光陰。這時候你希望他能夠幡然醒悟，承認自己的過往只是一片虛無，承認自己曾經所謂的奮鬥不過是一場騙局，他是承受不起的，他會瘋掉的。

言及於此，我依然感到無力，只是希望這位思維補丁年輕的讀者，能夠把持住自己。

你應該有自己的人生。

人生很短，不要走丟了自己！

人世很美，不要選擇沈淪和那條註定絕望的路。

文章評論

匿名用戶

發布

全部評論：10

發布

為何華爾街總是低估中國市場？

首席發言者 2017-06-27 16:26

來源 | 首席發言者（ID：shouxifayanzhe）

 編輯 | 首席發言者

外媒唱空中概股一直是常事，受到輿論影響，一部分中概股會原形畢露，而另一部分有實力的中概股最終會被時間證明當時確實被低估，一如當年的網易、微博、陌陌都經歷了一系列的過山車事件，但其最終反彈的股價令人咋舌，因此這類中概股反而是抄底買入的最佳時機。

因此，值得深入研究的是，這幾年華爾街都低估了哪些中國模式，以及為何會低估這些模式？而如果要正確評估一家公司，需要從哪些最基本的角度來考慮？

這幾年華爾街低估了哪些中國模式

此前華爾街對於中國科技公司的模式考慮，往往都是出於與美國公司的對比，在PC時代或許能夠行得通，但是在移動互聯網時代，卻出現了大量的錯誤低估。

O2O，此前在華爾街屢次表示無法看懂O2O模式，由於美國沒有O2O模式，因此自然認為中國的O2O毫無創新不代表未來，但如今O2O已經成為國人每天的剛需，通過糯米、美團、大眾點評、攜程、去哪兒、餓了麽、滴滴進行各種O2O消費，已經成為全民剛需，而僅一個新美大估值也達到了180億美元。

社交，微博股價最低曾經到達9元以下，而如今翻到72元，估值甚至超過了鼻祖twitter，而twitter目前卻在尋找下家接盤。此外陌陌也從最低的9元漲到了現在的45元以上。原因也在於華爾街沒有預見到，中國正在崛起的直播、短視頻、網紅等社交市場。

視頻，此前華爾街一直認為中國是盜版大國，例如微軟的windows以及office都是盜版橫行，國內向來不重視版權，視頻領域更是如此，此前也沒有給出優酷土豆很高的估值，而就在去年全網視頻付費會員達到了7500萬，愛奇藝、騰訊視頻、優酷土豆這樣的頭部視頻網站全都賺得盆滿缽滿，但可惜的是阿里已經提前收購優土讓其退市，沒把機會留給華爾街。

除此之外，在信息流、社交、電商、線下支付等等諸多領域也存在各種低估，華爾街的錯誤邏輯在於認為中國科技公司一直是在模仿矽谷，沒有任何反超的可能，但結果卻屢屢讓人意外。

如何客觀判斷被低估的公司

當然，華爾街也並沒有全部低估中概股，例如像網秦、聚美這類的中概股確實表現不佳，很難看到太大的增長潛力。因此，判斷中概股是否被低估，我們需要用一個更為公正的尺度，以百度為例，這里我們可以從幾個方面來客觀分析。

1）能否協助中國發展基礎設施

移動互聯網時代，讓中國落後的基礎設施得到全面發展。但目前從整體來看，特別大的機會基本已經結束，未來要想繼續加強基礎設施的建設，無論美國還是中國，都更依賴全新的技術對於傳統產業的融入，即我們通常說的人工智能。通過借助物聯網技術、人臉識別、語音識別、自然語言理解等深度學習與智能技術，滲透到家居、商超、出行和制造業等各個領域中，以此助力各行各業的發展。

在蘋果推出homepod、亞馬遜推出echo、微軟推出小娜、谷歌推出assistant時，中國科技公司也看到了這一點，並已經開始了個人智能助理的布局。目前在國內百度已經推出了度秘，並逐漸進行商業化落地。

此外，國家層面也大力支持通過技術來助力基礎設施發展，此前鼓勵“互聯網+”，而現在也同樣鼓勵“人工智能+”，並且早前也由發改委批複，由百度牽頭組建深度學習國家級實驗室，聯合清華大學、北京航空航天大學等高校以及科研機構，共同推動中國人工智能的發展。

2）是否有資源壁壘優勢

機會永遠留給有準備的人，對公司來說也一樣。

例如此前的直播風口，雖然一時間有上百家的直播平臺混戰，但是最後盈利的依然是陌陌與微博兩家，股價雙雙翻了好幾倍。陌陌與微博都有著用戶積累的優勢壁壘，其不需要像其他平臺那樣去耗費大量的錢去運營，去拉主播，去拉觀看直播的用戶，因為其積累足夠。

在人工智能領域也同樣如此，人工智能領屬於高技術門檻創業，技術積累是實現一切的前提，人才優勢使其發展加乘，在近期《福布斯》雜誌發表的TOPBOTS文章中評選出了20位驅動中國人工智能改革的科技領導者，其中百度占據7位，阿里與騰訊各占2位。百度也是在人工智能風口之前就已經開始布局的公司，在2012年百度就成立了深度學習研究院，此後又成立大數據實驗室、矽谷實驗室等等，其相關人工智能技術也連續兩年被《麻省理工評論》評選為十大突破性技術，被國際同行高度認可，而騰訊與阿里在這方面的布局才剛剛起步。

目前來看，百度依然有著人工智能方面的資源壁壘優勢，反彈潛力較大。

3）領導者的行動

光有積累還不夠，更重要的是將技術用到對的地方才能發揮出最大的價值，否則依然會失敗。這一點從雅虎以及微軟的案例即可看出。

失敗的典型是雅虎，雅虎於1998年就開始了搜索引擎技術的研發，與谷歌同一時間競爭，並且當年也與谷歌共同分食了搜索引擎市場，技術積累自然雄厚，但是在楊致遠卸任，梅耶爾上任之後，雅虎步步走錯，其多年積累的技術優勢非但沒有發揮出來，轉化為優勢，最終還落到了被收購的下場。

成功的典型是微軟，此前微軟也一直在走滑坡，徹底錯過了移動時代，而在納德拉上任三年內，其下狠心關閉了微軟掙紮多年的WP手機，讓office采取了全平臺覆蓋戰略，在微軟歷史上首次采取免費升級策略，升級win10，借助於bing搜索的技術積累，一舉推出人工智能助理小娜，一系列大刀闊斧的變革之後，技術的價值被發揮到最大，微軟逐漸走出泥潭，業績上漲股價回升，投資人紛紛調高預期。

因此，人的因素更具決定性。看回國內百度這邊，目前百度已經堅定的投入到了人工智能領域發展。陸奇上任之後做出了許多大刀闊斧的改進：先後主導了度秘事業部的成立並推動其落地，整改無人車事業部，將無人車源碼與能力進行徹底開放，推出“阿波羅”計劃，並已與全球60多家車企、超過200款車型達成了智能汽車軟件合作。

陸奇與納德拉一樣，有著破而後立的決斷能力，對於技術該如何用，用到哪些地方才能發揮出最大價值，也有著非常強的判斷力和落地能力。但不同的是納德拉作為微軟領導者已有三年，而陸奇才剛剛開始，所以對於百度未來我們可以給出更多的耐心。

結語：

中國基礎設施相對落後，移動互聯網不僅讓這一落後得到了彌補，更讓中國在移動互聯網的各領域有了領先優勢，對於一直低估中國互聯網的華爾街也已經見證到了奇跡，因此對於中國下一波技術革新的機會，其必然不會再次錯過。

下一波的技術革新在於人工智能已是共識，“人工智能+”也正在成為全新機會，許多公司都在全力積累技術能力布局，搶占下一波機會，而對於本身就擁有優勢的百度，我們不妨拭目以待。

文章評論

匿名用戶

發布

全部評論：10

發布

為何華爾街總是低估中國市場？

首席發言者 2017-06-27 16:26

來源 | 首席發言者（ID：shouxifayanzhe）

 編輯 | 首席發言者

外媒唱空中概股一直是常事，受到輿論影響，一部分中概股會原形畢露，而另一部分有實力的中概股最終會被時間證明當時確實被低估，一如當年的網易、微博、陌陌都經歷了一系列的過山車事件，但其最終反彈的股價令人咋舌，因此這類中概股反而是抄底買入的最佳時機。

因此，值得深入研究的是，這幾年華爾街都低估了哪些中國模式，以及為何會低估這些模式？而如果要正確評估一家公司，需要從哪些最基本的角度來考慮？

這幾年華爾街低估了哪些中國模式

此前華爾街對於中國科技公司的模式考慮，往往都是出於與美國公司的對比，在PC時代或許能夠行得通，但是在移動互聯網時代，卻出現了大量的錯誤低估。

O2O，此前在華爾街屢次表示無法看懂O2O模式，由於美國沒有O2O模式，因此自然認為中國的O2O毫無創新不代表未來，但如今O2O已經成為國人每天的剛需，通過糯米、美團、大眾點評、攜程、去哪兒、餓了麽、滴滴進行各種O2O消費，已經成為全民剛需，而僅一個新美大估值也達到了180億美元。

社交，微博股價最低曾經到達9元以下，而如今翻到72元，估值甚至超過了鼻祖twitter，而twitter目前卻在尋找下家接盤。此外陌陌也從最低的9元漲到了現在的45元以上。原因也在於華爾街沒有預見到，中國正在崛起的直播、短視頻、網紅等社交市場。

視頻，此前華爾街一直認為中國是盜版大國，例如微軟的windows以及office都是盜版橫行，國內向來不重視版權，視頻領域更是如此，此前也沒有給出優酷土豆很高的估值，而就在去年全網視頻付費會員達到了7500萬，愛奇藝、騰訊視頻、優酷土豆這樣的頭部視頻網站全都賺得盆滿缽滿，但可惜的是阿里已經提前收購優土讓其退市，沒把機會留給華爾街。

除此之外，在信息流、社交、電商、線下支付等等諸多領域也存在各種低估，華爾街的錯誤邏輯在於認為中國科技公司一直是在模仿矽谷，沒有任何反超的可能，但結果卻屢屢讓人意外。

如何客觀判斷被低估的公司

當然，華爾街也並沒有全部低估中概股，例如像網秦、聚美這類的中概股確實表現不佳，很難看到太大的增長潛力。因此，判斷中概股是否被低估，我們需要用一個更為公正的尺度，以百度為例，這里我們可以從幾個方面來客觀分析。

1）能否協助中國發展基礎設施

移動互聯網時代，讓中國落後的基礎設施得到全面發展。但目前從整體來看，特別大的機會基本已經結束，未來要想繼續加強基礎設施的建設，無論美國還是中國，都更依賴全新的技術對於傳統產業的融入，即我們通常說的人工智能。通過借助物聯網技術、人臉識別、語音識別、自然語言理解等深度學習與智能技術，滲透到家居、商超、出行和制造業等各個領域中，以此助力各行各業的發展。

在蘋果推出homepod、亞馬遜推出echo、微軟推出小娜、谷歌推出assistant時，中國科技公司也看到了這一點，並已經開始了個人智能助理的布局。目前在國內百度已經推出了度秘，並逐漸進行商業化落地。

此外，國家層面也大力支持通過技術來助力基礎設施發展，此前鼓勵“互聯網+”，而現在也同樣鼓勵“人工智能+”，並且早前也由發改委批複，由百度牽頭組建深度學習國家級實驗室，聯合清華大學、北京航空航天大學等高校以及科研機構，共同推動中國人工智能的發展。

2）是否有資源壁壘優勢

機會永遠留給有準備的人，對公司來說也一樣。

例如此前的直播風口，雖然一時間有上百家的直播平臺混戰，但是最後盈利的依然是陌陌與微博兩家，股價雙雙翻了好幾倍。陌陌與微博都有著用戶積累的優勢壁壘，其不需要像其他平臺那樣去耗費大量的錢去運營，去拉主播，去拉觀看直播的用戶，因為其積累足夠。

在人工智能領域也同樣如此，人工智能領屬於高技術門檻創業，技術積累是實現一切的前提，人才優勢使其發展加乘，在近期《福布斯》雜誌發表的TOPBOTS文章中評選出了20位驅動中國人工智能改革的科技領導者，其中百度占據7位，阿里與騰訊各占2位。百度也是在人工智能風口之前就已經開始布局的公司，在2012年百度就成立了深度學習研究院，此後又成立大數據實驗室、矽谷實驗室等等，其相關人工智能技術也連續兩年被《麻省理工評論》評選為十大突破性技術，被國際同行高度認可，而騰訊與阿里在這方面的布局才剛剛起步。

目前來看，百度依然有著人工智能方面的資源壁壘優勢，反彈潛力較大。

3）領導者的行動

光有積累還不夠，更重要的是將技術用到對的地方才能發揮出最大的價值，否則依然會失敗。這一點從雅虎以及微軟的案例即可看出。

失敗的典型是雅虎，雅虎於1998年就開始了搜索引擎技術的研發，與谷歌同一時間競爭，並且當年也與谷歌共同分食了搜索引擎市場，技術積累自然雄厚，但是在楊致遠卸任，梅耶爾上任之後，雅虎步步走錯，其多年積累的技術優勢非但沒有發揮出來，轉化為優勢，最終還落到了被收購的下場。

成功的典型是微軟，此前微軟也一直在走滑坡，徹底錯過了移動時代，而在納德拉上任三年內，其下狠心關閉了微軟掙紮多年的WP手機，讓office采取了全平臺覆蓋戰略，在微軟歷史上首次采取免費升級策略，升級win10，借助於bing搜索的技術積累，一舉推出人工智能助理小娜，一系列大刀闊斧的變革之後，技術的價值被發揮到最大，微軟逐漸走出泥潭，業績上漲股價回升，投資人紛紛調高預期。

因此，人的因素更具決定性。看回國內百度這邊，目前百度已經堅定的投入到了人工智能領域發展。陸奇上任之後做出了許多大刀闊斧的改進：先後主導了度秘事業部的成立並推動其落地，整改無人車事業部，將無人車源碼與能力進行徹底開放，推出“阿波羅”計劃，並已與全球60多家車企、超過200款車型達成了智能汽車軟件合作。

陸奇與納德拉一樣，有著破而後立的決斷能力，對於技術該如何用，用到哪些地方才能發揮出最大價值，也有著非常強的判斷力和落地能力。但不同的是納德拉作為微軟領導者已有三年，而陸奇才剛剛開始，所以對於百度未來我們可以給出更多的耐心。

結語：

中國基礎設施相對落後，移動互聯網不僅讓這一落後得到了彌補，更讓中國在移動互聯網的各領域有了領先優勢，對於一直低估中國互聯網的華爾街也已經見證到了奇跡，因此對於中國下一波技術革新的機會，其必然不會再次錯過。

下一波的技術革新在於人工智能已是共識，“人工智能+”也正在成為全新機會，許多公司都在全力積累技術能力布局，搶占下一波機會，而對於本身就擁有優勢的百度，我們不妨拭目以待。

文章評論

匿名用戶

發布

全部評論：10

發布

我們可能低估了區塊鏈的進化速度

洪言微語 2017-07-03 13:54

來源 | 洪言微語

作者 | 薛洪言

對於新技術，我們通常是一邊熱情過頭，誇大其在中長期的“顛覆”式影響；一邊卻又不可思議地遲鈍，低估甚至無視其正在發生的“漸進”式改變。其結果便是，我們總是會錯過些什麽，錯過風口、錯過機遇，然後恍然發現，世界已經如此不同……

自2008年區塊鏈概念提出以來，至今已有9年時間。自2009年比特幣問世以來，至今已經出現了900余種加密數字貨幣，若考慮到已經夭折、過於小眾而不為關註或仍處於開發階段的，恐怕還要多得多，這背後，便對應著各式各樣的區塊鏈。

秉承區塊鏈的去中心化特點，絕大多數加密數字貨幣都是在極客社區自發成長起來的。

自2009年比特幣區塊鏈誕生以來，作為去中心化的開源系統，作為一種顛覆性的新理念、新實踐，成功吸引了很多開發人員參與其中。猶如一顆種子，不發芽則已，一旦發芽，便有了茁壯成長和自我繁衍的自然驅動力。隨著時間的推移，這些比特幣區塊鏈的早期參與者和深度參與者，開始有了很多新的創意，當這些創意很難在比特幣區塊鏈社區達成一致時，便會有人出來單幹，提出新的理念，吸引誌同道合的參與者，組建新的區塊鏈，發行新的代幣。

從結果上看，除了早期的幾種和少數的幸運兒，很多都是曇花一現，在激烈的競爭中被淘汰、被遺忘。但正是這種原生態的優勝劣汰使得區塊鏈得以加速進化，並愈發脫離了最初的桎梏和刻板印象，極大地拓寬了區塊鏈的應用範圍。

有些人認為區塊鏈的去中心化特征會限制其應用場景，隨後便出現了弱中心、分中心的聯盟鏈和私有鏈；有人認為比特幣的匿名性不強，於是便出現了深黑、純黑的替代性加密數字貨幣；有人認為在區塊鏈上疊加額外價值符號很麻煩，於是便出現了區塊鏈2.0，通過智能合約可實現幾乎所有功能；此外，還有專門針對支付網絡的區塊鏈，專門用於資產交易的區塊鏈，專門適用於物聯網的類區塊鏈網絡……

當很多人都還把區塊鏈當成實驗室里的技術時，實務界卻早已行動起來，成立了區塊鏈研究聯盟，探索研究前沿應用；大企業行動起來，成立內部實驗室，嘗試對現有業務流程的改造；政府也行動起來，區塊鏈技術被寫入信息科技發展規劃，成為國家層面爭奪新一輪技術和產業模式制高點的殺手鐧之一……

在各方力量的參與下，區塊鏈的進化和走入日常應用所需時間，可能大大早於人們的預期。

原子時代，車馬郵件都慢；移動互聯網時代，原子世界與比特世界出現了深度交互，進化速度便大幅提升。想想互聯網業態，2008年至今，經歷了電商、社交、團購、O2O上門、互聯網金融、打車、共享單車等多個業態的輪回起伏，僅需兩三年的時間，一個新業態便能經歷興起、蓬勃發展、巔峰、沒落的行業興衰。而純粹的比特業態，進化速度沒道理不能走得更快，900余種加密數字貨幣的誕生便是一個例證。

只有想不到，沒有做不到。前幾日，馬雲在世界智能大會上講過這麽一段話，我覺得用在區塊鏈上也是合適的：

“今天我們對於人工智能的理解還是非常之幼稚，就像一百年以前，人類對電的理解非常幼稚，認為電那就是一個電燈泡，事實上他們沒有想到今天會有電飯煲、洗衣機，有各種各樣，人類會離不開電。

今天我們對AI也好，還是MI也好，還是混合智能也好，都沒有清楚的定義。沒有清楚的定義很正常，有清楚的定義就很不正常了。對於未來來講，我們都是嬰幼兒。人類往往會高估自己，做事情成功的人，所謂有一點成就的人，特別容易高估自己，像我這樣的人往往以為我看清楚了，其實根本沒有看清楚。

這是我覺得第一個我想說明的，我們要明白，很多人工智能今天來談的很多概念、想法，每個人都可以有不同的觀點，然後你要相信你自己的觀點，並且以此去堅持。就像我們做電子商務一樣，我們不是今天相信，我們十八年以前相信，堅持了十八年，才會走到今天，每個人的做法都可以不一樣。”

當然，現階段來看，這項新技術的應用還存在這樣那樣的問題。不過，很多限制和難題都是技術性問題，而技術性問題往往不是問題，只是需要時間、需要權衡、需要共識而已。

隨著這種技術走入應用，究竟會給現有的業態帶來怎樣的影響？現在還沒人看得清。但有一點不可否認，很多業務的流程和產品形態都會發生根本的變化，很多技能不再適用，一些技能開始變得稀缺，一些人才也會開始走俏；一些企業因為適應不了而走向沒落，也會有一些企業提前布局，實現了換道超車……

總之，愈是大變化時，愈是機遇窗口大開之時。有鑒於此，也許每個人都應該開放心態，多了解點區塊鏈。

文章評論

匿名用戶

發布

全部評論：10

發布