大数据时代来临，重复的脑力劳动，是否会一文不值

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中，大数据是不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。

大数据现在无处不在了，可太多数人其实并不了解大数据到底是什么，又有什么用。以至很多的公司都守着数据，却不知如何应用。重复的脑力劳动依旧没有改善。当脑力劳动用模型代替，让脑力劳动成果价值最大化，同时也留更多的时间给自己去想象和探索未知。

最终达成人脑与电脑的最佳分工：人脑负责开拓知识边疆，电脑负责重复脑力劳动。

先介绍两个概念：显性知识、隐性知识：

1. 主观上

显性知识是指自己已经掌握的价值创造能力或问题解决能力，可以清晰地把理论和行动方式讲出来的那部分智力成果。

隐形知识是指在价值创造过程中，实际上已经在被使用，但尚未被总结出来的理论和方法。一部手机在家创业，全职兼职都可以，目前我已经帮助了很多人，一两个月就收入2万多，一年多实现月收入10万以上，有钱有闲，想创业的朋友加卫星：18329116189

2. 客观上

显性知识是指全球范围内，任何一个人通过语言、文字、图像、数据库等编码方式记录或传播的知识。

隐形知识是指全球范围内，已经有人掌握或者知道的知识，但尚未通过语言、文字、图像、数据库等编码方式记录或传播的知识。

重复脑力劳动的定义

从主观上，自己在过去已经掌握了的知识、经验，经过一段时间后，被自己遗忘，当再遇到相同的问题时，又不得不重新学习重新思考。

从客观上，全球范围内，不同时空的人们经常遇到相同的问题，已经被其他人掌握的知识、经验，自己不能“站在巨人肩膀上”去应用，而是从无到有地重新思考，从人类整体的脑力劳动来讲，也是重复的脑力劳动。

典型的重复脑力劳动

那些只有议论没有决定也没有行动的会议。

那些只有预结算没有关键成功要素及战略打分的项目。

……

其他重复脑力劳动的划分方式

有的地方会把客服、录入员、收银员、内容审核员等特定的岗位认为是重复的脑力劳动，这种划分方式不是绝对的，当这些人员在不断总结自己重复的脑力劳动并通过其他方式代替，而自身花更多精力去处理顾客反馈的新问题、去识别新的违规内容的特征，那这些岗位也可以变为创新性极强的岗位。

为什么要避免重复脑力劳动？

从个人来讲，节省自身重复的脑力劳动，让自己能够有更多的时间和脑力去探索未知。

从企业来讲，已有的智力成果能够沉淀为企业资产，被解放的知识工作者可以持续地生产出创新知识和经验，用于提升生产效率或扩大经营规模，企业创新能力持续提升。

从社会整体上，当个人及企业的脑力劳动成果能够在被更多企业或个人使用时，实际上就是在某一领域达成共识，快速形成标准，标准化程度越高的领域发展速度也将越快，其最终结果便是人类整体攻克未知的速度进一步加快。

将重复的脑力劳动模型化

模型的定义是：基于数据得出价值信息的过程。一个模型的组成要素包括：输入数据、计算过程、输出数据及结果说明。

重复的脑力劳动实际上就是在做模型做的事。

相同的现实条件——用E-R模型将现实实体、实体关系、实体属性转换为数据。

相同的分析决策过程——用维度模型以分析决策为目标对实体数据进行处理，构建决策相关业务过程的维度及事实；把我们的分析决策过程中基于现实已知因素的不同情况和对于未知因素假设条件进行量化，并将这些量化后因素与我们得出不同结论之间的关系建立起逻辑推理或计算公式。

结果及结果说明——分析决策的结果要传递给机器或者下游业务环节去执行，那就需要对我们的计算结果进行解释。

就像完备的决策机制需要对分析决策过程进行评分，使之得以持续改进，模型也需要通过结果反馈，以持续学习优化，这就是有监督机器学习的概念。

更进一步的，现实条件会随时间而改变，企业不同时期的决策要素也会有变化，好消息是模型已经把智力资源从原本重复的脑力劳动中解放出来，这些智力资源将全力以赴学习新业务及新的决策要素，并及时升级模型。

然而，模型并不是万能的，针对全新业务或者变化无常的业务场景，没有重复的脑力劳动，那自然也不能通过模型去替代。更深一步，这其实也是人脑及电脑之间的最佳边界，前者负责创新与开拓知识边疆，后者负责重复的脑力劳动。