落园专注经济视角下的互联网 / Economic Observation of the Internet

如果说现在IT行业的大潮流是什么，除了云计算之外，怕就是移动互联网了。从来没有一个时期像现在这样，手机、电脑、平板相互之间如此相似。所有的终端似乎都要联入互联网，才显得有生命力（好吧，我那个非智能手机啊，呵呵）。Any time, any where，网络确实改变了信息传输的效率，和生活模式。

所谓忆苦思甜，今天就回顾了一下过去一个世纪的互联网发展史，或者简单的说，一系列的公司成长史和消亡史（每一次的心潮澎湃和英雄暮年）。其实大多数耳熟能详的公司的小故事都听过，但是若是说整理起来一起看一下，还真不曾这么系统过。最近一位制造业的朋友推荐了一本《浪潮之巅》，拖了一个多月没翻，但是再不读完我这还怎么自诩“弄潮儿”啊，于是今天干脆一口气读完了。

可以说，没有什么惊喜，大都是一些熟悉的故事。但是有意思的是，作者把这些故事用自己的脉络串联起来的方式。一个个IT行业下细分的领域，一家家高处不胜寒的公司……一个个数过来，还真是蛮有意思的。我读过之后，没什么太多深入思考的地方，可能这本书还是太偏技术了，更像是一个“雾中看花”的技术翘楚写出来的切身感受。涉及到公司营运、资金管控等等所用的角度和描述方式，就和我的兴趣点有所偏离了。或许现在有些麻木了，心更想寻求一种安定和宁静了。

不过，还是很好的，静下心来看待IT业这么一波波潮来潮涌、月缺月圆故事的好机会。打发时间还是不错的，至少还是可以小小励志一下的、免得太消沉，呵呵。

Life, will be better, when shared with people who have the same interests ：） 求同存异，分享各个行业的辉煌，学习自己所未曾接触的经验，总是有趣的。最近真的在感叹，海阔凭鱼跃，天高任鸟飞，却也是林子大了什么鸟都有啊！乐在探索。

Posted by Liyun

昨天和一挚友聊天，主题就是：享受当下。不要抗拒什么，顺其自然的走下去。在一个还可以年轻、还可以疯狂、还可以享受的时候，毫无顾忌的去享受年轻的滋味。

有人说，踌躇是因为太害怕失去。只是，还没有失去的时候，都不懂得珍惜和享受的话，又谈何未来？如果注定要失去，我们也宁愿，在失去之前，让感情像烟花般，华美绚烂的绽放一番。总好过，从未盛开就凋零。

工作也是如此。总要做自己喜欢的事情，总要把握住自己喜欢的时间。和一群激情的人共事，和一群聪明的人一起创造价值。人生，总要给自己留点记忆，创造一些属于自己的经典。

现在，越来越不喜欢太多的计划和规划什么了，随心而至吧。最后，附上一个去年做的flash的截图，treasure before loss...是的，就算失去了，也会在回忆中温暖吧。

Posted by Liyun

今天刚刚看到TED的一个视频。以前的时候总是听到TED的大名，但是一直没有怎么看。刚才的是关于统计分析的，感觉很有意思，见：http://v.163.com/movie/2011/7/L/1/M7805EO9V_M7805PEL1.html

TED可能受众是大众一点，所以演讲者更多以举例为主。这个就是以TED现有演讲为基础，来黑色幽默的展示统计分析可能带来的误导和违背常识。哈哈，一如既往熟悉的美式幽默风格呢！

里面有很多例子，比如“受欢迎的演讲者”一般头发要长一些，之类之类很简单的相关性统计。然后给出了一个终极TED演讲模板……当然有点搞笑了。不过这也让我想到，关于“相关性”和“因果关系”之间，我们应该怎么更好的结合起来。统计分析最常规的就是给出相关关系，不管是线性的还是非线性的，以试图寻找连系事物之间的线索。同样的，数据挖掘也是做的这个事儿，在一群纷繁的数据中，找出有价值的信息，往往也是两个事物之间的连系。

大多数情况下，相关性分析是符合我们直觉的，也会给接下来的业务开展带来极大的指导意义，比如那个最著名的“啤酒与尿布”。但是现在大量与我看来有些莫名其妙的统计模型的引入，尤其是计算机发展后算法实现的便利，很多人不管三七二十一就开始套用算法了。没有直觉的算法我还是觉得不靠谱，尤其是无法用经济原理来解释的人类的行为。一个算法或者统计模型分析出来的结果，只有通过演绎法下面的经济原理检验，我才觉得是可以信赖的。违法直觉的结果强行应用，怕是事得其反。

有名的例子有很多，比如最早的时候联合国做扶贫，思路很简单，就是若干统计研究发现，一个国家接受的FDI（外来直接投资）和GDP正相关，所以想当然的认为只要给非洲等贫困国家大量的资金支援，他们就能产生经济增长和发展……然后呢？一笔笔钱显然是白扔进去了。FDI水土不服的例子有的是。显然，这里的问题就是，FDI和GDP确实是有正相关关系，但不见得是因果关系，所以就算FDI扔进去也不见得GDP就会产生。一个线性估计模型出来的参数，可不是这么简单的就适用哦。这也就是计量经济学家们一直纠结的内生性问题——两个变量之间本身就是相互促进和影响的。

这也是为什么，从一个政策制定指导的角度，计量经济学会首先侧重于一个估计量的“一致性”而不是一味的追求估计精度的提高和预测的准确性，这个和金融里面的关注点差别就会蛮大了。这也是我比较欣赏计量经济学思路的一个地方。相比于大多数很fancy的统计学模型和计算机算法，计量经济学还是比较务实的希望先把握准一个方向，然后才去细细地寻找一种解决的策略。现在身在业界，更是体会到一项商业活动找准方向是多么的重要。否则，一旦大趋势改变而我们浑然不觉，那么什么算法模型都只能是一时的准确，而很快就会消亡，毕竟只是在猜而没有一个坚实的基础。

所以，从这个意义上，我一直觉得经济学看问题还是有它自己的深度和远度的，无论是演绎法之下的经济原理与分析模型，还是归纳法之下的计量经济学。从相关性到因果关系，往往还有很长的一段路要走的。走通了，自然登高望远风景无限秀丽。不过，这其中的辛苦也是当事人自知啊～

开发算法固然不容易，但是能把算法找到坚实的基础支撑和准确的应用，再进一步提出算法的优化和进化要求，更是一种考验智力和耐心的事儿。这么看，economic consultant真的是最最伤不起的职位啊！还要懂得如何深入浅出的展现结果啊！太历练人了！

Posted by Liyun

一方面是现在工作的性质，会关注很多跟数据打交道的人和公司；另一方面也是自己直觉上体会到信息化浪潮之下对于数据分析人员的渴望。所以刚刚看到了微博上面的一个infograph，颇有感觉，在这里转一下并多嘴几句。

我最感兴趣的自然是背景这块儿，怎么计算机背景的为多啊？统计的倒是不怎么多。难道是计算性能是现在最大的瓶颈么？我是觉得，没有统计的直觉，也没有经济（好吧，带上商科）的思维方式，再多的数据分析出来也无感啊，不知道怎么应用的。数值结果不见得重要，重要的是怎么interpret和apply嘛。

我始终觉得，数据分析人才一定要有除了计算机和统计/数学之外某个学科的背景，最好是理工科的，最好再有一些实际工作经验，这样才明白什么样子的数据是高质量的，怎么分析是契合常识和逻辑的，得出来的结果又怎么能指导下一步工作。也许是工作中接触了太多纯IT男吧，普遍只对code有感，哈哈。

----------
生活要优雅：宁愿高傲的活着，不愿卑微的享受。

Posted by Liyun