图片发自简书App

王煜全  产业理解｜现代企业需要前瞻性经营（1/7）

预见未来

企业需要前瞻性经营：

以我多年做咨询和投资的经验，绝大多数企业活在过去，最多活在现在。无论业务经营思路、管理思路、产品设计、营销推广都只是了解过去的或现在的市场需求，总结过去经验。但实际上，市场是流变的，为现有市场设计业务，等业务推出时市场已发生变化，业务也就失效。

产品研发、设计应当面向未来：

一方面，虽然表面看来暂时没有用户，但当潮流趋势真正到来的时候，就能提供更好的服务；

另一方面，能够充分回避竞争。企业经营、投资的核心思路不是避险，而是提前作出判断，需要理性的冒险精神。

预见未来的两个方面：

第一， 科技创新与应用创新——跳跃式与连续性。

科技创新常常是跳跃式，因此需要掌握科技创新趋势，一方面，避免被跳跃性发展的科技、产品、行业对自己的经营造成致命影响；另一方面，乘着科技创新潮流，达到新高度。

应用创新一般是连续性的，例如乔布斯的iPhone虽然是一个很革命性的产品，但是依然可以拆解，技术进步使不同的部分可以组合在一起，从而带来了极大的便利性，使手机成了不可或缺的工具。

第二，科研成果与产品转化——偶然性与必然性。

科研成果的出现往往是偶然的，但必然要经过产品转化推向市场，随着大量应用的推出，甚至可以转变社会行为、推动社会发展。

虽然术业有专攻，但很多竞争来自跨行业，因此要对各个行业、对整个科技产业的发展形成全面认识，预见未来。

砚青上周看了bittiger的一个讲座，请来一位用数据分析做音乐的专业人士。虽然大量听不懂的东西，但是确实感觉到眼界开阔了。

经营未来

图书《反脆弱》中提及过：大部分人认为“脆弱”的反义词是“坚强”、“韧性”，或在学术上称为“鲁棒性”，即在任何情况下都不会被毁灭，反之很容易被毁灭、破坏就是“脆弱”；但《反脆弱》这本书的作者认为，“反脆弱”的核心不是活下去，而是在任何情况下都能迅速成长、繁荣。

有些企业充满韧性，就像鳄鱼，经过亿万年时间，依然以最古老的形式存在；但鳄鱼并不是统治地球的物种，确实韧性有余，但适应性不足，它的韧性是以牺牲适应性为代价的。

《罗辑思维》和《得到》具有很强的快速进化能力，我认为这是企业面向未来最重要的能力。

企业能力培养：

表面——找准时机，重要的不只是活下去，而是一定要繁荣，一定要快速增长；

实质——掌握新形势下的新打法、新经营、新市场、新产品，通过快速迭代进化，迅速适应新市场，从而最大可能的挤占新市场，在新的市场机会里面形成垄断。

好企业必须具备强烈的扩张性，我并不强调所谓工匠精神的说法，因为工匠精神往往缺乏扩张性，所以你会发现很多人举的工匠精神例子恰恰是那些濒于灭绝的手艺。做企业不能为了工匠精神而使自己濒于灭绝，我们更需要快速进化扩张。

布局未来

闪电战：对基于技术和社会变革的战略战术进行根本性提升。

投资：随着市场流动性和资本流动性的加速，应该把鸡蛋放在一个篮子里，依靠广泛布局本领域前沿形成长期优势。

未来6期节目预告

第一部分预见未来，会分两周来讲，一周讲科技创新和应用创新，讲跳跃性和连续性的关系；第二周讲科研成果和产品转化，讲偶然性和必然性的关系。

第二部分经营未来，一方面通过《反脆弱》来给大家讲如何设定一个足够宏大而又能够实现的目标，而不只是要活下去；另一方面是培养企业快速进化能力。

第三部分布局未来，大企业可以做战略布局，小企业可以做战略协作，从而达到长盛不衰的目的。简而言之，鸡蛋要放在一个篮子里。

此系列将陆续在每周三的产业理解版块中进行完整讲解。

王煜全，前沿侦察的第323天。

吴军  第203封信丨智能时代创业是苦差事

我在《智能时代》一书中讲，智能革命会将社会重新洗牌。在这个既充满机会，又富有挑战的时代，创业者其实是既兴奋，又担忧。他们兴奋的是自己有可能赶上智能革命的快车跳跃式地超过之前的巨无霸企业。

而担忧的是，这次智能革命在很大程度上是比拼数据量和计算能力，小公司面对Google、微软、Facebook，或者中国的腾讯、阿里巴巴、百度，甚至是科大讯飞这样老牌的企业，都毫无优势可言。

那种在过去靠技术一招鲜吃遍天的情况不再会发生了，也正是因为这个原因，像李飞飞这样最顶级的人工智能专家都要到Google去工作，因为后者有数据。如果连李飞飞都不得不走这条路，创业者的出路在哪里呢？

小公司一开始由于资源有限，不可能像大公司那样全面铺开工作，即便创始人有很高的心态，也需要从一个突破点开始做起。我在第2封信《也谈10000小时》中讲到，凡事做好需要一万小时或者更长的时间，其实这个经验不仅对个人适用，对产品也是一样的。任何产品要打磨得像样，就必须花工夫，苹果手机大家都能看到它好用的一面，但是在设计时所花的工夫可是比其它手机多得多，仅仅是外形上四个角的弧度，就做了很多的尝试。

初创公司规模小，要想在短时间里在某个方面领先大公司，必须要把所有的人力集中在一个点，把一个产品打磨好。做平台的工作量特别大，以小公司的人力物力，很难在短时间里既做到技术领先，又做到大家都满意。

讲回到今天在人工智能领域创业这件事，今天会有三类公司受益于智能时代。第一类公司是大家在媒体上经常看到的Google、微软、Facebook、亚马逊、英伟达、阿里巴巴、腾讯和百度等大科技公司，它们有些已经在人工智能技术上做了很长时间的研究，比如微软，有些则是在最近的两年奋起直追，比如阿里巴巴。这些公司都在致力于打造平台型的产品，或者像英伟达这样利用自己过去在市场上的优势，向人工智能领域转型。它们的财力和人力资源是其它公司难以匹敌的。

第二类公司是拥有大量数据，却不知道如何使用的公司和机构，以及商业规模非常大，但是商业模式老旧的公司，比如电信运营商、石油公司、政府部门、大工厂、商业银行等。它们的数据和商业规模本身是一大笔财富，但是在变现之前它们并不等于钱，而数据和商业规模变成钱需要一种催化剂，那就是智能技术。

吴先森啊，你就直说IBM不行么？ IBM还真是起了个晚床，赶了第二天的早集。大数据泛滥的时候，IBM基本是大个子里最后才出手的，而且是砸锅卖铁般的转型。本来以为在大数据技术市场上没什么优势了，结果直接转型做人工智能，再加上常年积累和购买的各种数据。简直是华丽转身，牛逼得不要不要的。商海沉沦，姜还是老的辣啊。

更新笔记，IBM根本就是AI的元老！我怎么就把深蓝给忘了呢？今天同事提醒IBM上世纪做过大量的人工智能项目。所以上面的笔记错了，这压根就是窖藏多年的陈酿重见天日。

有趣的是，由于这些公司基因的问题，它们还真的难以依靠自己的力量从大数据中挖掘金矿。在中国的金融界，四大国有银行一方面看着阿里巴巴旗下的支付宝等金融产品挣大钱，另一方面守着更多的数据干着急。

第二类公司中目前有不少依然觉得靠自己的力量能够赶上智能革命的浪潮，但是如果不借助催化剂，其实是很困难的。那些大银行，在大数据已经被提出近十年，在中国也被热炒了六七年的今天，依然无所作为，又怎么能指望自己在今后的六七年有所作为呢？如果荒废了接下来的六七年时间，在整个行业中落伍是确定无疑的。

在美国，各家大银行已经认识到这一点，他们都直接使用Splunk等提供大数据服务公司的产品处理自己的业务，而不是自己从零开始打造新的IT团队。相信中国的第二类公司很快能够明白这个道理的，这样就给第三类公司以机会。

第三类公司是掌握新技术的创业公司。它们有一些技术专长，但是没有第一类大公司的水平；有一些工程能力，但是没有第一类公司的综合实力。当然作为小公司，它们肯定没有大量的数据，这些公司怎样才能在智能时代分一杯羹呢？简单地讲，就是干第一类公司不愿意做的脏活、苦活。

第二类公司由于和第一类公司其实有利益冲突，或者潜在的利益冲突，它们是不会委托第一类公司做事。你可以想象四大国有银行信不过阿里巴巴，中国移动信不过腾讯。同样，花旗银行也信不过Google和亚马逊。另一方面，第一类公司也不会愿意去做那些脏活、累活，因为从成本上来讲不合算。因此，这类公司最终会扶持第三类公司为自己做事情。

由于第二类公司有数据，有资源，有市场，因此它们在合作中会很强势，而第三类公司在一开始必须做脏活、累活，可能还得不到很多收入，这个过程是省不了的。但是，一旦传统一点的大公司开始信任那些小公司后，就形成了原有产业＋新技术＝新产业的格局。在双方双赢的基础上，这两类公司的合作会非常好。另外，第三类公司可以直接利用第一类公司的平台，因此，第一类公司通常不会和它们作对。

目前有没有这样的小公司成功的案例呢？有的，从美国回到上海创业的宣晓华博士创办的华院数据就是获得成功的第三类公司。华院数据里面有三类人，工商管理硕士(MBA)、数学家和计算机工程师。

第一类人深入到每一个行业和大公司了解业务逻辑，看看如何能够通过使用数据提高那些行业的业务水平。第二类人则根据具体用户的业务逻辑建立数学模型，而第三类人则实现数学模型。每当一个这样的小团队能够为大公司解决一些具体问题之后，华院数据就将这个小团队剥离出去，和相应的企业成立合资公司，再引入风险投资，就这样，华院数据孵化出十多个开始挣钱的大数据公司了。

当然，华院本身也在不断积累技术和数据。在未来，这一类的公司会不断涌现，它们从做脏活、苦活开始，如果做得好，就能够把自己的业务从一个大公司扩张到整个行业，甚至有可能扩展到其他行业中去。具体到母公司华院本身，其实已经渐渐开始从单点突破往平台方向发展了，它打算在三到五年内再孵化上百家小公司。华院数据并不打造自己的数据平台，而是使用阿里云的服务，因此它和阿里巴巴也没有矛盾。

在智能时代，核心的技术很容易获得，各种机器学习的方法都有开源的版本，但是各个公司因为数据量不同，使用同样方法取得的效果也就会不同。而解决数据的问题，大家不妨学学宣晓华博士，从脏活累活开始。

最后概括一下我的观点，今天的创业者不要一开始就想着自己能够办一个Google或者阿里巴巴，必须先从脏活累活开始。如果在一个技术发展平稳的时代，现有行业的大公司并没有什么脏活累活可做，那么小公司机会不多。

今天，在智能时代，技术飞速发展，现有行业要升级，就有了大量这样的公司。只要小公司的团队有技术水平，有一定的市场能力，认准了方向，愿意做其他公司不做的脏活累活，就有不小的成功机会。

人要想成功，说容易也容易，只要担起别人不愿意干的，又非常有意义的脏活累活即可，不要只盯着那些容易做、利益大的事情，因为它们早让大公司做到了。成功要说难呢，也很难，因为它需要人的综合能力。不过，在一个变革的年代，机会总比平时多。

吴军的课后作业（往常我都会删掉，但是今天的题目值得思考，明天回来看看别人的参考答案：P）

既然创业是一个苦差事，你是否会考虑创业，如果你已经创业了，是否会考虑回去找工作？

万维钢  日课179｜网购是怎么把我们变成傻瓜的

《大西洋月刊》“网购如何把我们都变成傻瓜”（ How online shopping makes suckers of us all ），作者杰里·尤西姆（Jerry Useem）。

尤西姆告诉我们，商家没有坐以待毙，他们使用了更先进的办法跟消费者博弈。

在说这些新方法之前，咱们先从“第一性原理”思考一下商品定价的问题 —— 如果你是一个开商店的，对你来说最理想的定价是什么呢？

1.用算法定价

最理想的定价，当然是顾客愿意出的最高价。如果这个人很有钱根本不在乎价格，那你就把价格定的高一点；如果那个人花钱很谨慎，你就把价格定的低一点，能赚多少赚多少。

这其实就是最古老的定价方法。历史上的商品交易本来就都是要讨价还价的。是十九世纪以来，商店要实现规模化经营，讨价还价的服务成本太高，才索性让统一定价成了主流。从此之后，商店就得猜测一个大多数人在大多数情况下能接受的最高价格。

但是商店总想做得更好 —— 我为什么不能给每个人一个不同的价格呢？我为什么不能在不同的时间段，给不同的价格呢？

算法可以帮你做到这一点。亚马逊雇佣了很多经济学家开发自己的商品定价算法。仅仅今年三月份，亚马逊就贴出了59个针对经济学家的招聘广告。尤西姆重点介绍的一个公司叫“飞去来器商业”（Boomerang Commerce），已经成立五年，专门给商店提供定价算法。

这些经济学家借助大数据和在线实验，搞出了各种新的定价策略。

2.商店的三招

第一个办法是让商品价格随时变动。

比如说自动售货机里卖的罐装可乐，现在可以做到让价格随室外温度的变化而变化。天热就自动卖的贵点，天冷就自动降价。

网购的高峰时段，是工作日的上班时间 —— 也就是说人们总爱在办公室里上网买东西，回家可能就专心看电视剧了。那网店的一个好办法就是在早上略微提高商品的价格，晚上略微降低价格。事实上不但网店这么做，连实体的超市也可以在一天之内变动几次价格，只不过对应的是不同的时间段。

如果你拿不准到底应该什么时候变，变化多少，你还可以直接做实验。有人跟踪了亚马逊上一种做南瓜饼的调料，发现这个调料的价格变动很大，有时候卖$4.49，有时候卖$8.99，有时候又是别的价格。专家猜测，亚马逊是在做价格测试。亚马逊也不知道这个调料卖多少钱合适，随时变动一下看看消费者反应。

第二个办法是让价格因人而异。

如果商店知道你的年龄、性别、家庭住址、甚至收入情况，那它就可以大致推算你的价格敏感度，它就可以给每个人一个不同的出价。

注意，这可是价格歧视。亚马逊早在2000年就这么做过，被人发现了，贝佐斯紧急声明，说我们只是在做测试，不是有意歧视。目前为止，我没有听说过直接的证据，说两个人在亚马逊购物，在同一时刻、对同一件商品获得了不同的定价。

但亚马逊没做，不等于别人也没做，而且可以做得更高级。最好的办法不是看一个人的宏观经济数字，而是看他上网浏览的记录。尤西姆引用了一项研究。研究者用两台电脑模拟两个上网者。一个假装是富人，专门浏览一些高大上的奢侈品网站；一个假装是个节俭的人，专门浏览一些低端的东西。这么上了一周网之后，两台电脑上一个购物网站  —— 文章没有点名是哪家网站 —— 买耳机。结果网站给“富人”推荐的耳机的价格，是“节俭者”看到的耳机的价格四倍。

而且还不仅仅是推荐的商品不一样。研究者发现，对同一件商品，地址是富裕地区的电脑，看到的价格就比低收入地址的电脑要高。

如果每时每刻看到的价格都可能不一样，而你看到的价格还可能跟别人的价格不一样，那货比三家的意义就没那么大了。也许早上看好一个商品，晚上就降价了。那这样的话还不如找一个靠谱的良心商店，如果他家的价格一贯比较实惠，干脆就都在他家买算了。—— 对这样的心态，商店也有办法。

这就是第三招，制造“低价感”。

商店可以有意识地把你关注的商品给个底价，哪怕少赚甚至不赚钱，先把你吸引过来，但是对那些你不敏感的商品给个高价。比如说鸡蛋和牛奶是大多数人每周必买的，那商店就把鸡蛋和牛奶卖得便宜一点，让你获得一个“低价感”。你记得鸡蛋的价格可是你未必记得生姜多少钱一斤，只要你来了，商店随时把生姜价格提高一倍，而你可能根本没注意到就买了。

亚马逊就常干这样的事情。感恩节之后的黑色星期五，是美国的购物节。有一款电视机，平时卖350美元，黑色星期五这天亚马逊给它的标价是250美元，全网最低！你来了，你买电视可能还需要买一根HDMI连接线，亚马逊就把这根线的价格悄悄提高了60% —— 而你根本不会注意到，顺手就买了。

定价有这么多门道，现在购物简直就成了一个斗智斗勇的事情，那消费者也要反击。

3.消费者的反击

据说同一架飞机的乘客之中，每个人买机票花的钱数都不一样。如果你愿意投入时间和精力，购物的确可以省钱。有经济学家做过数据分析，说那些在eBay上反复浏览比价的消费者，平均每花1小时时间，可以省下15美元。

而且消费者也有自己的自动化工具。之前我们专栏介绍过一个浏览器插件，叫“InvisibleHand”，可以自动在几个主要购物网站之间比较价格。尤西姆介绍了一个网站，camelcamelcamel.com，专门跟踪亚马逊上商品的价格变动。

价格波动曲线，好像股票走势图一样。接近历史最低记录，是个出手的好机会。

你可以让 camelcamelcamel.com 帮你关注一个商品的价格，一旦到位就自动通知。

尤西姆说，现在有人呼吁弄一个全网监控系统，看看有哪些商家在搞价格歧视！不过这样一个系统必然是非常复杂非常麻烦。

不过根据今天吴军的观点，这可是个创业的好（ku）风（chai）口（shi）啊~

道高一尺魔高一丈，消费者和商店都有点身心俱疲！所以现在就有一个卖服装的网站，叫 everlane，干脆来了个“透明定价”。

对每一件衣服，材料费多少钱、生产人工成本多少钱，海关关税多少钱，运输费多少钱，全都告诉你。比如 everlane 上一件卖$48的衬衫，它明确告诉你，进货成本是$19，而别家一般卖$95，咱们都是实在人我不跟你玩花活，你要买就买！

尤西姆介绍，everlane 甚至实在到，它清仓甩卖一件衣服的时候，会给消费者三种价格，让消费者自选：

进价加运费，我们一分钱不挣；

再给我们一点运营费用；

让我们也挣点利润

Everlane 希望消费者也能仗义一点……结果87%的消费者选择了最低价。

尤西姆不太看好 everlane 这个定价模式。关键在于，也许消费者真正想要的并不是最低价，而是一个“低价感” —— 那这场定价的游戏就会永远玩下去。

｜由此得到

消费者通过网上比价虐待商店的时代已经结束了，商店正在使用更高级的定价算法应对。三个主要办法是让价格随时间变化、让价格因人而异，以及提供一个的“低价感”。

这场聪明人对聪明人的战争不断升级，最后可能会回归实在和简单。

｜我的评论

尤西姆在文章里介绍了一个经济学家的研究结果。在线视频服务商Netflix，我们知道它给的是一个单一的价格，每月$11.99。经济学家说，如果 Netflix 搞价格歧视，看看谁经常去电影评分网站就给他一个更高的价格，Netflix 的收入能提高14.6%。

我觉得这个经济学家有点太书呆子气了。Netflix 提供的是一个标准化的产品，所有人的服务是一样的，比价太容易了。如果你收我$15.99，而我家邻居只交$11.99，难道我会不知道吗？

以我之见，简单商品不容易玩价格游戏。比如iPhone手机，是多少钱就是多少钱，就这么一个手机，消费者非常容易感受到价格变动。

那么由此推论，将来人们越不喜欢价格游戏，就可能越喜欢简单化、标准化的商品。把复杂的日用品打包，提供一个一揽子的解决方案，让消费者不用为价格战操心，也许就是一个好方向。  

爆款文章共性：讲个好故事

对于爆款文章，我们都默认一个评价标准，就是阅读量超过10万，达到10万加。那么，这些爆款文章有什么共同点，怎样才能制造一篇爆款文章呢？

首先，爆款文章重在内容，不在长短。很多人习惯性地认为，微信的文章写太长，用户会没有耐心去看。但是GQ编辑部去年年底统计了他们微信公众号文章的阅读量，在阅读量最高的文章里面，有一半以上超过了一万字。所以在何瑫看来，爆款文章最终要回归内容，要看它好不好，而不是长不长。

(这个统计分析砚青表示不理解，你说一半以上超过了，那是应该写长点咯？或者说差不多一半的爆款文章不超过一万字？)

那么，爆款文章在内容上有什么共同点呢？它一定是一个故事，里面充满了情节。说故事有这样一个好处：好故事自带传播属性，人们看到充满情节的好故事，就会有强烈的传播分享的欲望。

什么是好故事呢？何瑫说，GQ报道有6个标准，判断一个故事好不好。

第一，问题要足够重要，要建立与时代的关系。

比如GQ曾经推出的两篇爆款文章，一篇写喊麦，是直播领域的故事；另一篇写自媒体行业的咪蒙。这都是这个时代最重要的话题之一。

第二，要展示人物和情节的复杂性，不是孤立的一人一事。

不管写什么，都不能只写一个人，而是要写人或事背后的东西。往小了说是一个行业，往大了说可能是整个社会的一个风潮，甚至更深的东西。

第三，选题要有想象力，不要模式化。

模式化的文章可能只看三个自然段，你就已经知道这篇文章到底要讲什么了。比如一说直播，很多人首先想到的就是锥子脸，很多文章就顺着这个前提展开，这就是很严重的模式化。

第四，相关结论不要流于俗套。

还是说直播，如果光写一个女主播搔首弄姿的故事，那就是流于俗套了。

第五，要有好的故事细节，不要堆材料说观点，要用具体的情节去打动人。

第六，要有适当的价值观。

如果一味追求流量，写得尖酸刻薄，能换来短期的流量，但对于整个品牌的伤害会非常大。

知道了这六个标准，那好故事应该讲什么呢？

首先，好的故事要建立起共情效应，也就是让受众觉得这个故事和自己有关系。其次，好故事应该聚焦遇到困境的人。因为我们每个人都对别人深层的性格特点有天然的好奇，而这些特点只有在他遭遇困境的时候才会显现出来。困境的质量要高，强度要大，这样才能让受众觉得有意思。动笔写作之前，要想清楚故事的主人公是谁，他想要什么，为什么想要，他会采取什么样的方法去得到他想要的东西，会遇到哪些阻碍，会采取什么样的行动，对抗这些阻碍的结果会是什么，想清楚这些再动笔。

故事的讲法也很重要。新手往往只会使用线性叙事，也就是流水帐，只是按照事情的前后顺序从头讲到尾，大部分人是看不下去的。这里有一个实用的小技巧，就是故事不从头讲起。先分析整个故事高潮点在哪，把故事里最有可能吸引读者的那一个点拿出来，放在故事的开头。把读者的注意力带进来之后，再去讲你整个故事的发展脉络，效果更好。

钱颖一：对效率问题的认知误区

钱颖一认为，关于效率和公平的关系，其实是很多人对效率的重要性的理解不够。经济学往往就更注重在发展中解决问题，也就是说要先提高效率，把蛋糕做大了再去分，这对所有人来说，都是共赢的方法。但为什么现实中大家往往会忽视效率的重要性呢？钱颖一提出了三点原因：

第一个原因是，公平问题通常显而易见，但效率问题大家往往看不见。

你比如说小偷，所有的人都认为偷窃不好。为什么不好？因为偷窃是不劳而获，是不公平的，这是大家一眼都能看得到的。但对于社会利益来说，一般人都会觉得偷窃不过是把一个人的财富转移给了另外一个人，财富并没有损失，但其实不是这么简单。那偷窃到底还有哪里不好呢？经济学家认为，如果你觉得你的东西可能会被偷，那你就要买锁，就要雇保镖，这些都要使用额外的资源，增加了原本没必要的成本，我们的蛋糕在无形之中就变小了，这就影响了整体的效率。但这个问题大家往往都看不见。

同样，腐败也不是简单的道德问题，我们一般人看到的是财产转移，从公有财产变成了个人资产，我们的蛋糕并没有变小。但是，我们都看不到经济学家所谓的“寻租”现象。什么是寻租呢？在经济学家看来，“寻租”这个词就是专门用来指那些向政府争取优惠政策，让自己得好处，而社会总的资源发生损失的行为。比如说腐败，行贿的人不可能平白无故就送礼，所以想要受贿的官员就必须设置一些门槛，为了通过这些门槛，企业才会来贿赂你，这就叫做寻租。企业在这个过程没有进行任何有价值的生产，而且增加了很多成本，这就是效率的损失。所以你看，大家往往只看到了公平问题，却经常忽视了效率问题才是导致我们利益受损的真正原因。

第二个原因是，人们往往缺少共赢思维。

如果只从公平角度分析，任何改革就没有共赢的方案，因为有人分多了，就一定有人分少了，就会出现所谓的不公平，所以公平问题通常是零和游戏。但效率问题不一样，它是正和游戏。什么意思呢？因为从效率角度分析，只要效率提高，蛋糕就做大了，赢者就有可能补偿输者，最终形成共赢的结果。所以经济学强调，如果更多地从效率角度考虑，虽然不是说任何情况下都实现共赢，至少是存在这种可能性。但是在现实中，很多人都会陷入零和游戏的思维中，虽然我得到的要比以前多，但只要别人得到的比我多，我就很难接受。这也是效率问题容易被忽视的重要原因。

第三个原因就是除了经济学之外，其他社会科学中对效率问题并不重视。

因为学科的侧重点不一样，其他学科都不重视效率，这就让大多数人很难认识到效率的重要性，钱颖一说，也正是由于这种稀缺性，经济学应该更加强调效率，如果经济学家再不谈效率，社会上就很少有人考虑效率了，这对社会来说，将会造成巨大的损失。

计算专业表示，算法的时间复杂度（效率）绝对被重视