大家好，我是混沌大師兄。
之前很多媒體曾廣泛報導過這樣一件事：由於地價高企，北京被稱為「便利店的死地」。
但在2017年2月，北京的便利店行業來了一個猛人，一下子在中關村開了五家店，他就是便利蜂創始人莊辰超。
莊辰超是一個數學學霸，他的信條是：不信命運，信概率。
不信命運我們都能能理解，「信概率」是怎麼想的？其實這背後隱含了一種很頂級的能力，那就是「數商」，這個概念是前阿里巴巴副總裁塗子沛提出的，他的專著《數商》於2020年7月出版。這兩天大師兄和塗子沛就這個話題進行了探討。
本文結構速覽：
1、用數據和算法把人覆蓋2、數據時代，數商是一種頂級能力
3、高數商者從來都是佔儘先機
4、萬物皆可被數據化
5、幸虧數商可以培養
編輯|朱曉錄 混沌大學
*本文由混沌大學編輯，部分內容參考自《數商》，中信出版社出版。
用數據和算法把人覆蓋
2019年，莊辰超在混沌大學的課程上講述他在北京投資便利店的理念。
他相信隨著中國經濟的發展，中國人的消費水平不斷提高，對便利店的需求會越來越大。高盛的報告顯示,消費必需品和藥品佔中國國民個人消費的30%以上，每年消費額能夠達到約1萬億美元。
接下來，莊辰超為北京的便利店市場算了一筆帳，整個臺灣地區2400萬人口，有1萬家便利店。北京有2200萬人口，卻只有700多家。北京消費水平並不比臺灣地區低，以相同的人數，至少應該有5000家便利店。因此，北京有著巨大的市場潛力。
所以，當外界都不看好北京便利店時，便利蜂卻悄然進入。
之前來北京闖蕩的便利店巨頭也不少，如7-11、羅森等等，但7-11花了15年，也只開了不超過200家店。
因為7-11始終是按照模板在北京開店。而在中國，店鋪建造是沒有標準化的，每一家商鋪貨架的擺放都不一致，所以每一家店鋪的財務數據，也都要重新動態計算。
但如果把動態調整的工作交給加盟主，又會碰到一個問題，中國加盟主相對來講學歷不高，自我優化經營的能力沒有那麼強。便利店的營業收入又支撐不了高學歷水平的店長薪資。
這就是此前便利店管理中的核心問題，每一個有人的節點，都會導致整體效率下降。
這種情況下，莊辰超認為只有一種方法能解決這個問題——用數據和算法來把人覆蓋掉，在便利蜂的整個經營決策過程中沒有人的參與。
便利蜂的供應鏈自動化分為7個層次：
1. 員工職能自動化
2. 訂購、生產排班和動態定價系統；訂購、展示和上架儲存系統
3. 排班和任務管理系統
4. 關於動態定價和算法選品的案例研究
5. 數據驅動選址策略
6. 店鋪設計自動化
7. 為便利店量身定製物流網
以前三項為例。
員工職能自動化指的是把員工所需的技能按訂購、生產、排班、定價等分別列項，並智能化。
7-11培養一個優秀店長大概需要花2年，而有了這套自動化系統，便利蜂只需要6個月。
在便利蜂的訂購界面，每個店鋪大概有2000多種商品，日配品就有300多種，所有商品都需要按照不同時間、天氣變化、地域、氣候需要來訂購，數據非常複雜，人類員工很難綜合考量做出決策。
所以，便利蜂的訂購決策都是通過系統進行的；貨物陳列也是如此，便利蜂平均每周都要換接近150個以上的產品，而且每一家店鋪結構、貨架和陳列圖都不一樣。有了自動陳列系統，店員可以什麼都不知道，甚至不認識商品，也能完成任務。
動態定價使便利蜂能夠像機票打折一樣對麵包打折。便利蜂的很多商品都是24小時、48小時過期的，屬性非常像航空公司或者酒店。因此，便利蜂店鋪裡用了大量航空公司的動態定價方法。
在便利蜂的系統中，幾點鐘麵包的銷量低於預期，幾點開始打折，打幾折，幾點恢復原價……都存在一系列的按時間排布的數據序列。第二天訂貨的時候，系統會通過數據分析，動態更改麵包定價。
所以，今天如果你走進北京的任何一家便利蜂，雖然售賣、上貨、清潔都是有人的，但是它的經營決策是由一臺系統自動完成後，每15分鐘推送給店鋪的。
而且，為了保證便利蜂對數據思維的敏感，莊辰超讓員工參加數學考試，不合格者將被開除。
對此，莊辰超特意發了個聲明：
「每個總部員工的數學邏輯能力對於便利店業務尤其重要。便利店業務每一天都需要大量的基於數學邏輯評估的小決策。數學邏輯好，績效不一定超越預期，數學邏輯不好，績效很難達成預期。」
對於數據的獲取，莊辰超也表現出了數學人特有的「潔癖」。為了避免因為媒體關注而產生過多看熱鬧的用戶，使真實的用戶數據受到「汙染」，莊辰超寧可一直保持低調。
事實勝於雄辯，數據勝於成見。
從被稱為「便利店死地」的北京出發，到現在為止便利蜂開了800多家店。在北京，便利蜂的店面數量和銷售額都是第一，天津、南京也是第一。
莊辰超的成功底蘊正是數據分析的能力，或者說數商。
在近日混沌大學的一期直播中，從莊辰超與高瓴創始人兼執行長張磊的對話中，我們得知，原來莊辰超連找女朋友都是用數據分析指導決策的，約會過多少個女生，哪個階段成功率最高要close deal，全部都有嚴謹的數據支撐和邏輯推理。
難怪在這個數據爆炸的時代，脫穎而出的個人和企業都是數商高的人。
數據時代，數商是一種頂級能力
每個人都嚮往成功，智商和情商就是過去100年間人們從前人案例中提取的成功密碼。所謂「商」，是指對人類某種特定能力的量度。
智商主要表現為一個人邏輯分析水平的高低，情商則用來衡量一個人管理自己和他人情緒的能力。
「數商」是一個新概念，是一種以數據為中心的能力，一種把事實轉化為數據，並能對數據進行處理和分析的能力。
數商雖然是個新概念，但其實人類在建立複雜的文明之前就有了對數的感覺。文字出現前，人們就已經在用刻痕、結繩等計數方式記錄事實、傳遞信息。
人類發明文字之初，數字表達佔據了文字的中心位置，最早的文字都是以數字為中心，「數」和「字」最初是一體的，後來數字才逐漸從文字中獨立出來了。
數字對世界的記錄是精確的，而文字有很大的不確定性，但可以很生動。
憑藉數字和文字，人類可以用固定的形式把自己的觀察、經驗、思想和成就記錄下來，共享出來，並代代相傳，不斷疊加。這突破了人類單個個體的生理邊界，催生了文明的快速積累和發展。
今天的社會，正在發生一場巨大的變遷，要從以文字為中心變成以數據為中心。
由於電子化的力量，數字和文字在重新成為一體，統稱為數據。
數據是一種新的資源，它可以釋放出新的能量，這種能量對人和世界會產生新的作用力。
在數據爆炸的今天，搜集數據、分析數據、用數據來指導決策的能力將越發重要。對這種能力高低的衡量就是 「數商」。
這就是為什麼，今天我們要討論數商的重要性。數商不僅如開頭提到的例子中，可以影響一家企業，還能影響個人、國家的命運，還能推動科學和公共衛生事業的發展。
高數商者從來都是佔儘先機
數商高能夠決定一個國家的國運。一些對數據運用能力強的國家往往在大時代佔據天時。
「帳本」改變了歷史走向
幾千年以來，人們都只會記流水帳。
如果你吃飯、購物花了錢，按流水帳記錄就是：
吃飯支出：500元
購物支出：20000元
流水帳的問題是，它只能記錄簡單的收入和支出，不能反映複雜的商業關係。
但生活並不是這麼簡單。有些帳目的性質是交叉的，它既可能是收入，也可能是支出。比如，買股票既是支出，也是投資，因為這筆錢並沒有真正花出去。
假如購買股票支出5000元；
還信用卡5000元，還欠1000元；
向朋友借了1000元，用200元為公司墊付交通費。
如果都記下來，一定會記重，如果不記，又可能漏記。
流水帳對商業發展的限制實在太大了，帳記不清楚，公司就只能小本經營。因為公司要做大，就要有合伙人，如果算不清帳，合伙人就會因分紅髮生爭吵，結果就是互相紅臉跺腳、一拍兩散。
這種情況直到1494 年，帕喬利將威尼斯的記帳方法總結成「複式記帳法」才得到改觀。
這個方法的精髓是：每一筆商業來往都要以相等的金額同時在兩個帳戶中進行雙重登記，即有借必有貸，借貸必相等。
例如，你今天花5000元買了股票，用流水帳的記法記下「買了5000元股票」就行了。
但如果用複式記帳法，你必須同時記下兩項：一項是從現金帳戶減少5000元，記為「–5000」；另一項是在投資帳戶增加5000元，記為「+5000」。
如果全部的業務都這樣記錄，那麼商人就可以建立隨時結算的體系，即隨便什麼時候都可以算出一個利潤的準數。公司就可以清晰地追蹤每一筆資金的流動和來龍去脈，計算它的回報率了。
因為所有帳戶的借貸之和，即正數和負數之和必須為零，就像能量守恆定律，這種方法也特別方便在記錄中找到錯誤。
從此，記帳進入文化和家庭，義大利，荷蘭、蘇格蘭、英格蘭開始陸續建立大量的會計學校。16世紀晚期，阿姆斯特丹一度成為世界會計中心，荷蘭產生了全世界第一家股票交易所，以及後來世界聞名的東印度公司。
頭腦靈活的歐洲人開始製作國家的「帳本」：對整個國家的經濟活動進行事無巨細的記錄，對國家和社會的每一筆財富進行追蹤，以此分析一個國家所有資本的增減變化、流動去向等，實現整個國家資源的數據化管理。
著名經濟學家熊彼特甚至認為，資本主義起源於複式記帳法，複式記帳法是資本主義「高聳入雲的紀念塔」。
除了推動歷史進程，數商高的人還推動了科學革命。
數據思維戰勝了人類感覺
這是一個用數據思維和邏輯推理戰勝感覺的故事。
科學革命起源於天文學，其中的一項重要課題是觀測各種星體運行的軌跡。
但長期以來，影響天文學研究取得突破最大的障礙，是我們的直覺，人類感覺不到地球在自轉。
因此，人們篤信「地心說」，相信地球是靜止的，並把天體在天穹中位置的變化理解為它們在圍繞地球旋轉。
直到波蘭天文學家哥白尼提出日心說，科學的歷史才真正翻開了篇章。
依靠自製的簡陋儀器，哥白尼詳細記錄了從 1497 年至1529 年間 50 多次觀測的數據，其中包括日食、月食，還有火星、金星、木星和土星的方位等。
他觀測得到的數據精確度相當高。比如，他計算得出的恆星年時間為 365 天 6 小時9分40秒，誤差只有百萬分之一。
在掌握大量天體數據基礎上，哥白尼提出，地球圍繞太陽旋轉，同時在自轉。是地球的自轉，使人們產生了整個宇宙都在圍繞地球運轉的錯覺。
哥白尼之前整個人類的視野都是地球，哥白尼藉助數據的力量，第一次把人類的視野帶向地球外。
數據把人類的雜亂無章變成有跡可循
數商高的人還推動了商業制度的進步。
1662年，英國國王查理二世收到一封申請信，要求冊封格蘭特為英國皇家學會會員。
格蘭特是一名經營皮毛生意的商人，沒有接受過高等教育，他到底憑什麼獲得國王和學會的青睞呢？
倫敦從1527年開始建立死亡名冊。到1603 年，死亡報告表一周統計一次，每當一個社區有人死亡，政府就會收集死者的資料，記錄死亡的原因。
格蘭特的歷史功績在於，他梳理了這份名冊80多年的記錄，把看起來一團混亂的表格匯總起來，做出了一張可以體現死亡法則的「人口存活數表」。
格蘭特梳理的人口存活數表
其創新在於，統計了每一個年齡段的人口數以及生存的比率。
例如，格蘭特發現，能活到16歲的，100人中只有40人，而活到76歲的，100 人中才有1個。
這是他從樣本數據中得出的一般性結論，後來這被稱為「推斷統計」。
通過這張表，人們才認識到，看似孤立的、沒有規律的個體死亡事件，放在群體中就會呈現出某種規律。這個群體越大，觀察的時間越長，規律就越明顯。
只要掌握了這個規律，就能預測一個地區居民的死亡事件，這些發現後來成了現代人壽保險體系的基礎。
人壽保險體系，關鍵在於確定保費。如果人人都活到八九十歲，保險公司卻按照六七十歲的平均壽命做保險訂單，保險公司肯定是賠不起的。同理，如果社會平均壽命才七十歲，保險公司卻按八十歲來計算繳費額度，那保險可能賣不出去。
人們按照格蘭特的思路，在死亡率和利息的基礎上，計算出了每個年齡段的人壽保險價格，也就是生命保險的現價。
這種計算人壽保險費率的思路一直用到今天。
危機來臨時，人類依靠數據力挽狂瀾
數據分析還能救命。
在今年抗擊新冠疫情的戰役中，大數據在發現疫情傳播路徑，控制疫情發展等方面發揮了巨大作用。
事實上，數據分析在流行病的防治歷史中有非常久遠的應用，比如在19世紀，遠在人類能夠用顯微鏡觀察到細菌幾十年前，英國人斯諾就成功用數據分析方法發現了霍亂的真實傳播方式。
霍亂是一種非常恐怖的烈性傳染病。患者全身肌肉痙攣，肚子劇痛，上吐下瀉，直到體內水分被排乾，但卻苦於無藥可醫，染上只能等死。英國曾在20年間發生過4次大面積暴發，每次都有數以萬計的人死亡。
今天人們知道霍亂是通過汙水傳播的，預防和控制霍亂，最關鍵的措施應該是保護水源。但200年前的主流觀點是「瘴氣論」，認為城市裡的惡臭空氣是霍亂的源頭。
錯誤的認識和防治措施延誤了寶貴的防治時機。直到斯諾出現，這個錯誤才得以扭轉。
1848年，倫敦第三次暴發大霍亂時，斯諾發現，霍亂患者的最初症狀都是腹瀉嘔吐，「如果真的是瘴氣傳播，那為什麼最先被感染的不是鼻子和肺，而是腸胃？」
斯諾斷定，霍亂一定是經口腔進入腸胃的。他推測這極有可能是因為喝了不乾淨的水。但用當時的科學設備，看不到水裡的微生物，被霍亂弧菌汙染的水看起來完全和正常的水一樣，斯諾無法說服身邊的人相信他的判斷。
斯諾需要的是更多的證據。
他深入病區，發現一個驚人的事實：這次霍亂暴發期間，泰晤士河南岸的死亡率接近0.8%，而倫敦西邊和北邊的死亡率僅0.1%。
他認為真正的原因是，南岸的倫敦人都飲用泰晤士河的水，而北岸倫敦人的飲用水來源並不僅僅限於泰晤士河，而是有多個來源。
他發現有兩個飲用水公司，用戶群體大致是一樣的，但飲用A公司水的家庭，每 1萬戶死亡人數是B公司的約8.5倍。
追蹤兩個公司的水源，就會發現，A公司在流經倫敦市中心的泰晤士河的下遊取水，B公司在上遊取水，而當時的泰晤士河，已經被霍亂患者的排洩物汙染了。
所以斯諾得出結論，水源不乾淨，才是霍亂傳播的真正原因。
斯諾的論斷是天才式的，他在「隨機對照實驗」的概念還遠沒有產生的時代，就在現實中發現了一次科學實驗。
當1854年秋天大霍亂第四次席捲英國時，斯諾運用自己之前的判斷和數據思維鎖定在了倫敦寬街的水井，並建議政府立即封閉寬街上的水井，以此切斷霍亂的傳播。
寬街霍亂引發的死亡，由此慢慢地平息下來。
此後，整個倫敦的地下水道體系建成使用，倫敦的惡臭漸漸消失，飲用水的質量逐步提高。
當1892年霍亂再次來襲時，新的地下水道真正成為一道防線，完全把病菌隔離了。對倫敦而言，霍亂徹底成為歷史，再也沒有在英國流行。
危機來臨時，斯諾教會了人們用數據力挽狂瀾。今天被全世界尊稱為「現代流行病學之父」。
萬物皆可被數據
今天，我們正大步邁入一個新的時代——智能時代。數商高的人只會越來越重要。
大數據與城市管理相結合催生了智慧城市，使城市計準則智慧感知、反應、調控能力，實現城市的可持續發展；
大數據指導醫療保健誕生了智慧醫療；
大數據賦能工業引領了工業4.0，產業鏈數據和消費者數據互聯互通，並實時集成、反饋，使工廠企業轉向個性化定製，實現生產過程的柔性化、個性化。
在數據爆炸的智能時代，全面認識數據的價值，全面使用數據，應該成為新公民的常識。大數據的出現，不僅僅是一種技術現象，它將影響人類的決策流程、商業模式、科學範式、教育理念、生活方式和觀念形態等。
萬事皆可數據化
數據日益跟人的日常生活、情感，甚至人本身融合在一起，連婚戀這麼感性的事竟然也離不開數據。
現代社會每個人在結婚上的自主權越來越大，卻反過來發現結婚越來越難，為什麼呢？
難在信息。要找到一個合適結婚的人需要投入大量的信息搜尋成本，當然還有時間成本、金錢成本。如果信息不優質，時間和金錢就會變成沉沒成本，一切又要從頭來過。
因此，今天婚戀中介平臺越來越火，因為通過這種方式，人們可以降低自己信息搜尋的成本。
但數商高的人就搶佔了先機。
有一個叫麥金利的數學博士在婚戀交友平臺OkCupid上相親。
這個網站通過問卷調查和個人動態獲得大量個人信息，然後用算法對平臺上的人進行兩兩匹配。
麥金利註冊後，回答了幾百個問題，但OkCupid只向他推薦過幾十位女性，他只從中成功約見過6個人。
為什麼系統只給他匹配了幾十人，而且還不精準呢？
原來，OkCupid 算法匹配兩個人的根據是兩個人都回答過同樣的問題。你沒回答過對方回答過的那些問題，算法不可能無中生有進行匹配。
怎樣知道自己鍾意的女性群體會回答哪些問題呢？
麥金利是個寫爬蟲程序的高手，他想到了用爬蟲去搜取這類數據。十多個麥金利的爬蟲在不同的電腦上每天24小時不間斷地活動，三周就獲得了2萬多名女性對600多萬個問題的回答。
然後，他對搜集到的女性數據進行分類，從中篩選出自己喜歡的氣質類型。他用一個叫K-Modes的算法，根據2萬名女性對不同問題的回答，把她們分成 7 個在統計學上具有明顯區別的類型，例如多元開放型、高端專業型、藝術創造型等。
他最後選定了兩組女性：
1. 二十多歲喜愛音樂和藝術活動的年輕女性；
2. 年齡稍大、從事創造性工作的專業人員。
他分別對這兩組女性的問答信息進行了分析，以掌握她們對什麼東西感興趣。為了提高系統匹配度，麥金利統計挑選出了這兩組女性回答次數最多的前500個問題，然後他對這500個問題一一如實地填寫答案。
在完成了這些工作之後，他再登錄OkCupid平臺，驟然發現，他已經和上萬名女性有了90%以上的匹配度。
僅僅一個夏天，他就約會了 55 次。
真愛最終出現了。一位叫王婷（音譯）的中國女孩主動給他發來了私信。她是一位28歲的藝術系女生，就在附近的一所大學就讀，她在 OkCupid 上和麥金利的匹配度是 91%。
兩個星期後，他們不約而同地停止了 OkCupid 上的帳號更新。據說在他獲得博士學位之後，兩個人就結婚了。
麥金利的成功給我們帶來了哪些啟示？
每個人都有自己的核心圈子，跳出這個圈子的可能性很低。但像麥金利一樣善用數據分析，用大數據給自己賦能，降低信息的搜尋成本，就可以在更大的圈子裡做出選擇。
數據讓邪惡無處可逃
通過數據來決策的思維不僅可以耍小聰明，還能作為法庭證據，鐵證如山。
2011年10月，有一個女記者克斯汀聽說了一起惡性交通事故，一名退休警察開快車，結果肇事致人重傷。
在她的印象中，警察因為開快車導致的交通事故發生好多次了。
為了印證她的直覺和記憶，克斯汀收集整理了歷年的新聞報導，果然發現：從 2004年起，整個佛羅裡達州發生過320起警察開快車導致的交通事故，但只有一名警察入獄服刑。
克斯汀意識到，這可能是一個非常值得關注的社會問題，她懷疑類似的警察很多，開快車可能是警察的經常性行為。
但懷疑只是懷疑，克斯汀知道，要證明它，無異於要證明警察這個群體知法犯法、凌駕於法律之上，這是個相當大的挑戰。
難就難在取證。
憑藉克斯汀手中的技術工具，她很難抓到一輛超速的警車。就算運氣好，真的碰上一輛，克斯汀也無權截停，就算拍照錄像，證據還是不夠充分，事後也無法指證。
克斯汀最後想出了一個好辦法，她向當地的交通管理部門申請數據開放，因為警車是公務車，公民有權了解其使用狀態。她因此獲得了110萬條當地警車通過不同高速路口收費站的原始記錄。
克斯汀的分析方法是：選取兩個特定的收費站，測算之間的距離，再在110萬條記錄中找到每一輛警車通過這兩個不同收費站的具體時間，兩點之間的距離除以兩個時間之差，即為該警車的平均行駛速度。
克斯汀和她的團隊用了3個月對這些記錄進行分析，結果令人震驚。
在3個月裡，當地所屬的3900輛警車一共發生5100宗超速的事件，當地1/5的警車都有時速超過144公裡的「劣跡」。而且，記錄表明，絕大部分超速行為發生在上下班的時間。
這意味著，他們開快車可能並不是為了執行公務，而是為了回家。
克斯汀的懷疑得到了證實。2012年2月，她利用這些數據分析的結果，在《太陽哨兵報》上發表了一系列報導。
數據就是證據，而且「鐵據如山」。
輿論一片譁然。
當地警務部門則發生了一場「大地震」，5100宗超速案件涉及12個部門的近800 名警察，一些被「坐實」的警察陸續受到處理：有的被警告，有的被剝奪開車上下班的權利，有的被停職，甚至還有的被開除。
克斯汀的絕妙之處，是使用了一份看起來和警察超速風馬牛不相及的數據，獨闢蹊徑解決了問題。同一組數據可以在新的維度上產生人們「初心」以外的價值和效用，這招可以稱為「數據外部性」。
人類越來越多的行為都在留下數據。今天幾乎所有的人類行為，都將在數據空間留下「數紋」，即數據紋理。
用好數據紋理，公安部門將邁入一個有案必破的新時代，而對大眾而言，我們將邁入一個犯罪更少、更加安全的時代。
2020年2月，南京警方宣布，南京醫科大學女生林某被害案告破，這是一宗懸而未決28年的案件。
結果在2020年一次治安糾紛中，警方抓了一個小混混，發現其DNA與南京醫科大學命案嫌疑人的DNA相似度很高，警方立即對這個小混混的親屬進行了排查和DNA檢測，最終找到了真兇麻某。
不要違法犯罪，這也是智能時代的聰明選擇。
未來數據催生「新物種」
《人類簡史》作者尤瓦爾·赫拉利曾談到：
就像宗教神話賦予神權合法性，人文主義思想體系賦予人權合法性，高科技大師和矽谷預言家們正在創造一種新的全球性敘事將算法和大數據的權威合法化。
這一新穎的信條可以被稱為「數據主義」。
當全球數據處理體系變得全知全能，接入這個系統就成為了一切意義的來源。
在前幾個世紀，機器是最貴重的資產，大部分機器集中在少數人手裡，於是人類被分化為資產階級和無產階級。
如今，數據正在取代機器，成為最貴重的資產，如果大量數據集中到少數人手中，那時「人不會再分化為階級，而是被分化為不同的物種。」
達爾文之後100多年的生物學研究主題是：生物即算法：「不管是病毒、香蕉，還是人類，生物其實都是有機化的算法。」
如今，機器學習與人工智慧的發展正在賦予人們足夠的計算能力；生物學的進步，尤其是腦科學的進步，又提供了足夠的生物學數據。
「當這樣的生理數據足夠多，算力足夠大，就可以創造出比人本身更了解自己的算法。」赫拉利說。
這時，一種「類人機器」的新物種將會誕生。
幸虧數商可以培養
即便在數據衍生出的新物種來臨之前，未來每個人也都需要懂得一些數據科學。數商就是對這種能力的衡量，它不僅衡量通過測量和記錄獲得數據的行動能力，也衡量用科學高效的方法保存數據、使用數據，從數據當中洞察知識和規律，預測未來的能力。
大師兄總結了有關高數商的十大原則，我們要反覆地去品味、去記憶、去應用，直到這些原則變成一種自動的思維習慣，讓數據意識在不知不覺中進入我們人生的導航系統。
第一是養成記錄的習慣。
數據是數商的基礎。所謂「巧婦難為無米之炊」，沒有記錄，就沒有數據，什麼規律都無從發現。
數商高的人一定都是記錄狂人，達文西腰間掛個小本子隨時記錄周邊的事情和自己的觀察，一生記了3萬多頁筆記。愛迪生受到他的啟發，記了3500多本。
今天，記錄變得更加容易，而且廉價。錄製一天24 小時的完整視頻，一年只需一塊容量為1太的硬碟，價值不到400元，大小可以放進口袋。
從這一代人起，人的一生都可以被記錄，數據將會成為宇宙當中比石頭、土壤還穩定的一種客觀存在。
二是定量分析，簡單地分類、量化，以一定的次序、格式或者圖表呈現數據，分析就會有很大的改進。
一個高數商的人，能夠獲得數據，會用算法分析數據，但這些還不夠，數據分析的結果只有被人類真正使用和採納才能產生價值。
1853年，戰地護士南丁格爾在克裡米亞戰場發現一個驚人的事實：由於醫療衛生條件惡劣導致的死亡人數，竟然大大超過了戰爭一線的陣亡人數。
南丁格爾將她的統計發現製成了一個圖，該圖清晰反映了「戰鬥死亡」和「非戰鬥死亡」兩種人數的懸殊對比。當這張圖被登載在報紙上，英國民眾憤怒的聲浪此起彼伏，他們無法相信，人民的勇士不是戰死了，而是餓死了、病死了。討論的風暴越刮越猛，這促使當局隨後建立了人類歷史上第一所正式的野戰醫院。
南丁格爾的這份圖，是歷史上第一份「極區圖」，也是早期統計學家利用圖形來展示數據的經典探索。這種做法，今天被稱為「數據可視化」。
一份圖催生了一座醫院，改變了一個制度。
不注重數據的呈現和交流，使自己的分析結果功虧一簣，這方面的反面案例也有。
孟德爾是現代遺傳學的奠基人，他用了 8 年的時間做豌豆雜交實驗，現代遺傳學的三大定律他一個人發現了兩個，實驗成果也被整理成論文發表了。
他曾在科學會議上宣講自己的重要發現，但因為他的論文和演講只有枯燥繁複的數字，當時學術界都無人能夠完整領會，更不要說普通人了，結果他的發現被埋沒了！
直到他去世16年後，有人翻出了他的論文，才重新認識到孟德爾那些數據的價值，整個遺傳學事實上被耽誤了40多年之久！
第三，會用概率輔助決策。
上文格蘭特的例子中，正是對人口死亡數據的長年統計使他找到了人在不同年齡段死亡的概率，這才能夠合理地決定壽險的保費，從而孕育了保險行業。
除了死亡概率以外，還有很多事情都符合「大數定律」，也就是說，一些事件看起來是隨機的，但如果在更大的規模上觀察它們，其頻率就會接近於一個恆定的比率。
比如自殺、犯罪。無論在哪個大城市，無論經濟好壞，人類自殺的比例幾乎是恆定的，就像存在一種引力吸引人去自殺一樣。至於犯罪，也同樣令人震驚，人類各種類型的犯罪數量，每年的總數幾乎處於一個恆定的狀態，年度差別很小，數量非常穩定。
在單個個體身上發生的事件可能沒有任何規律，但要把它們記錄下來，隨著跨年度、跨地區的數據越來越多，群體的行為特點就會在數據上呈現出一種「秩序、關聯和穩定」，即這些行為一加總，就會受一種嚴格的規律支配。
一旦捕捉到這種規律，一個人的決策就可以更合理，更容易順勢而為。
第四，通過做實驗收集數據，尋找真正的因果關係。
達爾文的外祖父韋奇伍德是一名制瓷大師，也是一名信仰數據的人，一手開創了英國國寶級瓷器品牌韋奇伍德。
18世紀前，世界上最好的瓷器來自中國。韋奇伍德喜歡中國瓷器，利用一切閒暇時間鑽研瓷器的配方。
為了製造出既美且堅的瓷器，韋奇伍德反覆嘗試將動物的骨粉摻入原料，一次次地通過實驗調配骨粉比例和燒制時間，以尋找最佳配方。他一共進行了5000多次燒瓷實驗，並詳細記錄每一次實驗的過程和結果。
到1774年，他研製出了碧玉細炻器，這種瓷器不僅晶瑩剔透，透光度高，質地也比一般瓷器堅硬。
可以說，正是從這時候開始，憑藉實驗、記錄和定量分析的方法，歐洲人不僅掌握了中國瓷器的成分和煉製方法，而且開始通過創新超越中國。
第五，學會用倖存者偏差分析社會現象。
倖存者偏差，是指我們看到的結果是經過篩選後存在的，而被篩掉的個體在不知不覺中被我們忽視了，如果我們分析問題僅僅依賴那些篩選之後留下的信息，我們的決策就會有巨大的偏差。
就好像老師在教室裡說，沒來的同學請舉手，這是可笑的。
倖存者偏差大量存在於現實生活中，即使很高明的專家也可能犯，而且犯了還自鳴得意，完全不知道。
2001年，美國管理專家柯林斯寫了《從優秀到卓越》這本書，對1400多家曾經的世界500強公司進行了研究，從中選出了11家代表，柯林斯認為它們是從優秀走向卓越的典型企業，它們的經營理念和戰略措施值得所有的公司學習借鑑。
柯林斯在書中宣稱，只要採納並認真貫徹，幾乎所有的公司都能極大改善自己的經營狀況，甚至可以成為卓越型的公司。
這本書非常成功，全球銷量超100萬冊。但柯林斯同樣犯了倖存者偏差的錯誤。
市場上有很多公司，它們可能會採用相同的做法或戰略，但一個成功了，另外的倒閉了，倒閉的企業悄無聲息地被其他公司取代，柯林斯可能完全不知道。
他只從世界500強公司中取樣，從已經成功的公司當中尋找戰略和經營的因果關係，一旦找到他就覺得是好的。但他沒有向倒閉的公司「取經」，因為它們已經不復存在了，不然他就會發現，同樣的戰略帶來的不僅僅有成功，還有失敗。
這就意味著，如果我們盲目照搬柯林斯書裡面一個成功公司的戰略，很可能是行不通的。
最後是掌握一些搜集及分析數據的工具。
對於數據搜索來說，最基本的就是用好搜尋引擎了，不要只會簡單輸入的方法進行搜索，搜索其實有太多技巧，比如：如果你想同時搜索兩個關鍵詞，但這兩個關鍵詞並不連貫，這時候你就可以用並行搜索，格式是： A | B。比如，搜索兩個關鍵詞：大數據 | 社會治理。
當你想要搜出來的結果只含關鍵詞 A 而不含關鍵詞 B 時，只要輸入：關鍵詞 A（空格）–關鍵詞B，例如：大數據 –保險。
類似的方法還有很多，大家可以去網上多找找，在平時多用用，就會讓得到的信息更精準，更高效。
除此之外，SQL、Python等計算機語言是非常好的數據工具，是數據世界的利器。
練熟了這些語言，你可能就像麥金利一樣，在數據空間遊刃有餘。
如果長期堅持用數據化方式分析問題，改變在漸漸發生——以前你看問題靠感覺，現在靠的是從數據中尋找的因果關係和規律。
也就是說，數據化思維已內化為你的一種底層思考方式，你當然就是一個高數商的人。
這就能打破你原有思維對你的禁錮。
我們平時會用「差不多」「大概」等高度模糊的詞語來看待世界，這有時候潛移默化影響了我們的思維方式，產生了「差不多主義」——點到為止，不去深究事情的原委，對發現事物的規律提不起興趣，阻礙了個人認知水平的進一步提升，也妨礙著信息的有效傳播。這甚至滋生了很多「神秘主義」——很多人得了病，寧可相信民間偏方或秘方。推薦人信誓旦旦地說，這個藥有用，誰誰就是這麼治好的。但是即便他說的是真的，這種療效也是一種倖存者偏見，他沒有看到的是，更多的人服用了這些秘方後沒有起色，還耽誤了正規治療，造成悲劇。
所幸數商也是可以培養的，性格即命運。性格就是長期堅持的習慣，既包括行動習慣，也包括思維習慣。
而未來的文明將以數據為中心，未來的競爭就是數據競爭。
隨著數商在社會中扮演的角色越來越重要，未來會有一個更科學的對數商的測試體系出現，數商也會得到全社會越來越多的重視，受到更多、更豐富的研究。
你過往有哪些成就是數商起了作用？
參與話題討論，隨機贈送三本《數商》。
數據不是一切，但一切都將變成數據。這本書是大數據先鋒思想家、阿里巴巴前副總裁塗子沛重磅新作，教你用數商理性決策，成為數據時代的聰明人。